Geminiで議事録を作成するには、録音のファイルを添付して議事録の形にまとめるよう1文で頼むだけです。103.1秒の会議の録音から28.8秒で議事録が返りました。ただし「文字起こしして」と頼むと25.5秒で断られます。全文の文字起こしが要るときは別の手段を選んでください。
- Geminiで議事録を作成する方法と、文字起こしを断られたときの対処
- Geminiは103.1秒の会議の録音（mp3）から議事録を作り、決まったことの箇条書きも議事録の形も28.8秒で返した
- Geminiの議事録は日時・出席者3名・決定事項・宿題2件・次回がそろい、台本に無い年や時刻を足していなかった
- Geminiは決まったことと議事録の両方で、台本の「商品E」を「商品B」と書いていた
- 同じ録音でも「この音声を文字起こししてください」と頼むと、Geminiは25.5秒で27字の断りを返した
- Claudeは録音を受け取って長さも答えたが、1問目は144.5秒かけて文字起こしを実行できないと返した
- Claudeは議事録を頼んだ3問目で音声認識のモデルを用意し始め、363.1秒（約6分）たっても実行中だった
音声から議事録を作る方法はGeminiに録音を添付して1文送るだけだ
会議の録音から議事録の下書きを作るなら、今回の検証ではGeminiがいちばん手間がかかりませんでした。入力欄の左の「＋」から録音のファイルを添付し、下の文をそのまま送るだけです。28.8秒で日時・出席者・決定事項・宿題・次回に分かれた議事録が返ってきました。
議事録の形（日時・出席者・決定事項・宿題（担当と期限）・次回）にまとめてください。
決まったことだけを先に知りたいときは、次の短い文でも中身が返ってきます。こちらもかかったのは28.8秒でした。
この音声の会議で決まったことを箇条書きにしてください。
AInformation編集部は2026年9月29日の午後に、パソコンのブラウザからGemini（Google AI Pro）とClaude（Claude Max）へ同じ録音を渡しました。Microsoft Copilot（Microsoft 365 Personal）でも同じ手順を試しています。録音は架空の会社の会議を読み上げた103.1秒のmp3です。Geminiの画面のモデル表示は「Flash 拡張」で、選び直さずにそのまま使っています。
気をつけたいのは、同じ録音でも頼み方によってGeminiの返事が変わったことです。「この音声を文字起こししてください」と送ったときは、断りの1文が返っただけでした。欲しいのが全文の文字起こしではなく議事録なら、はじめから議事録の形で頼むのが近道になります。Claudeは今回の3問とも、録音の中身を返すところまで届きませんでした。
同じ103.1秒の録音を3つの文で送りGeminiとClaudeを比較した
比べ方を先に書いておきます。材料はAInformation編集部が作った架空の会社「株式会社サンプル商事」の週次ミーティングで、台本をmacOSの読み上げの声（Kyoko）で読ませて103.1秒（約1分43秒）のmp3にしました。台本には決まったこと4件と宿題2件と次回の日時が入っています。話しているのは読み上げの声1つで、雑音は足していません。実際の会議よりも聞き取りやすい条件です。
手順はどのAIでも同じにしました。問いごとに新しい会話を開き、モデルは選び直していません。送ってから答えが出そろうまでの秒数と答えの文字数も記録し、中身は台本と1つずつ照らしています。
- 録音を添付して文字起こしを頼む。1問目は易しい課題として、全文の文字起こしを頼みました。Geminiでは送った文の上に「MP3」と「meeting_sample」の札が出て、添付できたことが画面で分かります。
この音声を文字起こししてください。
- 新しい会話で決まったことを聞く。2問目は中くらいの課題です。同じmp3を添付し直して、会議で決まったことだけを箇条書きで頼みました。
この音声の会議で決まったことを箇条書きにしてください。
- 新しい会話で議事録の形を頼む。3問目は難しい課題で、議事録に要る5つの項目を指定しました。宿題は担当と期限まで書くように頼んでいます。
議事録の形（日時・出席者・決定事項・宿題（担当と期限）・次回）にまとめてください。
ChatGPT（ChatGPT Pro）は今回、編集部の操作の都合で試せませんでした。Microsoft Copilotは編集部の操作ではmp3を入れても入力欄に添付の札が出ず、音声が付かないまま3問を送る形になっています。Copilotがmp3を受け付けないのか操作の側の問題なのかは切り分けていないので、この2つとは比べられていません。
Geminiは「文字起こしして」にだけ25.5秒で断りを返した
1問目の全文の文字起こしは、Geminiからは受け取れませんでした。録音の札は付いていて、答えが出るまでは25.5秒です。返ってきたのは「私は言語モデルで、そちらは私の設計に含まれていません。」という27字の1文でした。台本の言葉は1つも出てこず、文字起こしの誤りを数える前の段階で終わっています。
引っかかるのは、同じGeminiが同じmp3で2問目と3問目には中身を返したことです。決まったことの箇条書きも議事録の形も、台本にある日付や金額を拾っていました。録音の中身を扱えることは2問目と3問目で分かっているのに、文字起こしという頼み方にだけ断りが返ったことになります。なぜそうなったのかは画面に出ていないので、この検証では分かりません。
試したのは各問1回ずつです。同じ文をもう一度送ったら全文が返るのか、言い方を変えれば返るのかは確かめていません。全文の文字起こしが目的だと、今回の文のままでは空振りでした。議事録を作るのが目的なら、2問目と3問目の結果のほうが役に立ちます。
Claudeは録音を受け取ったが144.5秒かけて文字起こしできないと答えた
Claudeは録音を受け取ったものの、1問目は144.5秒かけて「この環境では文字起こしを実行できませんでした」と答えました。画面のモデル表示は「Opus 4.8 高」です。答えの上には「7個のコマンドを実行しました」と出ていて、Claudeが自分でプログラムを動かして録音を調べていたことが分かります。
録音そのものの確かめ方は正確でした。Claudeは長さを「約1分43秒」と答えていて、実際の103.1秒と合っています。文字にできなかった理由も書いてありました。音声認識のモデル（Whisperなど）の配布元のサーバーがClaudeの作業場所のネットワークで止められていて、モデルを取ってこられないという説明です。画面には「host_not_allowed」という表示も入っています。
答えの後半は3つの対応案でした。A案は設定のネットワーク許可ドメインに「huggingface.co」を足してもらえれば、その場で文字起こしするというものです。B案は手元のパソコンで動かすコマンド（openai-whisper）をそのまま載せていて、C案は文字起こし済みの文を渡せば議事録の形に整えるという案でした。964字の答えの多くはこの案内で、パソコンに詳しくない人には手が止まる中身です。
編集部はA案の設定変更を試していません。設定を変えたあとで文字起こしがどこまで正しくなるかは、この検証では分かりません。Claudeの公式ヘルプが受け付けるファイルとして挙げているのも文書と画像だけで、音声の形式は載っていませんでした。
決まったことの箇条書きはGeminiが28.8秒で4件とも拾った
2問目の決まったことは、Geminiが28.8秒で4件とも拾いました。答えは367字で、項目は5つです。台本の4件と照らすと、次のとおり中身は全部入っていました。
- セット販売：付属品は替えパッキンと専用ブラシの2点で、原価は合わせて115円・10月1日から販売
- ギフトの写真撮影：10月21日（火）に本社の会議室Aで行い、カメラマンは去年と同じ会社
- 特集ページ：11月20日に公開し、限定色の写真が間に合わなければ詰め合わせだけを先に出して11月27日に足す
- 撮影の費用：去年と同じ18万円で進める。写真撮影の項目の中にまとめて書かれていた
ずれていたのは商品の名前です。台本では「商品Eのセット販売」と「商品Eの限定色」なのに、Geminiの答えは2か所とも「商品B」になっていました。宿題に出てくる「商品Cのパッケージ」は正しく書けているので、名前の誤りはこの1種類だけです。台本の「ECの特集ページ」も「Web特集ページ」に言い換わっていましたが、日付と条件は合っていました。
もう1つの特徴は、決まったことの中に宿題と次回の日時まで並べたことです。「次回までの宿題（期日：9月18日）」として鈴木さんと田中さんの宿題を書き、「次回ミーティング」として9月18日（木）の10時からと書いていました。どちらも台本どおりの中身です。決まったことと宿題を分けて残したい人は、3問目の議事録の形で頼むほうが合います。答えの各行の後ろには「MP3」という小さな札が付いていましたが、押して中身は確かめていません。
Claudeは42秒で読み取れないと返した
Claudeは2問目に42秒で469字の答えを返しました。答えは、音声の文字起こしが自分の環境ではできないので会議の中身を読み取れないという説明から始まります。続けて「ファイル自体は正常に届いており、長さは約1分43秒です」と書いていました。1問目と違って対応案はネットワークの設定ではなく、文字起こしの道具で文にしてから渡してほしいという中身です。
道具の例として挙げていたのは、WindowsやMacの標準機能とNottaとCLOVA Noteです。Wordの「トランスクリプト」機能も入っていました。テキストをもらえれば決定事項に加えて宿題と保留事項まで分けた議事録に整える、とも書いています。コマンドの話が中心だった1問目より、会社で使う人には分かりやすい案内でした。
議事録の形ではGeminiが480字で日時から次回までそろえた
3問目の議事録は、頼んだ5つの項目がGeminiの答えに全部そろっていました。かかったのは2問目と同じ28.8秒で、答えは480字です。見出しは「商品企画 週次ミーティング議事録」で、台本の最初の1文にある会議の名前をそのまま使っていました。項目ごとに台本と照らすと、次のようになります。
- 日時：9月11日（木）。台本どおりで年も時刻も足していない
- 出席者：鈴木・田中・高橋の3名。台本どおり
- 決定事項：セット販売・写真撮影・特集ページの3つの見出しの下に、答え合わせの4件が全部入っていた
- 宿題：鈴木さんが商品Cのパッケージの新しい文言、田中さんが特集ページの構成案。期限はどちらも9月18日で台本どおり
- 次回：9月18日（木）の10:00から。台本どおり
日時に年を足さなかったのは大事な点です。台本の曜日は2025年の暦の並びで、今年の2026年を足すと曜日が合わなくなる作りにしていました。台本に無い開始時刻も書いていません。聞こえたことだけを並べていて、作り話は見当たりませんでした。
誤りは2問目と同じで、「商品Eのセット販売」と「商品Eの限定色」がどちらも「商品B」になっていました。数字のほうは全部合っています。セット販売の原価115円と10月1日の発売、撮影の費用の18万円もそのままでした。特集ページの11月20日と11月27日も台本どおりです。数字がそろっているのに商品の名前だけがずれるので、ぱっと見では気づきにくい誤りになります。
議事録として配るなら、商品名と人名だけは録音か手元のメモと照らしてから出すのが安全です。今回の録音は声が1つで雑音も無い条件でした。人数が多い会議や雑音のある部屋の録音で同じように書けるかは、この検証では確かめていません。
Claudeは議事録を頼むと音声認識の準備を始めて363.1秒でも実行中だった
3問目のClaudeは、363.1秒（約6分）たっても答えが出ないまま実行中でした。画面には「6個のコマンドを実行しました」と出たあと、英語で「Downloading a Japanese-capable offline speech-recognition model.」と表示されています。日本語に対応した音声認識のモデルを取ってきて準備する、という意味の1文です。
その下には「数字や固有名詞の誤りを高精度モデルで再検証中」という表示も出ていました。画面の表示を見るかぎり、3問目では自分で音声認識を動かす段階まで進んでいます。1問目と2問目では文字起こしができないと返していたので、同じ録音で問いによって動きが変わったことになります。1問目で止められたサーバーとは別の取り先を見つけたのかどうかは、画面からは分かりません。
編集部は363.1秒の時点で待つのをやめました。そのため議事録ができあがったのか、できたとして中身が正しかったのかは分かりません。この時点で記録できた答えは202字で、中身は準備の表示だけです。議事録を急いで作りたい場面では、Geminiの28.8秒との開きがそのまま待ち時間の差になります。
採点ではGeminiが精度も時間も勝ちClaudeは3問とも録音の中身を返せなかった
3つの問いを採点すると、勝ったのはGeminiです。2問目と3問目で台本の決定事項4件と宿題2件と次回の日時を全部拾い、どちらも28.8秒で返しました。減点は2つで、商品Eを商品Bと書いた1種類の誤りと1問目の文字起こしを断ったことです。
Claudeは録音を受け取り、長さを約1分43秒と正しく答えました。ただ録音の中身を返した問いは無く、1問目は144.5秒・2問目は42秒で文字起こしができないと返しています。3問目は363.1秒たっても実行中でした。答えは964字・469字・202字で、多くは対応案とその準備の表示です。
音声から議事録を作る3問の採点表
| 項目 | Gemini | Claude | Microsoft Copilot | ChatGPT |
|---|---|---|---|---|
| 録音の受け取り | ○ 札が出た | ○ 約1分43秒と答えた | ×（試せず） | ×（試せず） |
| 文字起こし（易） | × 25.5秒で断った | × 144.5秒・実行できず | ×（試せず） | ×（試せず） |
| 決まったこと（中） | ○ 28.8秒・4件とも | × 42秒・読み取れず | ×（試せず） | ×（試せず） |
| 議事録の形（難） | ○ 28.8秒・5項目そろう | × 363.1秒でも実行中 | ×（試せず） | ×（試せず） |
| 答えの文字数 | 27字・367字・480字 | 964字・469字・202字 | ×（試せず） | ×（試せず） |
| 固有名と数字 | △ 商品Eを商品Bと書いた | —（中身なし） | ×（試せず） | ×（試せず） |
| 年と時刻 | ○ 台本に無いものは足さない | —（中身なし） | ×（試せず） | ×（試せず） |
| 日本語の自然さ | ○ 議事録らしく短い | ○ 丁寧だがコマンドの話が多い | ×（試せず） | ×（試せず） |
| 公式ヘルプの音声 | 無料10分・AI Proで3時間 | 対応形式に音声なし | 形式の記載なし | ×（試せず） |
Geminiの答えは1問目が27字で、2問目は367字・3問目は480字でした。3問目は日時と出席者の欄が加わっています。どちらの答えも台本にある言葉を短くまとめた文で、台本に無い話は足していません。
日本語の自然さはGeminiもClaudeも問題ありませんでした。Geminiは「原則として11月20日に公開」のように、議事録らしく短く言い切る書き方です。Claudeは丁寧な案内文でしたが、1問目は「host_not_allowed」やコマンドの話が混ざり読む人を選びます。
Microsoft Copilotは編集部の操作で音声を添付できないまま送ったため、採点に入れていません。返事は17.2秒・17.1秒・17.3秒で、どれも音声や会議の中身が見当たらないとして送り直しを求める文でした。ChatGPTも今回は試せていないので、この2つの勝ち負けは付けていません。
用途別のおすすめは議事録の下書きならGeminiで全文の文字起こしは別に考える
ここまでの実測から、目的ごとの選び方をまとめます。比べられたのはGeminiとClaudeの2つです。
速さ重視なら28.8秒のGemini
会議が終わってすぐに決まったことを共有したいなら、Geminiが向いています。2問目も3問目も28.8秒で、103.1秒の録音より短い時間で議事録の形が返ってきました。Claudeは3問目で363.1秒待っても答えが出なかったので、急ぎの用には今回の設定のままでは合いません。
正確さ重視でもGeminiで固有名だけは照らす
正確さでもGeminiを選びます。日付と曜日と金額と担当と期限は全部合っていて、台本に無い年や時刻も足していませんでした。ただし商品Eを商品Bと書いたように、固有名の誤りは起きます。配る前に商品名と人名だけを元の録音と照らす手順を、はじめから決めておくと安心です。
無料で試したいならGeminiの10分の枠から
無料で試すなら、音声の無料の枠が公式に書かれているGeminiから始めるのが分かりやすいです。Geminiのヘルプでは、音声の合計は無料で10分までとなっています。Google AI ProかGoogle AI Ultraにすると、3時間まで延びるとも書かれていました。今回はGoogle AI Proのアカウントで試したので、無料の枠で同じ答えが返るかは確かめていません。Geminiの無料版と有料版の違いは別の記事にまとめています。
全文の文字起こしが要るなら今回の2つでは足りない
発言を1字ずつ残したい場合は、今回のGeminiとClaudeの結果では足りません。Geminiは文字起こしという頼み方を断り、Claudeは1問目と2問目で音声認識を動かせなかったためです。Claude自身はNottaやCLOVA NoteやWordの「トランスクリプト」機能で文字にしてから渡す方法を勧めていました。文字になった議事録を4つのAIに渡して比べた結果は、議事録を4AIに72回投げた検証で扱っています。
音声ファイルの制限と注意はClaudeとCopilotの公式ヘルプに音声の形式が無いことだ
録音を渡せるかどうかは、公式ヘルプの書き方がAIごとにばらばらでした。Claudeのヘルプ（Upload files to Claude）が対応形式として挙げているのは、PDFやDOCXなどの文書とJPEGやPNGなどの画像です。音声は載っていません。それでも今回の検証ではmp3の添付は通り、Claudeは長さまで答えました。添付が通ることと中身を文字にできることは、別だと考えたほうがよさそうです。
Microsoft Copilotのヘルプ（Copilot app updates for personal, work, and school accounts）は、ファイルのアップロードが無料でできるとだけ書いています。受け付ける形式はそこに載っていません。Copilotは返事の中でmp3やm4aやwavをアップロードするよう案内していました。ただ編集部の操作では添付できなかったので、受け付けるかは確かめられていません。ChatGPTは今回試せていないため、録音を渡したときの動きは分かりません。
今回の条件にも限りがあります。録音は読み上げの声1つで103.1秒と短く、雑音もありません。各問は1回ずつしか送っていないので、同じ文を送り直すと答えが変わる可能性もあります。実際の会議の録音で使う前に、短い録音で1回試して商品名や人名の書き方を見ておくと失敗が減ります。
関連する記事とツール
- Geminiの個別ページ（料金とできること）
- Claudeの個別ページ（料金とできること）
- Microsoft Copilotの個別ページ（料金とできること）
- 画像生成AIを3つ比較！写真風に強いのはGeminiだった
- 画像読み取りAIを比較！GeminiとClaudeの違いと選び方
- 議事録AIを4つ比較！要約プロンプト2つと選び方
会議の録音から議事録の下書きを作る用途なら、今回の実測ではGeminiを選びます。28.8秒で決定事項と宿題と次回まで分けてくれたので、会議のあとすぐに配る下書きには足ります。ただ商品Eを商品Bと書いたように、固有名の誤りは数字より気づきにくいものです。社内で使うなら、配る前に商品名と人名だけを照らす1手を決めておくと安心です。発言を1字ずつ残す文字起こしはGeminiからもClaudeからも受け取れなかったので、議事録づくりとは分けて考えるのがおすすめです。
- Geminiに会議の録音を渡すと議事録は作れますか？
- 作れました。2026年9月29日にGoogle AI Proで103.1秒のmp3を添付し、「議事録の形（日時・出席者・決定事項・宿題（担当と期限）・次回）にまとめてください。」と送ると、28.8秒で480字の議事録が返りました。日時・出席者3名・決定事項4件・宿題2件・次回がそろっています。ただし台本の商品Eを商品Bと書いていたので、固有名は照らしてから使ってください。
- Geminiで音声の全文を文字起こしできますか？
- 今回の検証ではできませんでした。「この音声を文字起こししてください。」と送ると、25.5秒で「私は言語モデルで、そちらは私の設計に含まれていません。」という27字の答えが返っただけです。同じ録音でも決まったことの箇条書きや議事録の形なら中身を返しています。言い方を変えると全文が出るかは確かめていません。
- Claudeは音声ファイルから議事録を作れますか？
- 今回は作れませんでした。Claude Maxで画面のモデル表示が「Opus 4.8 高」のとき、mp3は受け取って長さを約1分43秒と答えています。ただ1問目は144.5秒かけて「この環境では文字起こしを実行できませんでした」と返しました。議事録を頼んだ3問目は音声認識のモデルを用意し始め、363.1秒（約6分）たっても実行中でした。Claudeの公式ヘルプの対応形式にも音声は載っていません。
- 無料のGeminiでは何分の音声まで渡せますか？
- 公式ヘルプでは音声の合計は無料で10分までです。Google AI ProかGoogle AI Ultraにすると3時間まで延びると書かれています。今回の103.1秒の録音はどちらでも収まる長さでした。検証はGoogle AI Proのアカウントで行ったので、無料の枠で同じ答えが返るかは確かめていません。
- ChatGPTやMicrosoft Copilotでは試しましたか？
- 今回は比べられていません。ChatGPTは編集部の操作の都合で送れませんでした。Microsoft Copilotは編集部の操作ではmp3を入れても添付の札が出ず、音声なしで送る形になっています。Copilotの返事は「音声ファイルが見当たりません。」のように、音声や会議の中身を送り直すよう求める文でした。公式ヘルプにも受け付ける形式の記載はありません。
