Copilot in Windowsを使ってみよう(34) Copilotにビデオの要約を生成してもらう

最近のCopilot in EdgeはMicrosoft Edgeで閲覧している動画の概要を生成することができる。この機能を使うとCopilotにWebページの概要を生成してもらったり必要な情報を抽出してもらったりする処理を、動画に対しても同じように行うことが可能になる。知っていると大幅な時短を実現できる便利な機能だ

連載「Copilot in Windowsを使ってみよう」のこれまでの回はこちらを参照。

動画もテキストみたいに要約してほしい

情報はテキストだけで配信されているわけではなく、動画や音声でも配信されている。インターネットが世界的に普及した現在では、世界中のテキスト、動画、音声といった形式の情報源にアクセスすることができる。動画で配信される情報はニュースに限らず、企画動画、イベント配信動画、ハウツー系動画、趣味系動画などさまざまなものがある。

世界中の組織や個人が動画による情報発信プラットフォームのひとつとして「YouTube」を活用している。YouTubeで配信される動画は多くの方にとって重要な情報源のひとつになっており、社会生活に欠かすことができないインフラになっているとも言えるだろう。

Microsoftが配信している次の動画をチェックしてみよう。

Detecting political deepfakes with AI | The Prompt x Microsoft's Chief Questions Officer Trevor Noah - YouTube

Detecting political deepfakes with AI ｜ The Prompt x Microsoft's Chief Questions Officer Trevor Noah - YouTube

英語が使われている動画なので内容を理解するのはほとんどの日本人にとって敷居の高いものになるが、YouTubeは字幕の自動生成機能を備えているので、ある程度の内容は字幕を読むことで予測することができる。

英語字幕を表示させたところ

さらに字幕の自動翻訳機能も備えているので、字幕を有効化し、かつ、日本語への自動翻訳機能を有効にすると、次のように日本語字幕を表示させることができる。ここまでくると動画の内容をかなりスムーズに理解できるようになる。

自動翻訳させた日本語字幕を表示させたところ

このように現在ではYouTubeで配信されている動画を視聴する場合、使われている言語はそれほど大きな壁にならなくなっている。もちろん自動生成される字幕が100%正確というわけではないのだが、何もないのと比べれば雲泥の差だ。

こうなってくると最大の問題は動画の「長さ」そのものになってくる。動画によっては30分や1時間といった内容のものもある。仮に、1日にこうした動画を何本もチェックするとなると、どう考えても時間が足りない。

Copilotのような生成AIチャットの登場によってテキストについては要約を自動生成できるようになった。数百ページにおよぶ文書であっても数秒で概要を生成することができ、対話することで特定の情報を聞き出すこともできる。生成AIチャットがもたらす時間の効果は劇的なものがある。

動画データはこうした短縮が効かないという問題があったのだが、最近の生成AIチャットは動画に対してもテキストと同じような扱いができるようになってきている。Copilot in Edgeはすでにこうした機能に対応しており、動画の情報を整理する用途に使うことができるようになっている。知っていると大幅な時短につながる機能なので、まだ使ったことがなければ試して欲しい機能だ。