会議音声の自動書き起こしと議事録生成システムです。
本システムの利用には以下が必要です。
- 音声データからの文字起こしに必要なライブラリ等を格納した Singularity コンテナ
- Speech-to-Text モデルの実行に必要な NVIDIA GPU
- 文字起こしデータの要約に必要な Claude.ai のアカウント
- プロジェクト情報を記述した Markdown 形式のファイル（
docs/project.md）
RIKEN R-CCS Cloud のユーザーであれば、以下の資源を利用できます。
- Singularity コンテナのレシピは RIKEN-RCCS GitHub で公開されています。
trans.shが GPU を搭載した計算ノード（L40S、GH200）を自動選択してジョブを投入します。
オーディオ/ビデオ
↓
[whisper_vad.py]（SLURM ジョブ）
↓
文字起こしテキスト（発言者識別付き）
↓
[generate_minutes.py]（Claude CLI） ← 推奨
または
[generate_minutes_local.py]（ローカル LLM・vLLM）
↓
構造化議事録（決定事項 / アクションアイテム / 議事内容）
Minutes/
├── README.md # 本ファイル
├── CLAUDE.md # Claude Code プロジェクト説明
├── docs/
│ └── project.md # プロジェクト情報（概要・参加者・用語集）
├── scripts/
│ ├── trans.sh # SLURM バッチ書き起こしスクリプト
│ ├── whisper_vad.py # 主書き起こしスクリプト（Whisper + PyAnnote + VAD）
│ ├── generate_minutes.py # 議事録生成スクリプト（Claude CLI 使用）
│ └── generate_minutes_local.py # 議事録生成スクリプト（ローカル LLM 使用）
├── data/
│ └── input/ # 入力オーディオ/ビデオファイルおよび文字起こしテキスト（.md）
└── minutes/ # 生成された議事録
├── YYYY-MM-DD-timestamp-file-md-minutes.md
└── YYYY-MM-DD-timestamp-file-combined.txt # Stage 1 キャッシュ（再実行用）
docs/project.md にプロジェクトの概要・参加者・固有の用語などを Markdown 形式で記述します。
Claude CLI による要約の品質向上に活用されます。以下のセクションを含めると効果的です。
### プロジェクト概要
### ステークホルダー
### 主なプロジェクト参加者
### プロジェクト固有の用語
### 内部・外部の境界
### 会議の種類と頻度注意：
trans.shは R-CCS Cloud のログインノードから実行してください（SLURM ジョブ内からは実行できません）。
音声/動画ファイルを data/input/ に置き、R-CCS Cloud のログインノードから以下を実行します。
bash scripts/trans.sh data/input/meeting.mp4
# 冒頭 30 秒をスキップする場合
bash scripts/trans.sh data/input/meeting.mp4 --skip 30書き起こし完了後、自動で議事録も生成されます。
sinfo でパーティションの空き状況を確認し、以下の優先順位でジョブを投入します。
ai-l40sに空きあり →--gpus=1付きで投入ai-l40sが満杯・qc-gh200に空きあり → GPU 指定なしで投入- 両方混雑 →
ai-l40sにデフォルト投入
出力ファイル：
- 文字起こし:
data/input/meeting.md（入力ファイルと同名、拡張子を.mdに変換） - 議事録:
minutes/YYYY-MM-DD-timestamp-meeting-md-minutes.md
Claude CLI が使えない環境向けに、OpenAI 互換 API を持つローカル LLM（vLLM）で議事録を生成するスクリプトも用意しています。
単純な単一パス生成では会議後半が欠落しやすい問題（Lost in the Middle）を解決するため、以下の3ステージ方式を採用しています。
Stage 1: 文字起こしを 10 分チャンクに分割して各チャンクから事実を抽出
→ minutes/*-combined.txt にキャッシュ保存
Stage 2: 全チャンク要約を統合して議事内容（6-8 節）を生成
Stage 3: 同じチャンク要約から決定事項・アクションアイテムを抽出
| モデル | 評価 | 所要時間 | 備考 |
|---|---|---|---|
| Nvidia Nemotron-3-Super-120B | △ | 長い | 単一パス。Lost in the Middle で会議後半が欠落。--think は終了しなくなるため非推奨 |
| GLM-4.7-Flash（RiVault） | △ | 速い | chat template トークンが出力に混入。後処理でフィルタ追加で対応 |
| Qwen3-Swallow-32B-RL-v0.2（dense） | ○ | 約60分 | 高品質。常時 reasoning モード。--think --no-chat-template-kwargs が必要 |
| Kimi-K2-Thinking（RiVault） | ✗ | − | RiVault の 60 秒 gateway timeout により長文生成で 504 エラー。実用不可 |
| Qwen3-Swallow-30B-A3B-RL-v0.2（MoE） | ◎ | 約20分 | 現在の推奨。 dense 比約2倍速で品質は同等 |
| 観点 | Claude CLI | ローカル LLM（Qwen3-Swallow MoE） |
|---|---|---|
| プロジェクト文脈の活用 | CLAUDE.md を自動読み込み、プロンプト不要 |
docs/project.md をプロンプトに埋め込んで対応 |
| 議事内容の網羅性 | 安定して高品質 | マルチステージ方式で実用レベルに到達 |
| 固有名詞の正確性 | ほぼ正確 | 目視確認を推奨 |
| 実行環境 | Claude CLI が必要 | vLLM サーバーがあれば動作 |
| 所要時間 | 数分 | 約20分（MoE） |
生成結果の確認・修正コストを考慮すると、議事録生成用途では Claude CLI（generate_minutes.py）の利用を推奨します。ただし vLLM 環境が整っていれば generate_minutes_local.py も実用的な品質で動作します。