meeting-analyzer

会議録画をコマンド一発で議事録+提言に変換するツール。

動作要件

Apple Silicon Mac（M1以降）が必須です。 MLX WhisperはAppleのMLXフレームワーク上で動作するため、Intel Macでは動きません。

何ができるか

./meeting-analyzer.sh ~/Downloads/meeting.mp4 "定例会議"

会議録画から以下を自動生成します（処理時間は環境に依存します）。

• 議事録レポート — 概要・決定事項・アクションアイテム・提言
• 文字起こし — 全文テキスト
• スクリーンキャプチャ — シーン変化検出で自動抽出

バージョン — 段階的に精度とコストが上がる

バージョン	ファイル	AI分析	対象	追加コスト
v1	meeting-analyzer.sh	GitHub Copilot CLI	GitHub Copilotが使える環境	1 Premium Request
v2	v1の出力 + Gemini Gem	Gemini Gem（手動）	Geminiが使える環境	なし
v3	meeting-analyzer-v3.sh	Claude API + VLM	Anthropic APIキーが必要	従量課金

まずv1を試してください。 精度を上げたい場合はv2（Gemini Gem）、さらに自動化したい場合はv3（外部API）に進んでください。

必要なツール

全バージョン共通

• ffmpeg — 音声抽出・シーン検出キャプチャ（brew install ffmpeg）
• MLX Whisper — Apple Silicon最適化の文字起こし（pip3 install mlx-whisper）

v1で追加

• GitHub CLI — gh コマンド（brew install gh）
• GitHub Copilot CLI — gh copilot で議事録生成

v2で追加

• Gemini — gem-meeting-analyzer-prompt.md を使って自分用のGemを作成

v3で追加

• Anthropic Python SDK — pip3 install anthropic
• ANTHROPIC_API_KEY — .env に設定

インストール

# リポジトリをクローン
git clone https://github.com/ap-communications/meeting-analyzer.git
cd meeting-analyzer

# 依存ツールのインストール
brew install ffmpeg gh
pip3 install -r requirements.txt

# v3を使う場合のみ: APIキーの設定
echo "ANTHROPIC_API_KEY=sk-ant-..." > .env

使い方

v1: GitHub Copilot

./meeting-analyzer.sh ~/Downloads/meeting.mp4 "定例会議"

GitHub Copilot CLIが文字起こしテキストを分析し、議事録を生成します。1 Premium Requestで完結。

出力:

meeting_YYYYMMDD_HHMMSS/
├── report.md           — AI分析レポート
├── transcript.txt      — 文字起こし
├── prompt.md           — AI分析用プロンプト
├── captures/           — スクリーンキャプチャ
└── log.md              — 処理ログ

v2: Gemini Gem で精度を上げる

v1を実行した後、出力された prompt.md を Gemini Gem に貼り付けるだけです。

Gemの作り方

1. Gemini → 左サイドバー「Gem」→「+ Gemを作成」
2. 名前: 会議分析アシスタント
3. カスタム指示: gem-meeting-analyzer-prompt.md の --- 以下をコピーして貼り付け
4. 保存

使い方

1. v1を実行して prompt.md と captures/ を取得
2. 作成したGemに prompt.md の内容を貼り付ける
3. 同じチャットに captures/ の画像を投入（10枚単位）
4. 文脈を持った状態で、文字起こし + 画像の統合分析が返ってくる

v1より精度が高くなる理由は、人間が会議の文脈を補足しながらGeminiと対話できるからです。

v3: 外部API で完全自動化（Anthropic APIキーが必要）

v2のGemini Gem運用では、1回のチャットで投入できる画像が10枚までという制約があり、キャプチャが多い長時間の会議では手間が増えます。v3はClaude APIを使い、この制約なしに文字起こしからタイムライン統合・議事録生成までを完全自動化します。

VLM（Vision Language Model）を使ったキャプチャ画像の自動分析にも対応する設計ですが、現時点ではVLMモードは実験的です。安定動作が確認されているのは VLM_MODE=skip（テキスト分析のみ）です。

# テキスト分析のみ（安定動作確認済み）
VLM_MODE=skip ./meeting-analyzer-v3.sh ~/Downloads/meeting.mp4 "定例会議"

# テキスト + 画像分析（実験的。Claude APIでキャプチャ画像を分析）
# → スライドの固有名詞・図表をAIが読み取り、議事録に統合することを目指す
VLM_MODE=claude ./meeting-analyzer-v3.sh ~/Downloads/meeting.mp4 "定例会議"

出力:

meeting_YYYYMMDD_HHMMSS/
├── report.md               — AI分析レポート
├── timeline.md             — 統合タイムライン（発言+画面）
├── transcript.srt          — タイムスタンプ付き文字起こし
├── transcript.txt          — プレーンテキスト
├── vlm_results.jsonl       — VLM画像分析結果
├── capture_timestamps.txt  — キャプチャ時刻
├── captures/               — スクリーンキャプチャ
└── log.md                  — 処理ログ

環境変数（v3用）

変数	デフォルト	説明
VLM_MODE	claude	VLM分析モード（claude / ollama / hybrid / skip）
SCENE_THRESHOLD	0.25	シーン検出感度（0.0〜1.0、低いほど敏感）
MAX_IMAGES	30	最大キャプチャ枚数
MLX_WHISPER	mlx_whisper	MLX Whisperのパス
ANTHROPIC_API_KEY	—	Claude APIキー
CLAUDE_MODEL	claude-sonnet-4-6	使用するClaudeモデル

実測結果（参考値）

項目	結果
テスト動画	1時間3分の会議録画
マシン	MacBook Pro（Apple M5 / 32GB）
文字起こし	約3分（993行）
キャプチャ	12枚（threshold=0.25）
AI分析（v1）	1 Premium Request、約1分30秒
AI分析（v3）	約2万トークン（Claude API）

重要な気づき

完全自動化すると、参加者の文脈理解・会議の背景・発言者の意図が剥がれ、抽象的な要約しか残りません。

最も精度が高い分析は、AIに文字起こしを渡す際に人間が会議の文脈を補足したもの（v2のGemini Gem運用）でした。

機械的な作業はAIに任せ、文脈の補足と最終判断は人間が担う。この分担が最も精度の高い議事録を生み出します。

ライセンス

MIT