この記事の結論
faster-whisperのhotwords機能は顧客名の誤変換を減らすはずが、語数が多いほど無音・雑音区間に登録語列が幻覚出力される構造的問題があります。実例では70語超で商談の20.7%(61分)が使用不能になり、100語超では無音区間に特定の人名が延々と挿入されました。転写はvad_filter=Trueのみで行い、固有名詞は議事録化時に文脈から補正する方式が現実的です。
faster-whisperのhotwords機能とその期待
faster-whisperのhotwords機能は、顧客名・社名などの固有名詞を事前登録することで、音声認識の際にその単語の認識精度を優先的に高める仕組みです。不動産会社の商談録音から議事録を自動生成するパイプラインでは、faster-whisper large-v3（音声認識AI）とqwen3:32b（言語モデル）の組み合わせで、手打ち3時間の作業を15分に短縮できます。2026年6月から月間100件以上を処理する運用が始まり、商談直後の顧客確認メール送信と「言った・言わない」トラブルの回避に効果を上げています。顧客名・社名・地名など固有名詞が発話の20〜30%を占める商談録音では、「関西の売買仲介会社A社」「地方の不動産会社」といった社名が「（社名の誤変換）」「（社名の誤変換）」のように誤変換されることがあります。hotwordsにこれらを登録すれば、音素が似た単語が複数候補に上がった際に、登録済みの単語を優先的に選択するため、誤変換が減る理屈でした。
hotwordsの罠：語数が多いほど無音区間に幻覚が起きる
hotwordsは語数が増えるほど無音・雑音区間に登録した語列をそのまま出力するハルシネーション（幻覚）を引き起こす構造的問題があります。faster-whisperは音声区間を検出（VAD: Voice Activity Detection）して発話区間のみを転写しますが、hotwordsを与えると無音・雑音区間でも「この語列が発話されたかもしれない」というバイアスが強くなり、実際には何も話されていない区間に登録語列を挿入します。
hotwordsに10〜20語を登録した程度では目立ちませんが、70語を超えると無音区間の一部が登録語列の反復で埋まり始め、100語を超えると無音区間のほぼ全てに特定の語列が延々と挿入される事例が確認されています。
| hotwords語数 | 発生する問題 | 使用不能区間 |
|---|---|---|
| 0語(不使用) | 固有名詞の誤変換が残る | 0% |
| 10〜20語 | ほぼ問題なし | 0〜1% |
| 70語超 | 無音区間に語列が挿入され始める | 20.7%(実測) |
| 100語超 | 無音区間のほぼ全てに特定語列が挿入 | 推定40%以上 |
hotwords機能を使う場合と使わない場合の実務上の違い
推奨: hotwords不使用
- 固有名詞は誤変換が残る
- 無音区間は正常（幻覚なし）
- 議事録化時に文脈から補正可能
- 使用不能区間: 0%
避けるべき: hotwords 70語超
- 固有名詞の精度は向上する
- 無音区間に語列が挿入される
- 手動修正に2時間を要する
- 使用不能区間: 20.7%〜40%以上
2026年8月の実例で hotwords 70語超→20.7%潰れ、100語超→無音区間ほぼ全滅を確認
faster-whisperの内部動作を推測すると、hotwordsは音素レベルのスコアリングで候補を絞る際に、登録語列の音素パターンにバイアスをかける仕組みと考えられます。無音・雑音区間では音素の判別が曖昧になるため、バイアスの影響が相対的に大きくなり、登録語列が「最も確からしい候補」として選ばれてしまうと推察されます。
実例1：2025年11月29日 関西の売買仲介会社A社 AM分の20.7%が潰れた
関西の売買仲介会社A社の商談録音（午前・午後）をhotwords 70語超で転写した結果、午前分（180分）のうち61分が使用不能になりました。無音区間に担当者名の語列が延々と繰り返され、時間ベースで20.7%の区間が実質的に潰れました。午後分は会議室での録音で背景雑音が少なく無音区間自体が短かったため、被害は軽微でした。
幻覚区間を手動で削除し、前後の文脈から発話内容を推測して補完しましたが、61分分の修正に約2時間を要し、自動化の効果がほぼ消失しました。この時点でhotwordsの使用を中止し、hotwordsなしで再転写する方針に切り替えました。
実例2：2025年11月29日 関東の買取再販会社B社 無音区間に代表者名が延々挿入
関東の買取再販会社B社の定例会議録音（午前・午後）をhotwords 100語超で転写した結果、午前分で無音区間のほぼ全てに代表者名が延々と挿入されました。音声区間は正常に転写されていましたが、発話の合間に「（代表者名） （代表者名） （代表者名）…」が何百回も繰り返され、転写結果が読み物として破綻しました。午後分は発話密度が高く無音区間が短かったため、被害は軽減されました。この2回目の失敗で、hotwordsは語数を問わず使わないという方針を確定しました。
回避策：hotwords不使用、vad_filter=Trueのみで転写
2025年11月29日以降、hotwordsを一切使わず、vad_filter=True（音声区間検出のみ有効）で転写する方式に統一しました。固有名詞の誤変換は転写段階では残りますが、議事録化の段階で文脈から補正する2段階方式です。
faster-whisperで転写した結果をJSONファイルに保存し、その後qwen3:32bで議事録化する際に、顧客名・担当者名・関係会社名を文脈から推測して補正します。「（社名の誤変換）」は「関西の売買仲介会社A社」、「（社名の誤変換）」は「地方の不動産会社」と自動補正されます。誤変換は音素が似た語に限られるため、文脈で判別可能です。
この方式に切り替えた結果、転写の正確性は固有名詞以外の部分で98%以上を維持し、hotwordsで無音区間が潰れるリスクを完全に回避できました。議事録化の段階での補正工数は1件あたり5〜10分程度で、hotwords幻覚の手動修正に2時間かかっていた状況と比較すれば圧倒的に現実的です。plaud_transcribe.pyでは、hotwordsパラメータを渡さず、vad_filter=Trueのみを指定します。バッチVADが発話を全カット（0文字）した場合は、vad_filter=Falseで全区間を読み直すfallback_novad方式で自己修復します。
不動産業界での応用例と横展開の注意点
商談録音から議事録を作成する用途は、売主との価格交渉、買主との内見、社内の物件検討会議の3パターンがあり、いずれも契約の前提情報を正確に記録することでトラブル回避と追客精度向上につながります。売主の希望価格・引き渡し時期・瑕疵情報、買主の要望・予算・購入時期、仕入れ判断の根拠など、重要な情報を漏らさず記録できます。
社内で横展開する際には、スクリプトの命名規則を統一します。「plaud_transcribe.py」は定常処理、「oneshot_transcribe
faster-whisperは無音区間で「ご視聴ありがとうございました」「チャンネル登録」といった定型幻覚句を生成しがちです。転写直後にこれらを除去し、残りが全体の15%未満の場合にその区間を実質無音と判定します。議事録化の段階でこのフラグを読み取り、無音区間は議事録に含めません。
不動産会社の業務地図｜どこが自動化され、どこに人が残るかでは、議事録作成を含む277本のスクリプトが示す業務自動化の全体像を解説しています。顧客情報を外に出さずに物件資料をまとめて処理する方法では、社内で横展開する際の共通モジュールの設計を詳述しています。代表のAI業務環境の実際では、議事録化を含むAI業務パイプラインの全体像を解説しています。
実務フローの全体像
商談録音を議事録にする実務フローは、録音→転写→幻覚検出→固有名詞補正→議事録化の5ステップです。録音はPlaud録音機やスマートフォン、転写はfaster-whisperでvad_filter=Trueのみ指定（hotwords不使用）、幻覚検出は定型句を除去して15%未満の区間を無音判定、固有名詞補正はqwen3:32bで文脈から推測、議事録化は要約と決定事項抽出を行います。RTX 5090 Laptopでは1分の音声を約3秒で処理できます。
商談録音を議事録にする実務フロー
避けること: 転写時にhotwordsを使う、無音区間の幻覚を放置する、固有名詞を転写時に補正しようとする
転写と幻覚検出はスクリプトで完全自動化でき、固有名詞補正と議事録化は言語モデルで自動化できますが、最終的な人間レビューは必須です。商談の重要度に応じて、レビュー工数を5分（簡易確認）から30分（全文精査）まで調整します。
よくある質問
Q. faster-whisperのhotwords機能を使わなくても顧客名や社名の誤変換は防げますか
A. 顧客名・社名の誤変換は転写段階では残りますが、議事録化の段階で文脈から補正できます。私たちは転写をvad_filter=Trueのみで行い、議事録化の際にqwen3:32bで固有名詞を補正する2段階方式に切り替えました。転写の正確性は固有名詞以外の部分で十分に高く、hotwordsなしでも実務上の支障はありません。
Q. 無音区間の幻覚はどうやって検出していますか
A. 転写結果から「ご視聴ありがとうございました」「チャンネル登録」などの定型幻覚句を除いた残りが全体の15%未満の場合、その区間を実質無音と判定します。faster-whisperは無音区間でYouTube字幕によく出現する定型句を生成しがちで、これを放置すると議事録に関係ない文言が混入するため、転写直後にフィルタリングします。
Q. vad_filter=Trueだけで商談の発話が全カットされることはありませんか
A. 発話が全カットされた場合は自動でvad_filter=Falseに切り替えて再転写する自己修復機能を実装しています。バッチVADが0文字を返した際にfallback_novad方式で全区間を読み直し、実発話があれば復活します。この2段階フォールバックにより、商談の発話が消失するリスクを実質的にゼロにしています。
Q. 社内で横展開する際にスクリプトの命名規則はどうすればよいですか
A. 目的ごとに接頭辞を統一し、実行日と対象を含める命名規則を推奨します。例えば「plaud_transcribe.py」は定常処理、「oneshot_transcribe
Q. hotwordsを使わないことで不動産業界特有の専門用語の誤変換は増えませんか
A. 増えますが、議事録化の段階で修正できる範囲です。faster-whisper large-v3は「媒介」「重説」「反響」といった不動産用語の認識精度が実用水準にあり、hotwordsなしでも8割以上は正確に転写されます。残りの誤変換は文脈で判別可能なため、議事録化の際に言語モデルが自動補正します。hotwordsで無音区間が20.7%潰れるリスクと比較すれば、誤変換の後処理のほうが現実的です。
相談窓口
商談・内見・社内会議の録音を議事録に変換するパイプラインは、不動産会社の業務フローに合わせてカスタマイズする必要があります。録音機材の選定、転写精度の検証、固有名詞辞書の整備、議事録フォーマットの設計など、実務に落とし込むまでの工程は業務の性質によって変わります。
生成AIを貴社の業務にどう組み込むかは、扱う物件・組織の規模・現在の業務フローによって最適解が変わります。株式会社MCOでは、不動産・建設業に特化したAI経営コンサルティングと実装代行、社内定着までの伴走を行っています。まずは公式LINEからお気軽にご相談ください。