> For the complete documentation index, see [llms.txt](https://library.zoom.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://library.zoom.com/technical-library/ja/ai-whitepaper/diagrams.md). # 図表とデータフロー ZoomのAI機能は、幅広い製品、サービス、ワークフローにまたがっており、Zoomプラットフォーム全体におけるAIの動作を、単一の図だけで合理的かつ完全に捉えることはできません。機能ごとに、入力、処理経路、保存の挙動、モデルとのやり取り、出力は異なります。アクティブなやり取り中のライブで一時的なデータだけを扱うものもあれば、後から追加機能を支えられる保持済みのアーティファクトを作成するものもあります。Zoomのファーストパーティ環境内だけで完結する機能もあれば、ZoomのフェデレーテッドAIアーキテクチャや、場合によっては接続された外部システムに依存する機能もあります。この動的で広範なシステムを理解しやすくするため、このページでは単一の視覚モデルに頼るのではなく、一連の図を示しています。それぞれの図は、より広いZoom AIプラットフォーム内の異なる層、経路、または機能パターンを強調しています。これらのセクションの末尾には、どの機能が適用されるか、関連する製品は何か、そしてアーティファクトの保持状態はどうかをまとめた表があります。その後のセクションでは、特定の個別製品機能をそれぞれ取り上げ、それらの具体的な機能がどのように動作するかを、より焦点を絞って説明します。 以下の流れは、最も基本的な形のZoom AIの簡略版概要から始まります。ここでは、Zoomの標準的なフェデレーテッドモデルアーキテクチャを使用しつつ、Zoomの第三者AIモデルプロバイダー以外のサードパーティ業務連携や外部の顧客データソースはまだ導入していない、ファーストパーティ中心の状態としてプラットフォームを示しています。そこから先の図では、ZoomのAIアプローチの選択肢、ライブ音声をAIで利用可能なアーティファクトへ変換する仕組み、そしてそれらのアーティファクトが後から他の機能やワークフローをどのように支援できるかといった、より専門的な要素を段階的に紹介します。これらの図は総じて、ZoomのAIプラットフォームの各部分が実際にどのように機能するかを反映した、より小さく追いやすいビューに分解することで、非常に複雑なシステムを理解しやすくすることを目的としています。 ## **Zoom AI**

Zoom AIの簡単な概要

上の図は、ZoomのAIプラットフォームを簡略化した形で示しており、最も基盤的な状態のひとつとしてプラットフォームを表しています。ここでは、Meetings、Phone、コンタクトセンター、自動音声認識、その他のZoom製品・サービスを含む、Zoom Webバックエンドとして知られるZoomのより広範な製品・サービスアーキテクチャの各部分が、より大きなZoomプラットフォームにどのように流れ込み、下流のAI機能を支えられるユーザーアクセス可能なコンテンツ群にどのように寄与するかを示しています。 この図の中心概念は **Zoomユーザーコンテンツ**です。これは、ユーザーがZoomの製品やサービスとやり取りする中で生成されたコンテンツを指し、後にAI搭載体験の入力、文脈、またはアーティファクトとして利用されることがあります。対象となる製品や機能によっては、Zoom Chatメッセージ、ミーティング要約、文字起こし、Canvasドキュメント、My Notes、録画、その他同様のユーザー向けアーティファクトなどが含まれます。これらの資料は、後のAI支援による検索、推論、要約、フォローアップを支えるコンテキスト層の重要な一部を形成します。 このコンテンツの一部は、インデックス検索や検索拡張生成モジュールなどの検索インフラを通じて、将来のAI利用に向けて準備される場合もあります。そのような場合、関連するアーティファクトは取り込まれてインデックス化されるため、後続のAIクエリや処理でより効率的に見つけて使用できます。これにより、Zoom AIはライブのやり取りだけでなく、保持されたコンテキストや、プラットフォーム全体にわたる過去のユーザー生成資料も活用できるようになります。 最後に、この図ではまた **Zoom AI** この広範なエコシステム全体で動作する共通AIレイヤーとしてZoom AIそのものも示しています。この簡略化されたビューでは、Zoom AIはZoomの標準的なフェデレーテッドアプローチを通じて表現されており、Zoomは自社インフラ内で稼働するZoomホストAIモデルと、タスクに応じて適切な選定済みのサードパーティAIモデルプロバイダーの両方を利用できます。このフェデレーテッドモデルにより、Zoomはプラットフォーム全体で統一されたAI体験を維持しながら、AIタスクを利用可能な最適なモデル環境へ振り分けられます。 ## Zoom AIサービスモデルのアプローチ

Federated、ZM+、ZMOを含むZoomのAIアプローチの概要

上の図は、Zoomの3つのAIアプローチ、つまりFederatedアプローチ、ZoomホストAIモデルプラス (ZM+)、ZoomホストAIモデル完結型 (ZMO) を示しています。これらは、Zoomが顧客にAIサービスを提供する3つの主な方法を表しており、それぞれ機能の幅、モデルの柔軟性、データ制御のバランスが異なります。 Federatedアプローチは、Zoomの標準かつ最も機能が充実したアプローチです。これによりZoomは、ZoomホストAIモデルや選定されたサードパーティのモデルパートナーを含む複数のAIプロバイダーと連携でき、リクエストに最も適したモデルへタスクを振り分けられます。ZM+は、Zoomが管理する専用モデルインスタンスを使用することで、より制御された導入モデルを提供します。一方、ZMOはAI処理をZoomホストAIモデル完結型 (ZMO) に限定し、最も制約が強く制御されたモデル経路を提供しますが、機能セットはより限定されます。 このページでは、以下の図は概ねフェデレーテッドアプローチを示しています。これは、Zoomの標準的なアプローチであり、Zoom AI機能を最も広く捉えた見方だからです。ZM+またはZMOを使用している組織は、第三者AIモデルプロバイダーを頭の中で取り除き、フローの残りのZoom管理部分に注目することで、これらの図を解釈できることがよくあります。 詳細については、Zoom AIのモデル、処理、保存、および使用に関するページを参照してください。 ## ライブメディア機能とアーティファクト

ライブメディアが、Zoom AI機能を支える音声テキスト変換データに変換される仕組みの概要

上の図は、ミーティングや通話などのライブメディアのやり取りが、Zoomプラットフォーム全体で下流のAI搭載機能やアーティファクトをどのように生み出すかを示しています。各ケースでは、ライブ音声はその製品またはサービスに関連付けられた接続ポイントを通じてZoomに入力されます。ミーティングの場合、通常は **Multimedia Router (MMR)**です。テレフォニーでは、音声は通常 **SIPゾーン**. を通じて入力されます。音声が取り込まれると、Zoomの **自動音声認識 (ASR)** サービスに送られ、ライブ音声を **音声テキスト変換データ**に変換します。この音声テキスト変換データは、有効な設定や機能に応じて複数の方法で使用できます。場合によっては、ユーザーに即時に **ライブキャプション**として提供されます。対応コンテキストでは、Zoomの **ライブ翻訳** サービスにも渡され、音声テキスト変換出力を他言語の参加者向けの翻訳版字幕に変換することもあります。 音声テキスト変換データは、より永続的または派生的な機能も支援できます。 **文字起こし** が有効になっている場合、またはユーザーが **My Notes**を使用している場合、ASRサービスはライブセッション終了後に文字起こしを生成できます。ただし、文字起こしの保持が有効でない場合、やり取り中に使用された音声テキスト変換データは永続的な文字起こしとして保持されません。それでも、Zoom AIはセッション中にその音声テキスト変換データを一時的に使用して、ライブAI機能を支援できる場合があります。 たとえば、ユーザーは **ミーティング内質問** をミーティング中にZoom AIへ投げかけることがあります。その場合、Zoom AIはミーティング中のライブ音声テキスト変換データを使ってユーザーの質問を解釈し、進行中の会話に基づいた関連性の高い回答を生成できます。 このフローにおける重要な違いは、セッション中に音声テキスト変換データが使われたからといって、Zoom AIが必ずしも会話の文字起こしを保持するわけではないという点です。文字起こしの保持が明示的に有効化されていない限り、またはデータが **My Notes**のような機能を通じて保持されていない限り、音声テキスト変換データ自体は一時的なまま残る場合があります。同時に、そのデータから生成された下流のアーティファクトの一部は保持されることがあります。たとえば、ユーザーがミーティング中に質問をした場合、永続的な文字起こしが生成されなくても、結果として生じたAI会話や関連メモは、後で保持されたアーティファクトとして利用可能なまま残ることがあります。 保持されたアーティファクトの一部は、追加の下流アーティファクトやワークフローの基盤にもなります。ミーティング要約、ウェビナー要約、通話要約、またはユーザーのMy Notesは、 **Zoom Canvas** ドキュメントに変換され、そこで編集、拡張、作業用アーティファクトとしての利用を続けられます。さらに、そうして生成されたドキュメントは、本ドキュメントの他の箇所で説明されている別のAI機能やワークフローの文脈として、後で利用されることがあります。このように、ライブ音声は即時のAI機能だけでなく、保持されたアーティファクトの連鎖にもつながり、Zoomプラットフォーム全体で後のAI支援作業を継続的に支えます。 この図は以下の機能に適用されます: | 機能 | 説明 | 製品 | アーティファクト保持 | | :-----------: | :------------------------------------------------: | :----------: | :--------: | | ライブキャプション | ライブセッション向けのリアルタイム音声テキスト変換キャプション。 | ミーティング、ウェビナー | 未保持 | | 翻訳版字幕 | ライブ音声文字起こしデータから生成されるリアルタイムの翻訳版字幕。 | ミーティング、ウェビナー | 未保持 | | 文字起こし | ミーティングの音声文字起こし内容を保持したテキスト記録。 | ミーティング、電話 | 保持済み | | ミーティング要約 | 主要なミーティングの議論ポイント、決定事項、アクションアイテムをAIが生成した要約。 | ミーティング | 保持済み | | ウェビナー要約 | セッション後に共有される主要なウェビナー内容をAIが生成した要約。 | ウェビナー | 保持済み | | 通話要約 | 通話後の主要な詳細とアクションアイテムをAIが生成した要約。 | 電話 | 保持済み | | My Notes | 個人メモ、文字起こし、および後日の参照やフォローアップのために保持されるミーティングのコンテキスト。 | ミーティング | 保持済み | | フォローアップタスク | 会話の詳細に基づいてAIが提案するフォローアップアクション。 | Zoom Tasks | 保持済み | | ボイスメールの優先順位付け | ユーザーが定義した重要度に基づくボイスメールのAIによる順位付け。 | 電話 | 保持済み | | ミーティングに関する質問 | ライブのミーティングコンテキストを使用した、ミーティングに関する質問へのAI回答。 | ミーティング | 保持済み | | ウェビナーに関する質問 | ライブのウェビナーコンテキストを使用した、ウェビナーに関する質問へのAI回答。 | ウェビナー | 保持済み | | 通話に関する質問 | ライブの通話コンテキストを使用した、通話に関する質問へのAI回答。 | 電話 | 保持済み | ## 録画機能

Zoomが録画とAI機能をどのように処理するかの概要

上の図は、Zoom AIがどのように支援するかを示しています **録画ベースのAI機能** ライブセッションが終了した後に完了した録画を処理することで動作します。他のオーディオベースのZoom体験と同様に、元のメディアは、使用中の製品に関連付けられたインフラストラクチャを通じて入力されます。たとえば、 **MMR** ミーティングの場合、または関連する **SIPゾーン** テレフォニーの場合です。その流れの一部として、録画が作成されてZoomの録画サービスに送信され、完了した録画はZoomコンテンツストレージに保存されます。 録画が確定すると、その録画に関連付けられたオーディオがZoomの **自動音声認識 (ASR)** 文字起こしサービスに送信されます。このプロセスにより、 **録画固有の文字起こし**が生成されます。これは、ライブセッション中に生成される音声文字起こしデータとは異なる場合があります。つまり、完了した録画に関連付けられた文字起こしは、ライブのやり取り層から単にコピーされるのではなく、録画後処理フローの一部として生成されます。 録画の文字起こしが生成された後、それを **Zoom AI** に送って追加分析を行うことができます。この段階では、Zoom AIが文字起こしを処理し、要約、ハイライト、チャプター、その他会話の構造化表現などの、より上位の録画成果物を特定します。この分析は、必要に応じてZoomホストのモデルを含むZoomのAI処理レイヤーを使用して行われ、生の録画の文字起こしを、ミーティング後や通話後により利用しやすい出力へ変換します。 その分析が完了すると、生成されたAI成果物は録画自体に関連付けられます。これにより、録画を表示するユーザーは、録画と文字起こしだけでなく、コンテンツの閲覧や理解を容易にする追加のAI生成レイヤーも確認できます。このように、この図は、完了した録画がAI処理の第2段階の基盤となり、元の保存済みメディアを超えた拡張された録画機能を生成する仕組みを示しています。 この図は以下の機能に適用されます: | 機能 | 説明 | 製品 | アーティファクト保持 | | :----------------: | :-----------------------------------------------------------: | :---------: | :--------: | | スマートレコーディング | 録画されたミーティング向けのAI生成ハイライト、チャプター、要約 | ミーティング | 保持済み | | タイトル、説明、タグを生成する | クリップ向けのAI生成タイトル、説明、タグ。 | クリップ | 保持済み | | 録画と動画のためのAIコンテンツ作成 | イベント録画の文字起こしを使用して、主要なセッションの場面から文章コンテンツとAIが選定したビデオスニペットを生成します。 | Zoom Events | 保持済み | ## 派生AI機能

Zoomが派生AIコンテンツ生成機能をどのように処理するかの概要

上の図は、どのように **派生AI機能** 後続のAI支援タスクとアウトプットのコンテキストとして利用可能なユーザーコンテンツを使用して動作します。これらの場合、Zoom AIはもはやライブのインタラクションデータだけから動作しているわけではありません。代わりに、質問への回答、情報の統合、または新しい結果の生成支援を行うために、ユーザーのより広範なコンテンツ環境内にすでに存在するアーティファクトを活用します。 タスクによっては、このコンテキスト資料には、チャットメッセージ、ミーティング要約、My Notes、文字起こし、Zoom Canvasドキュメント、Zoom Slideデッキ、Zoom Paperドキュメント、Zoom MailまたはZoom Calendarのコンテンツ、接続されたサードパーティのメールまたはカレンダーデータ、または特定のリクエストを支援するためにユーザーがアップロードしたファイルなどのアーティファクトが含まれる場合があります。このように、Zoom AIは、以前に作成されたZoomのアーティファクトと、利用可能な場合は統合された個人レベルのデータを併用して、ユーザーが求める目的の達成を支援します。 この図はまた、このプロセス自体が **新しいユーザーコンテンツ**。たとえば、Zoom AIは既存の資料を使用して、新しいZoom Sheet、Zoom Canvasドキュメント、Zoom Slideデッキ、またはZoom Paperドキュメントを作成する場合があります。作成されると、それらの新しいアーティファクトはユーザーのより広範なコンテンツリポジトリの一部となり、後に将来のAI支援機能やワークフローのコンテキストとして再び使用される可能性があります。これにより、以前のユーザーコンテンツが後のアウトプットを支え、それらのアウトプットが時間の経過とともに新たなコンテキストアーティファクトになるという、層状の進行が生まれます。 この同じパターンは、他のZoomの画面でも見られます。たとえば、 **Zoom ハブ** または **AIチャットパネル**では、ユーザーはプラットフォーム全体にわたって質問したり、ZoomのAI生産性スイートを通じて利用可能なドキュメントや資料を操作したりできます。これらの場合、Zoom AIは再び、既存のユーザーアクセス可能なアーティファクトを基に、取得、統合、質問応答、または実行支援を提供し、派生AI機能が以前のコンテンツの価値を新しいタスクや成果へと拡張することを示しています。 {% hint style="info" %} **注記** ローカルユーザーファイルのアップロード [無効にできます](https://support.zoom.com/hc/en/article?id=zm_kb\&sysparm_article=KB0077150). {% endhint %} この図は以下の機能に適用されます: | 機能 | 説明 | 製品 | アーティファクト保持 | | :-------: | :---------------------------------------------------------------------------------: | :------------------------: | :--------: | | コンテンツ生成 | コンテンツ生成では、自然言語プロンプトからドキュメント、プレゼンテーション、スプレッドシート、その他のアウトプットを作成、改善、要約、整理するためにAIを使用します。 | Canvas、Sheets、Paper、Slides | 保持済み | | AIチャットパネル | 質問、コンテンツ生成、利用可能なZoomコンテキスト全体での作業を支援する対話型AI。 | AIチャットパネル | 保持済み | | 質問する | Zoom ハブ内で選択されたドキュメントや資料に基づくAI生成の回答。 | ハブ | 保持済み | ## 生成および作成機能

Zoomが生成および作成AIリクエストをどのように処理するかの概要

上の図は、どのように **生成および作成機能** Zoom AI プラットフォーム内で動作します。後のタスクやアウトプットの達成を支援するために既存のユーザーコンテンツに依存する派生AI機能とは異なり、生成および作成機能は、多くの場合、ユーザーのその場の入力によってより直接的に駆動されます。多くのケースで、これらの機能は、ユーザーのコンテンツ環境内の別の場所にすでに保存されている保持済みのZoomアーティファクトに依存しません。代わりに、主にユーザーによる直接のプロンプト、クエリ、アップロードされたファイル、またはアクティブな製品体験に関連する即時の画面上コンテンツによって機能します。 この違いは、以前にインデックス化または保持されたアーティファクトではなく、ユーザーの現在のコンテキストで表示されているコンテンツを基に動作する機能にとって特に重要です。たとえば、ユーザーがチャットスレッドを要約したり、メールを要約したり、Zoom AIにメールへの返信の下書きを依頼したりする場合、関連するコンテンツは通常、アクティブなクライアントコンテキストから取得され、Zoom AI処理のためのリクエストペイロードにまとめられます。言い換えると、Zoomはそのタスクを実行するために、必ずしも別個のサーバー側リポジトリからそのコンテンツを取得しているわけではありません。代わりに、アクティブなスレッド、メッセージセット、またはその他の表示中のインターフェースコンテキストから関連情報がテキスト形式に変換され、サービスが自然言語処理、要約、または生成を実行できるように、Zoom Workplace アプリからZoom AIに送信されます。 この図には、テキストのソース資料ではなく、主にユーザーの直接的な指示に依存する生成ユースケースも含まれています。たとえば、ユーザーが画像生成をリクエストする場合、ユーザーはプロンプトを通じて望むアウトプットを説明し、モデルはその説明に基づいて画像を生成します。Zoom Whiteboardなどの一部の製品コンテキストでは、この画像生成はサードパーティのAIモデルプロバイダーに依存する場合があります。別のコンテキストでは、Zoomは自社でホストするモデルを使用する場合があります。たとえば、Zoomのバーチャル背景画像生成では、埋め込みや関連処理を使用して視覚的アウトプットを生成するZoomホスト型モデルに依存する場合があり、その結果のコンテンツはユーザーに返される前にモデレーション管理を通過します。 総合すると、この図は、生成および作成機能が保持済みアーティファクトへの依存が少なく、即時のユーザー意図、アクティブなクライアント側コンテキスト、またはアップロードされた補助資料により多く依存することを示しています。このように、これらはZoom AIのもう1つの主要な動作モードを表しています。つまり、以前のコンテンツを取得してその全体で推論するだけでなく、ユーザーの現在のリクエストと周囲のコンテキストから直接新しいアウトプットを生成するのです。 この図は以下の機能に適用されます: | 機能 | 説明 | 製品 | アーティファクト保持 | | :-----------------: | :------------------------------------------------------------------------------: | :---------------: | :-------------: | | バーチャル背景 | Zoomセッションで使用するために、ユーザープロンプトからカスタムのバーチャル背景画像を作成するためにAIを使用します。 | ミーティング、イベント、ウェビナー | 保持されます（保存された場合） | | 画像生成 | AIを使用して、ホワイトボードの描画や粗い視覚アーティファクトを、より洗練された、レンダリングされた、または様式化された視覚的アウトプットへ変換します。 | ホワイトボード | 保持されます（保存された場合） | | 画像生成 | ヘッダー、セッション画像、展示関連資料など、イベント向けのブランド画像やその他のビジュアルアセットを作成するためにAIを使用します。 | イベント | 保持されます（保存された場合） | | コンテンツ生成 | ユーザープロンプトから、テキスト、付箋、表、マインドマップ、その他の構造化された視覚要素などの画面上のホワイトボードコンテンツを生成するためにAIを使用します。 | ホワイトボード | 保持されます（保存された場合） | | コンテンツ生成 | 説明、セッション詳細、登壇者紹介、ロビー告知などの文章のイベントコンテンツを生成するためにAIを使用します。 | イベント | 保持されます（保存された場合） | | メール作成 | メッセージ本文、件名、返信を含むメールコンテンツの下書き作成と改善のためにAIを使用します。 | メール | 保持されます（送信された場合） | | チャット作成 | ユーザープロンプトと利用可能な会話コンテキストに基づいて、チャットメッセージの下書き作成と修正を行うためにAIを使用します。 | チャット | 保持されます（送信された場合） | | メール要約 | メールまたはメールスレッドの主要内容を要約するためにAIを使用します。 | メール | 未保持 | | メッセージ、スレッド、ドキュメント要約 | チャットメッセージ、会話スレッド、および対応する添付ドキュメントまたはリンクされたCanvasコンテンツを要約するためにAIを使用します。 | チャット | 未保持 | | スマートアップロード | アップロードされたファイルからイベントの詳細を抽出し、セッション、登壇者、カスタム質問を自動的に作成します。 | Zoom Events | 保持されます（保存された場合） | ## My Notes ### Zoom MeetingsでのMy Notes

Zoom MeetingsにおけるMy Notesのデータフローの概要

上の図は、Zoom Meetings内でMy Notesが、ユーザーのデバイス上に提示されている他のデバイスオーディオに依存するのではなく、ミーティングの既存のオーディオパスをどのように使用するかを示しています。Zoom Meeting中にMy Notesが有効になると、ミーティングのMulti-Media Router（MMR）セッション経由でルーティングされた共有ミーティングオーディオにアクセスします。そのオーディオはその後、ZoomのAutomatic Speech Recognition（ASR）サービスによって処理され、文字起こしが生成されます。これはユーザーのデバイスに配信され、後でミーティング後のノート生成をサポートできます。 このフローでは、文字起こしは、そのミーティングセッションに関連付けられたZoom Meetingのオーディオに基づいています。ミーティング自体の外にある、無関係なローカルデバイスオーディオに基づくものではありません。ミーティング終了後、生成された文字起こしとノートは、ユーザーに適用される保持設定に従ってオンラインのままにできますが、文字起こしに使用された基盤のオーディオは処理完了後に保持されません。 ### Zoom Meetings外のMy Notes

Zoom Meetings外におけるMy Notesのデータフローの概要

上の図は、Zoom Meetings外でMy Notesが、共有されたZoom Meetingセッションではなく、ユーザーのローカルデバイスオーディオを通じて動作する仕組みを示しています。サードパーティのミーティングや対面の会話中に有効にされると、My Notesはオペレーティングシステムレベルのアクセスを使ってユーザーのマイクと、該当する場合はシステムオーディオを利用し、そのデバイスで利用可能なローカルオーディオを取得できます。そのオーディオはその後、単一ユーザーのMMRセッションを通じてルーティングされ、ZoomのAutomatic Speech Recognition（ASR）サービスによって処理され、文字起こしが生成されます。これはユーザーのデバイスに配信され、後でミーティング後のノート生成をサポートできます。 これは、Zoom Meetings外では、文字起こしが共有されたZoom Meetingオーディオストリームではなく、ユーザーのローカルデバイスから送信されたオーディオのみに基づくことを意味します。My Notesは、デバイスのマイクのアクティビティが検出されるとユーザーに新しいノートの開始を促すこともあり、サードパーティのミーティング、ブラウザベースのレコーディング、その他のマイクがアクティブなワークフローなどの状況でこの機能を表示しやすくします。ミーティング内のフローと同様に、文字起こしに使用されたオーディオは文字起こし完了後に保持されませんが、生成されたノートと文字起こしは、該当する保持設定に従ってユーザーのアカウントに保存されたままにできます。 ## ZoomMate

ZoomMateのデータフローの概要

上の図は、どのように **ZoomMateはZoom Workplace内の主要な作業面として機能します**、ユーザーのコンテキスト、接続された知識、実行機能が一体となる地点で動作します。単独のアシスタントとしてのみ存在するのではなく、ZoomMateは、ユーザーが日々の業務を支える資料やシステム全体で検索、推論、作成、実行できる、より広い作業環境の中心に位置します。 このロールの大部分は、ZoomMateが **Zoomのファーストパーティコンテンツ**にアクセスできることに由来します。これには、要約、My Notes、レコーディング、Canvasドキュメント、チャットメッセージ、そしてZoomプラットフォーム全体で作成されたその他のユーザー生成素材などの成果物が含まれます。これらの成果物は、ZoomMateが質問に答え、情報を統合し、出力を生成し、フォローアップをサポートするために必要なコンテキストを提供します。ZoomMateはまた、 **メモリ**を使用することもでき、タスクの完了を支援する際に、関連するユーザー設定や業務関連の詳細を取り込む許可を与えます。 この図はまた、ZoomMateがZoomネイティブコンテンツを超えて、 **サードパーティの知識ソース**と統合することでどのように拡張するかを表示しています。たとえば、Google DriveやOneDriveなどの接続されたクラウドストレージサービスは、ユーザーがアクセス可能な情報の外部リポジトリとして機能できます。これらのソースが統合されると、Zoomは承認済みコンテンツをインデックス化して、それらの素材全体での取得をサポートできます。これによりZoomMateは **エージェント型検索** を使って、Zoomコンテンツと接続されたサードパーティの知識の両方を横断して動作できます。このように、ZoomMateはZoom内にあるものだけでなく、接続された外部プラットフォームでユーザーがアクセスを許可されたドキュメントや資料も検索できます。 その他の個人データソースとして、 **メールとカレンダー** （エンドツーエンド暗号化メールを除く）もZoomMateをサポートできますが、動作は異なります。これらのソースはインデックス化されるのではなく、通常は直接APIベースの取得を通じてZoomMateと通信します。これにより、関連するメールの文脈の特定、カレンダー情報の確認、イベントのスケジュール設定の支援などに役立ちますが、より広範なドキュメント検索に使用されるインデックス化取得層の一部としては扱われません。 この図はさらに、ZoomMateがより幅広い **サードパーティのサービスとコネクタ** と接続できることも示しています。これらは、アクションの実行と知識アクセスの両方をサポートします。これには、Jira、HubSpot、ServiceNow、Workday、その他の接続されたビジネスプラットフォームなどのシステムが含まれる場合があります。これらの接続を通じて、ZoomMateは **エージェントタスク** をユーザーの代わりに実行できます。たとえば、レコーディングの作成または更新、外部サービスからの情報取得、その他の接続されたシステム内でのアクション実行などです。これによりZoomMateは、取得と統合のための面以上のものになります。コンテキストをアクションに変えるのに役立つ実行レイヤーとしても機能します。 この同じ基盤はまた、 **エージェント** そして **ワークフロー** をZoomMate環境内で支えます。エージェントは、同じ基盤となるコンテキスト、取得パス、接続されたシステムを使用して、より動的で推論ベースの支援を実行でき、ユーザーがより広範な複数ステップのタスクを、より高い継続性と適応性で進めるのを支援します。対照的に、ワークフローはより構造化され、繰り返し可能な自動化を提供でき、ユーザーがZoomコンテンツ全体および、サポートされている場合は接続された外部システム全体で動作する反復プロセスを定義することを許可します。このように、ZoomMateは会話インターフェースであるだけでなく、動的なエージェント的アクティビティとより構造化された自動化の両方のオーケストレーションの拠点としても機能します。 **Sandbox** は、ZoomMateのより高度な実行機能の一部もサポートできます。コード実行、ファイル生成、自動化、その他のより高度な処理を必要とするタスクでは、ZoomMateは標準的な会話処理だけに頼るのではなく、別のサンドボックス環境を使用できます。このサンドボックスはZoomのAWSインフラストラクチャ上で実行され、高複雑度のタスク向けに短期間で隔離された実行レイヤーを提供し、ZoomMateが特定の操作をより制御された環境で実行できるようにします。このように、取得、推論、エージェント、ワークフローを支える同じ広範なZoomMate基盤は、要求された作業がそれを必要とする場合に、より高度なタスク実行もサポートできます。 最後に、この図はZoomMateを支えるすべての基盤コンポーネントを表示しているわけではありません。スキルのような基盤機能レイヤーや、Zoom AIのより広範なインフラストラクチャと設計の一部であるその他の支援構造は、明示的には表示されていません。そうした要素は、ZoomMateの動作を可能にする基盤のAIシステム内で機能すると想定されています。この図の目的は、Zoomと接続されたシステム全体にわたってZoomMateが統合された作業面として機能するための、主要なコンテキスト、知識、アクションの面を表示することにあります。 ### ZoomMate サードパーティ接続とインデックス化

ZoomMateがサードパーティ接続とデータソースに接続する仕組みの概要

上の図は、ZoomMateのサードパーティデータアーキテクチャにおける、関連しつつも異なる2つの部分を示しています。1つ目は、ZoomMateがサポートされているサードパーティのアプリケーションやサービスにどのように接続し、それらのシステム内で情報を取得したりアクションを実行したりするかです。2つ目は、一部のサポートされているサードパーティのコンテンツソースをどのように取り込み、インデックス化して、後で検索拡張生成を通じてより効率的にそのコンテンツを取得できるようにするかです。 #### ZoomMateはサードパーティのアプリケーションとサービスに直接接続できます 図の一部は、ZoomMateがJira、Confluence、Salesforce、ServiceNow、Workday、クラウドストレージプラットフォーム、その他の外部ビジネスシステムなどのサポートされているサードパーティのアプリケーションやサービスにどのように接続するかを示しています。これらの接続により、ZoomMateはZoomネイティブコンテンツを超えて、業務データを保存したり、Zoomプラットフォーム外の運用業務をサポートしたりするツールと連携できます。 これらの接続は、APIベースの統合やMCPベースの接続などの認可されたアクセスモデルを通じて、TLS接続上で確立されます。いずれの場合も、ZoomMateは接続されたサービスによって付与された権限の範囲内で動作します。これによりZoomMateは、それらのシステムから関連情報を取得でき、サポートされている場合は、ユーザーの代わりにそれらの中でアクションを実行できます。たとえば、ZoomMateはJiraの課題から詳細を取得したり、Confluenceページを検索したり、ServiceNowのレコーディングを更新したり、より広いタスクを実行する一環として別の接続されたシステムを使用したりできます。 この直接接続モデルは、現在のシステム状態やサードパーティツールへのライブアクセスに依存するタスクにとって特に重要です。そのような場合、ZoomMateは接続されたアプリケーションを、単に以前にインデックス化されたコンテンツのリポジトリとしてではなく、アクティブなサービスエンドポイントとして使用できます。 #### ZoomMateは、後で取得できるように、承認済みのサードパーティコンテンツにインデックスを付けることができます 図の2つ目の部分は、ZoomMateがサポート対象のサードパーティソースからコンテンツを取り込み、インデックス化できるため、その素材を後で検索またはAI支援による応答の一部として取得できることを示しています。このインデックス化された取得モデルは、クラウドストレージシステム、ナレッジベース、ドキュメントプラットフォーム、その他のサポート対象ソースなど、接続されたコンテンツリポジトリに最も関連しており、そこではZoomMateが保持されたより大規模な外部コンテンツ全体を検索する必要が生じる場合があります。 サポート対象のソースが接続され、インデックス化が承認されると、ZoomMateはそのソースからコンテンツを取得し、後で検索できるように準備できます。この準備プロセスには、より大きなファイルまたはレコードをより小さな単位に分割し、ソース、更新時刻、所有権、権限情報などのメタデータを付加することが含まれる場合があります。その後、そのコンテンツはZoomのインデックス層に書き込まれ、後で完全一致検索と意味ベースの取得の両方を通じて検索できるようになります。 ユーザーがインデックス化されたサードパーティコンテンツに依存するリクエストを送信すると、ZoomMateはそのインデックス化された資料を検索し、どの結果が最も関連性が高いかを評価し、元のソースに関連付けられた権限情報を適用して、認可されたコンテンツのみが表示対象となるようにできます。次に、最も関連性の高い認可済みコンテンツが、応答のための補足コンテキストとしてZoomMateのAI層に渡されます。このように、この図は、インデックス化されたサードパーティコンテンツが、一般的なモデル知識のみに依存するのではなく、実際に接続されたビジネス資料に基づいた回答をZoomMateが生成するのに役立つことを示しています。 ## カスタムアバター ### アバターの作成

カスタムアバター作成プロセスの概要

上の図は、ユーザーが録画したビデオと音声からカスタムアバターがどのように作成されるかを示しています。このプロセスは、ユーザーにスクリプトが提示され、それを読み上げる自分自身を録画するよう求められることから始まります。このガイド付き録画ステップにより、Zoomは、後のアバターベースの出力で使用されるユーザーのアバターの外見と関連する音声モデルの両方を生成するために必要な音声・映像素材を取得できます。 ユーザーが録画を完了すると、オーディオとビデオの各コンポーネントは異なる経路で処理されます。オーディオは、ユーザーの録音された発話に基づいて音声の類似性を生成するサードパーティサービスに送られます。その処理が完了すると、サードパーティサービスは一意の音声識別子をZoomに返します。Zoomはこの識別子をユーザーの音声参照として保存し、その合成音声に依存するアバターベースのクリップやその他のサポート対象出力を生成する際に後で使用できるようにします。 同時に、ビデオコンポーネントはZoomがホストするアバター生成モジュールに送られ、そこでZoomが録画された映像素材を処理してユーザーのアバター表現を作成します。その結果、Zoomが将来使用するために保存するアバターテンプレートが生成されます。これら2つの保持された出力、つまり保存された音声識別子と保存されたアバターテンプレートを組み合わせることで、Zoomは、ユーザーの外見と合成音声の両方を反映した将来のクリップまたはアバターベースのメディアを生成できるようになります。 ### クリップの作成

カスタムアバタークリップ作成プロセスの概要

上の図は、ユーザーの保存済みアバターと合成音声プロファイルからカスタムアバタークリップがどのように作成されるかを示しています。このプロセスは、ユーザーがアバターに提示させたいスクリプトをアップロードすることから始まります。そのスクリプトは、生成されるクリップの元コンテンツとして機能します。\ \ そこから、Zoomのwebバックエンドが、最終出力を作成するために必要な2つの並行入力を調整します。まず、ユーザーの保存済み音声識別子をスクリプトとともにサードパーティの音声生成サービスに送信し、そのサービスがユーザーの合成音声を使用してクリップ用のオーディオを生成します。次に、ユーザーの保存済みアバターテンプレートをZoomのアバター生成モジュールに送信し、以前に作成されたユーザーのアバターの外見を使用してクリップの映像コンポーネントを準備できるようにします。\ \ サードパーティの音声生成サービスがオーディオを生成すると、そのオーディオはZoomに返され、アバター生成モジュールに渡されます。次に、アバター生成モジュールは、保存されたアバターテンプレートと生成された音声オーディオを組み合わせ、話されたコンテンツに合わせてアバターの顔と口の動きを同期させます。このリップシンクとレンダリングのプロセスが完了すると、Zoomは完成したアバタークリップを生成し、それをユーザーに返します。 ## カスタム辞書

カスタム辞書のデータフロー

上の図は、Custom Dictionary 機能が、ZoomのAutomatic Speech Recognition（ASR）サービスに追加の語彙コンテキストを与えることで、音声ベースのZoom出力の精度向上にどのように役立つかを示しています。この機能は、会社、業界、チーム、または地域に固有であり、そうでなければ文字起こし中に正しく認識または表記されない可能性がある単語、略語、専門用語、製品名、または特殊な用語をサポートするように設計されています。 このプロセスは、アカウント管理者がZoomウェブポータルでカスタム辞書を作成して保存することから始まります。その辞書には、組織がZoomにより正確に認識させたい承認済みの単語またはフレーズの一覧が含まれています。辞書がアカウントレベルで保存されると、サポート対象のミーティングおよび音声処理のコンテキストで使用できるようになります。 その後、ユーザーがミーティングを開始すると、ZoomのAASRサービスは、その処理コンテキストの一部としてアカウントのカスタム辞書を受け取ることができます。ASRサービスがライブオーディオを音声テキストデータに変換する際、認識された話し言葉をカスタム辞書と照合し、認識した音を保存された用語に対応付けようとします。これにより、ASRは、どの単語を探すべきか、特定の用語がどのように綴られる可能性があるか、また略語や専門的な言い回しをどのように解釈すべきかについて追加の指針を得られます。 その結果、初期の音声テキスト出力は、ミーティングで実際に使用された用語をより正確に反映できるようになります。その精度向上は、その会話から派生する後続の成果物にも引き継がれます。たとえば、後でミーティング要約、字幕、文字起こし、またはその他の音声テキストデータベースのアセットが生成される場合、それらの出力はミーティング中に話された言葉をより正確に表現できるため、結果として得られるAI生成成果物の品質と有用性の向上に役立ちます。 ## カスタム ミーティング要約テンプレート

カスタムミーティング要約テンプレートのデータフロー

上の図は、カスタムミーティング要約が、ユーザー定義またはアカウント定義のテンプレートからどのように生成されるかを示しています。このプロセスは、テンプレートがZoomで作成され保存されることから始まります。アカウントレベルでは、管理者が組織で使用するためのカスタムミーティング要約テンプレートを定義できます。個人レベルでは、ユーザーが自分の好みに基づいて個人用のミーティング要約テンプレートを作成できます。作成されると、選択されたテンプレートは保存され、後の要約生成時に適用できるようになります。 ミーティングが終了すると、Zoom AIはミーティングの音声テキストデータを使用して、選択されたカスタムテンプレートの構成と重点に従う要約を生成できます。ミーティング要約が生成される前にカスタムテンプレートが選択されていた場合、Zoom AIは要約を作成する際にそのテンプレートを直接適用します。これにより、結果として得られる出力は、デフォルトの要約構造だけではなく、テンプレートで定義された特定の形式、セクション、または優先事項を反映できるようになります。 要約が最初に生成される前にカスタムテンプレートが選択されていなかった場合、Zoomがそのテンプレートを後から適用できるのは、ミーティングの文字起こしが保持されている場合に限られます。その場合、Zoom AIは保持された文字起こしをテンプレートの設定を使って再処理し、その構成に沿った新しい要約を生成できます。しかし、文字起こしが保持されていなかった場合、Zoomは再処理のために基になる文字起こしを利用できないため、カスタムテンプレートを事後に適用することはできません。 ## パーソナルオーディオ分離

パーソナルオーディオ分離がユーザーの声を分離する仕組みの概要

上の図は、どのように **パーソナルオーディオ分離** は、周囲のバックグラウンドノイズからユーザーの発話を区別するために、ユーザーのデバイスにローカルに保存された音声インプリントを使用して機能します。このプロセスは、ユーザーがZoom Workplace アプリのパーソナルオーディオ分離機能を通じて音声サンプルを録音することから始まります。その録音は、アプリケーションがユーザーの音声特性を認識するのに役立つローカル音声インプリントを作成するために使用されます。この音声インプリントはローカルマシン上に保持され、Zoomクラウドに送信されることはありません。 その後、ユーザーが環境ノイズのある環境でミーティング中に話すと、Zoom Workplace アプリはそのローカルに保存された音声インプリントを使用して、ユーザーの発話パターンの識別と周囲の音からの分離を支援します。これにより、オーディオがミーティングフローを通じてさらに送信される前に、アプリケーションはバックグラウンドノイズの軽減を行い、ユーザーの声をより効果的に分離できます。 その結果、Zoomクラウドに送信されるオーディオは、機能でサポートされる範囲で環境ノイズが除去された、処理済みのミーティングオーディオになります。ユーザーの基になる音声インプリント自体は、Zoomのクラウドインフラストラクチャに送信されません。このように、パーソナルオーディオ分離は、クリーンアップされたオーディオがライブZoomセッションに送信される前にオーディオの明瞭さを向上させる、ローカルなデバイスレベルの処理機能として動作します。 --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://library.zoom.com/technical-library/ja/ai-whitepaper/diagrams.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.