1つのInterMINDミーティングにおけるリアルタイム翻訳、キャプション、検索可能なトランスクリプトの連携

4つのタイムゾーンにまたがるチームは、カレンダーの招待状の段階では言語の問題を抱えていません。問題が生じるのは、誰かが話し始めた瞬間です。リアルタイム翻訳、リアルタイムキャプション、そして後から見返せるトランスクリプトは、この摩擦を実際に取り除く3つの要素であり、近年では3つの別々のアドオンとしてではなく、1つのバンドルとして1つのプロダクトページにまとめて記載されることが増えています。

最近の例として、職場プラットフォームであるNexGen Virtual Workplaceの2026年9月の投稿があります。そこには「ライブ音声翻訳、ミーティングキャプション、検索可能なトランスクリプトは、ミーティングに後付けするのではなく、勤務日に組み込まれたものです」という言葉で始まり、「これらの機能はNexGen Virtual Workplaceプラットフォーム内で加入者が利用できる機能です」と述べられています。これが提供されている仕様の全貌です。この投稿では、サポートされている言語の数には触れられておらず、どのサブスクリプション階層でこれら3つの機能がアンロックされるのかも明記されていません。そして、「検索可能」とは「ユーザーが過去のトランスクリプションを参考として調べることもできる」という以上の意味を持たないと説明されています（2026年9月確認、ソースは末尾にリンク）。これはベンダーに対する批判ではありません。読者は、そのバンドルが自分のチームに適合するかどうかを知る前に、他の場所で調べるか、単に信じるしかないということを示しています。

「翻訳」「キャプション」「トランスクリプト」という同じ3つの単語が、プロダクトごとに意味的に異なる仕組みを指すために使われることがあるため、ここでは、現在のInterMINDにおけるそれぞれの具体的かつ検証可能な仕組みを説明します。

翻訳：自分でオンにし、話者自身の声で話す

翻訳は常にバックグラウンドで行われるものではありません。ルーム内に少なくとも2つの言語が存在すると利用可能になり、ミーティングごとにコントロールバーの More メニュー（または Alt+T ショートカット）から意図的に有効にします。そこから各参加者は独自の翻訳言語を個別に設定します。5つの言語を話す5名の通話の場合、全員が他の全員の発言を自分の言語に同時に翻訳されて聞くことができます。

出力は汎用のナレーターの声ではありません。音声認識、文のセグメンテーション、翻訳、音声合成がパイプラインとして実行され、最後の段階で、翻訳された文が元の話者自身の声のバリエーションで再合成されます。平坦なテキスト読み上げではなく、話者と認識できる声になります。このパイプラインの技術的な詳細については 別の投稿 で解説していますが、ここでの要点は、翻訳をオンにすると「何が話されたか」だけでなく「誰が話したか」も翻訳を通じて保持されるということです。対応範囲は、音声、チャット、共有ノートで23言語、ドキュメント全体のファイル翻訳で30言語です。この区分とその理由については、対応言語の内訳 で解説しています。

キャプション：デフォルトでオン、覚えておくべき別の切替設定ではない

InterMINDのリアルタイムキャプションは、ミーティング中に字幕バナーとして表示される、同じストリームの翻訳テキストです。機能が存在すること以上に重要な2つの詳細があります：

• デフォルトでオンです。 何も変更しない参加者でも、翻訳が有効になると画面に翻訳された発言がすぐに表示されます。ミーティングの途中で見つけなければならない2つ目のスイッチはありません。
• バナーはブラウザごとに前回の選択を記憶します。 そのため、あるミーティングでキャプションをオフにすると、次にオンにするまでオフのままになり、ターゲット言語が求める場合は自動的に右から左へ表示されます。

キャプションは、事前に設定するための独自の設定ページを持つ別のプロダクトではなく、同じ翻訳音声の上に成り立つ読み取りチャネルです。これは、キャプション言語がイベント前に主催者側で選択される設定であるプラットフォームで支配的になりがちな「誰がどのキャプション言語を見られるか」という問題とは逆のアプローチです。

トランスクリプション：自動化と「検索可能」の範囲の明確化

トランスクリプションには開始/停止ボタンがありません。ミーティングが開始した瞬間から、すべての単語がキャプチャされ、発言した話者に帰属し、実際に話された言語でサーバー上に保存されます。誰もオンにするのを覚えておく必要がなく、オンにし忘れることもありません。

ミーティングの後、ミーティングチャットに recap メッセージが表示されます。それを開き、Transcript タブに切り替えると、話者ごとのタイムスタンプ付きの完全なトランスクリプトが表示され、話者の元の言語でキャプチャされていても、読者自身の言語にオンデマンドで翻訳可能です。

「検索可能」という言葉は最も正確に定義する必要があるため、誇張せずに現在の具体的な意味を説明します：

• ミーティングのチャット内では、リアルテキスト検索です。 ミーティングの実行中、各発話はチャネル内のトランスクリプションメッセージとして現れ、それらのメッセージは他のすべてのメッセージと同じチャット検索の対象になります。 Ctrl/⌘+F で開き、キーワードを入力すると、一致するメッセージが文脈とともに表示されます。
• トランスクリプトページ自体はプレーンなレンダリングされたテキストです。 そのため、ブラウザ自体のページ検索は、他のWebページと同じように、その中の単語や名前を見つけることができます。
• まだ全文検索の対象ではないのは、recap内のトランスクリプトの上にあるAI作成の要約です。 現在、その要約は本文を検索するのではなく、タイトルで表示されます。探しているのが誰かが話した特定の文である場合、それはトランスクリプトタブ内に存在し、そこで検索が可能です。短い要約は検索対象が限られた別のオブジェクトであり、このギャップを埋めることは当社のロードマップに含まれています。

この違い — 本当に検索可能な音声アーカイブと、現在はそうではない短いAI要約 — は、プロダクトページ上の1行の「検索可能なトランスクリプト」という箇条書きでは見過ごされがちな特定の動作です。

1シート、1プランの上限 — 3つのライセンスは不要

これら3つの機能は、独自のアドオンやライセンス階層の背後で制限されていません。プランに応じてスケールするのは、ルームのサイズです。Basicでは50名、Proでは100名、Businessでは300名、Enterpriseでは1500名が参加できます。いずれのプランのホストも、翻訳、キャプション、トランスクリプションをまとめて利用できます。アップグレードによって変わるのはルームに入れる人数であり、これら3つの機能のうちどれを利用できるかではありません。

ゲストが得るものと保持しないもの

アカウントを作成せずにミーティングリンクから参加する参加者は、ミーティング中の完全なエクスペリエンスを得られます。つまり、独自の翻訳言語（ブラウザに準拠するインターフェース言語がデフォルト）、それに伴うキャプション、そして他のユーザーと同様に自分の発言が共有トランスクリプトにキャプチャされる、ということです。ただし、その後に得られないものがあります。recapの届け先となるアカウントがなく、通話終了後も匿名の身元は保持されません。アカウントは無料で、recap、検索可能なトランスクリプト、チャネル履歴といった、通話後の部分を後から利用可能にするためのものです。これは実際の制限であり、無条件に聞こえるこの機能セットの他の部分とは逆であるため、偽りなく明確に述べる価値があります。

読む代わりに実際に体験する

• ライブデモを試す — サインアップ不要：話しかけるだけで、ルームがあなたの言語に翻訳されて返ってくるのを聞くことができます。
• ベンチマークを見る — 言語ペアごとの翻訳品質を、実際のトラフィックで毎月測定。手法は公開されています。
• トランスクリプションのドキュメントを読む — トランスクリプトがどのようにキャプチャされ、翻訳されて読み返されるかの完全な仕組み。

FAQ

翻訳、キャプション、トランスクリプションを別々にオンにする必要がありますか？ トランスクリプションは、ミーティングが開始した瞬間から自動で常にオンになります。翻訳は意図的な選択であり、ルーム内に少なくとも2つの参加者言語が存在した時点で、MoreメニューまたはAlt+Tから有効にします。キャプションは同じストリームの翻訳テキストであり、翻訳が有効になった瞬間にデフォルトでオンになるため、実際には3つではなく1つのスイッチを考えるだけで済みます。

ミーティングのトランスクリプトを実際に検索することはできますか？それともスクロールするだけですか？ 両方可能です。トランスクリプトは、ミーティング中にチャットメッセージとしてターンごとにキャプチャされ、他のすべてのメッセージと同じチャット検索（Ctrl/⌘+F）の対象になります。キーワードを入力すると、一致するターンが表示されます。トランスクリプトの完全なページもプレーンテキストであるため、ブラウザ自体のページ検索が直接機能します。まだ全文検索の対象になっていないのは、AIが作成した短いミーティング要約の本文のみであり、現在はタイトルで表示されます。

全員が同じ翻訳された声を聞くのですか？それとも話者自身の声が保持されるのですか？ 各参加者の翻訳された発話は、共有の汎用ナレーターではなく、自分自身の声をモデルにして再合成されます。その効果は、双方向かつ各参加者に対して独立して、会話をしている人々の音声が保たれた翻訳会話となります。

アカウントを持たずゲストとして参加した場合、トランスクリプトやrecapはどうなりますか？ ゲストは他の参加者と同様に、ミーティング中の完全な翻訳、キャプション、トランスクリプションを利用できます。その後に引き継がれないのは、recapやトランスクリプトの届け先となるアカウントが存在しないことであり、ミーティングが終了するとゲストの匿名の身元は保持されません。サインアップ（無料）することで、通話後の記録にアクセスできるようになります。

翻訳、キャプション、トランスクリプション用に別のプランやアドオンはありますか？ いいえ — これら3つはすべてのプランで一緒に提供されます。プラン間で変わるのは、ホストが同時にホストできる参加者の数です。Basicでは50名、Proでは100名、Businessでは300名、Enterpriseでは1500名です。

ソース：NexGen Virtual Workplace — Speaking the Same Language: How Translation and Transcription Work Inside NexGen Virtual Workplace, 2026年9月確認。InterMIND facts：リアルタイム翻訳ドキュメント, トランスクリプションドキュメント, 対応言語の内訳, 自分自身の声による翻訳, ライブベンチマーク。