> 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/ai-whitepaper/diagrams.md). # 図とデータフロー 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、そのため単一の図でZoomプラットフォーム全体におけるAIの動作を妥当に、あるいは完全に表現す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の間にライブで一時的なデータのみを扱うものもあれば、後で追加機能を支える保持済みアーティファクトを作成するものもあります。機能の一部はZoomのファーストパーティ環境内だけで完結しますが、他のものはZoomのフェデレーテッドAIアーキテクチャ、場合によっては接続された外部システムに依存します。このような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、複数の図を示しています。それぞれの図は、より広範な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下部には、どの機能が該当するか、その関連製品、およびアーティファクトの保持状況を示す表があります。続くセクションでは、いくつかの個別の製品機能をそれぞれ取り上げ、そうした特定の機能がどのように動作するのかをより焦点を絞って説明します。 以下では、Zoom AIの最も基本的な形から始める簡略化された概要を示します。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も、ZoomのサードパーティAIモデルプロバイダー以外の第三者ビジネス統合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。そこから図は、ZoomのAIアプローチの選択肢、ライブオーディオをAIで利用可能なアーティファクトへ変換する流れ、そしてそのアーティファクトが後で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、より専門的な部分を段階的に示していきます。これらの図は総じて、ZoomのAIプラットフォームのさまざまな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

上の図では、Zoom Webバックエンドと呼ばれるZoomのAIプラットフォームを簡略化した形で示し、その最も基盤的な状態の1つを表しています。ミーティング、Phone、コンタクトセンター、自動音声認識、その他のZoom提供機能といった領域を含む、Zoomのより広範な製品・サービスアーキテクチャのさまざまな部分が、より大きなZoomプラットフォームに取り込まれ、下流のAI機能を支えうるユーザーがアクセス可能なコンテンツ群に寄与する仕組みを示しています。 この図の中心概念は **Zoomの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ことで生成され、後にAI搭載エクスペリエンスの入力、コンテキスト、またはアーティファクトとして機能しうるコンテンツを指します。製品や機能によっては、Zoomチャットのメッセージ、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これに含まれます。これらの素材は、後続の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、インデックス化された検索や検索拡張生成モジュールなどの検索基盤を通じて、将来のAI利用に向けて準備されることもあります。そのような場合、関連するアーティファクトは取り込みおよびインデックス化され、後続のAIクエリや処理でより効率的に見つけて利用できるようになります。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以前のユーザー生成素材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有AIレイヤーとして、Zoom AI自体を示しています。この簡略化されたビューでは、Zoomの標準的なフェデレーテッドアプローチを通じてZoom AIが示されており、Zoomは、タスクに応じて適切であれば自社インフラ上で稼働するZoomホストAIモデルと、選定されたサードパーティ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タスクを最適な利用可能モデル環境へ振り分けることができます。 ## Zoom AIのサービスモデルアプローチ

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、すなわちフェデレーテッドアプローチ、Zoom-Hosted Models Plus (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がお客様にAIサービスを提供する3つの主要な方法を表しており、それぞれ機能範囲、モデルの柔軟性、データ制御のバランスが異なります。 フェデレーテッドアプローチは、Zoomの標準であり、最も機能が充実したアプローチです。Zoomホストモデルと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るため、タスクを要求に最も適したモデルへルーティングできます。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) のみに限定し、最も制限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、以下の図は概して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機能の最も広い見方を反映しているためです。ZM+またはZMOを使用している組織は、サードパーティ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、これら同じ図を解釈できることがよくあります。 詳細は、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

ライブメディアが音声テキスト化データに変換され、それがZoom AI機能を支える仕組みの概要

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。どの場合でも、ライブオーディオは、その製品またはサービスに関連付けられた接続点を通じてZoomに入ります。ミーティングの場合、これは通常、 **Multimedia Router (MMR)**です。テレフォニーでは、オーディオは通常、 **SIPゾーン**. オーディオが取り込まれると、Zoomの **自動音声認識 (ASR)** サービスにルーティングされ、ライブオーディオを **音声テキスト化データ**に変換します。その音声テキスト化データは、有効になっている設定や機能に応じて複数の方法で利用できます。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。サポートされている文脈では、Zoomの **ライブ翻訳** サービスに渡され、他の言語の参加者向けに音声テキスト化出力を翻訳版字幕へ変換することもあります。 音声テキスト化データは、より永続的または派生的な機能も支えられます。もし **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、対話中に使用された音声テキスト化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、そうした場合でも、Zoom AIはセッション中にその音声テキスト化データを一時的に使用して、ライブAI機能を支援することがあります。 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を通じて行うことができます。その場合、Zoom AIはミーティングのライブ音声テキスト化データを使用して、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化データが使用されたからといって、Zoom AIが必ず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になっていない限り、または次のような機能を通じてデータが保持されていない限り、 **My Notes**音声テキスト化データ自体は一時的なままの場合があります。同時に、そのデータから生成された一部の下流アーティファクトは残ることがあります。たとえば、ユーザーがミーティング中に質問をした場合、生成されたAI会話や関連メモは、永続的な文字起こしが作成されていなくても、後で保持済み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。 保持済み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得ます。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ることがあり、そこで引き続き編集、拡張、作業用アーティファクトとしての利用が可能です。さらに、それらの結果としてできたドキュメントは、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コンテキストとして後で利用されることがあります。このように、ライブオーディオは、即時のAI機能だけでなく、Zoomプラットフォーム全体で後続のAI支援作業を支え続ける保持済みアーティファクトの連鎖にもつながります。 この図は次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 | | :----------: | :-----------------------------------------------: | :----------: | :--------: | | ライブ字幕 | ライブセッション向けのリアルタイム音声文字起こし字幕。 | ミーティング、ウェビナー | 未保持 | | 翻訳版字幕 | ライブの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の保持済みテキスト記録。 | ミーティング、通話 | 保持済み | | ミーティング要約 | ミーティングの主要な議論内容、決定事項、アクション項目をAIが要約したもの。 | 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、ウェビナーの主要内容をAIが要約したもの。 | ウェビナー | 保持済み | | 通話要約 | 通話後の重要な詳細とアクション項目をAIが要約したもの。 | 電話 | 保持済み | | My Notes | 個人メモ、文字起こし、ミーティングのコンテキストを、後での参照やフォローアップのために保持します。 | 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 | | ボイスメール優先順位付け | ユーザー定義の重要度に基づくボイスメールのAIベースのランキング。 | 電話 | 保持済み | | ミーティングの質問 | ライブのミーティングコンテキストを使用した、ミーティングの質問に対するAIによる回答。 | ミーティング | 保持済み | | ウェビナーの質問 | ライブのウェビナーコンテキストを使用した、ウェビナーの質問に対するAIによる回答。 | ウェビナー | 保持済み | | 通話の質問 | ライブの通話コンテキストを使用した、通話の質問に対するAIによる回答。 | 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がどのようにサポートするかを示しています **録画ベースのAI機能** ライブセッション終了後の完了した録画に対して処理を行うことで機能します。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する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** はミーティング用、または該当する **SIPゾーン** はテレフォニー用です。そのフローの一部として、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、その録画に関連するオーディオは、文字起こしのためにZoomの **自動音声認識 (ASR)** サービスに送信されます。この処理により、 **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た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する文字起こしは、ライブのやり取りレイヤーから単純にコピーされるのではなく、録画後の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、追加分析のために **Zoom AI** 送信できます。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、その他の会話の構造化表現など、より高度な録画アーティファクトを特定します。この分析は、該当する場合はZoomホスト型モデルを含むZoomのAI処理レイヤーを使用して実行され、生の録画文字起こしをより使いやすいミーティング後または通話後の出力に変換します。 この分析が完了すると、生成されたAI作成のアーティファクト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、コンテンツの操作や理解をしやすくする追加のAI生成レイヤーも確認できます。このように、図は完了した録画がAI処理の第2段階の基盤となり、保存された元のメディアを超える充実した録画機能を生み出す仕組みを示しています。 この図は次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 | 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 | | 録画とビデオ向けの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、書面コンテンツと、セッションの重要な瞬間からAIが選定したビデオクリップを生成します。 | Zoom Events | 保持済み | ## 派生AI機能

Zoomが派生AIのコンテンツ生成機能を処理する仕組みの概要

上の図は、次のように示しています **派生AI機能** オンラインのユーザーコンテンツを、後続のAI支援タスクと出力のための文脈として使用することで動作します。こうした場合、Zoom AIはもはやライブのやり取りデータだけを使用しているわけではありません。代わりに、ユーザーのより広いコンテンツ環境にすでに存在するアーティファクトを参照し、質問に答えたり、情報を要約したり、新しい結果の作成を支援したりします。 タスクに応じて、この文脈資料には、チャットメッセージ、ミーティングの要約、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、接続済みのサードパーティのメールまたはカレンダーデータ、あるいは特定のリクエストをサポートするためにユーザーがアップロードしたファイルなどが含まれる場合があります。このように、Zoom AIは、統合された個人レベルのデータがオンラインで利用できる場合はそれも含め、以前に作成されたZoomアーティファクトを使用して、ユーザーが求める結果の達成を支援しています。 この図は、このプロセス自体が **新しいユーザーコンテンツ**を生成できることも示しています。たとえば、Zoom AIは既存の素材を使用して、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いコンテンツリポジトリの一部となり、後で将来のAI支援機能やワークフローの文脈として再利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出力を支え、その出力が時間の経過とともに新しい文脈アーティファクトになるという階層的な流れが生まれます。 この同じパターンは、他のZoomの画面でも見られます。次のような環境では **Zoom ハブ** または **AIチャットパネル**、ユーザーはプラットフォーム全体で質問をしたり、ZoomのAI生産性スイートを通じてオンラインで利用できるドキュメントや資料とやり取りしたりできます。そうした場合、Zoom AIは再び、既存のユーザーがアクセス可能なアーティファクトを基に、検索、要約、質問応答、フォローアップを提供し、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広げることを示しています。 {% hint style="info" %} **注** ローカルのユーザーファイルアップロード [を無効化できます](https://support.zoom.com/hc/en/article?id=zm_kb\&sysparm_article=KB0077150). {% endhint %} この図は次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、AIを使用してドキュメント、プレゼンテーション、スプレッドシート、その他の出力を作成、改善、要約、整理します。 | Canvas、Sheets、Paper、Slides | 保持済み | | AIチャットパネル | 質問の問いかけ、コンテンツ生成、オンラインのZoomコンテキスト全体での作業を支援する会話型AIアシスタンス。 | AIチャットパネル | 保持済み | | 質問する | Zoom ハブで選択されたドキュメントと資料に基づくAI生成の回答。 | ハブ | 保持済み | ## 生成および構成機能

Zoomが生成および構成のAIリクエストを処理する仕組みの概要

上の図は、次のように示しています **生成および構成機能** はZoom AIプラットフォーム内で動作します。派生AI機能が後のタスクや出力の達成に役立つために既存のユーザーコンテンツに依存するのとは異なり、生成および構成機能は、しばしばユーザーの直近の入力によってより直接的に駆動されます。多くの場合、これらの機能は、ユーザーのコンテンツ環境の他の場所にすでに保存されている保持済みZoomアーティファクトに依存しません。代わりに、主に直接のユーザープロンプト、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画面上の直近コンテンツによって支えられています。 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見えているコンテンツから動作する機能に特に重要です。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にメールへの返信案の作成を依頼したりする場合、関連コンテンツは通常、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処理のために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、必ずしもそのコンテンツを別のサーバー側リポジトリから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、または他の可視インターフェースコンテキストにある関連情報がテキスト形式に変換され、Zoom WorkplaceアプリからZoom AIに送信されるため、サービスは自然言語処理、要約、生成を実行できます。 この図には、主にテキストソース素材ではなく直接のユーザー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要求する場合、ユーザーはプロンプトで望む出力を説明し、モデルはその説明に基づいて画像を生成します。一部の製品コンテキスト、たとえばZoom Whiteboard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は独自のホスト型モデルを使用することがあります。たとえば、Zoomのバーチャル背景画像生成は、埋め込みと関連処理を使用して視覚的な出力を生成するZoomホスト型モデルに依存でき、その結果コンテンツはユーザーに返される前にモデレーション制御を通過します。 総合すると、この図は、生成および構成機能が保持済みアーティファクトよりも、直近のユーザー意図、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依存することが多いことを示しています。このように、これらはZoom AIの別の主要な動作モードを表しています。つまり、以前のコンテンツ全体から取得して推論するだけでなく、ユーザーの現在のリクエストと周辺コンテキストから直接新しい出力を生成することでもあります。 この図は次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 | AIを使用して、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し、Zoomセッションで使用します。 | ミーティング、イベント、ウェビナー | 保持済み（保存されている場合） | | 画像生成 | AIを使用して、ホワイトボードの描画や粗いビジュアル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出力へ変換します。 | ホワイトボード | 保持済み（保存されている場合） | | 画像生成 | AIを使用して、イベント用のブランド画像やその他のビジュアルアセットを作成します。たとえば、ヘッダー、セッション画像、エキスポ関連資料などです。 | イベント | 保持済み（保存されている場合） | | コンテンツ生成 | AIを使用して、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します。 | ホワイトボード | 保持済み（保存されている場合） | | コンテンツ生成 | AIを使用して、説明、セッション詳細、登壇者紹介、ロビー告知などの書面イベントコンテンツを生成します。 | イベント | 保持済み（保存されている場合） | | メール作成 | AIを使用して、メール本文、件名、返信を含むメールコンテンツの下書き作成と改善を行います。 | メール | 保持済み（送信されている場合） | | チャット作成 | AIを使用して、ユーザープロンプトとオンラインの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います。 | チャット | 保持済み（送信されている場合） | | メールの要約 | AI を使用して、メールまたはメールスレッドの主要な内容を要約します。 | メール | 未保持 | | メッセージ、スレッド、ドキュメントの要約 | AI を使用して、チャットメッセージ、会話スレッド、サポート対象の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 | 保持済み（保存されている場合） | ## My Notes ### Zoom Meetings のマイノート

Zoom ミーティングにおけるマイノートのデータフローの概要

上の図は、Zoom Meetings 内で、マイノートがユーザーのデバイスに存在する他の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 ミーティング中にマイノートが有効になると、ミーティングのマルチメディアルーター（MMR）セッションを介してルーティングされる共有ミーティングオーディオにアクセスします。その後、このオーディオは Zoom の自動音声認識（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。文字起こし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 ミーティングオーディオに特に基づいています。ミーティング自体の外部にある、関連のない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引き続きオンラインである場合があります。一方、文字起こしに使用された基礎となるオーディオは、処理が完了すると保持されません。 ### Zoom Meetings 外でのマイノート

Zoom ミーティング外におけるマイノートのデータフローの概要

上の図は、Zoom Meetings 外で、マイノートが共有 Zoom ミーティング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介してどのように動作するかを示しています。サードパーティのミーティングまたは対面での話し合い中に有効にした場合、マイノートはオペレーティングシステムレベルでユーザーのマイクにアクセスし、該当する場合はシステムオーディオにもアクセスして、そのデバイスで利用可能なローカルオーディオをキャプチャできます。その後、このオーディオは単一ユーザーの MMR セッションを介してルーティングされ、Zoom の自動音声認識（ASR）サービスによって処理されて文字起こしが生成されます。文字起こし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。 つまり、Zoom Meetings 外では、文字起こしは共有 Zoom ミーティング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るオーディオのみに基づいています。マイノートでは、デバイスのマイク活動が検出されると、新しいノートを開始するようユーザーに促す場合もあります。これにより、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、この機能を見つけやすくなります。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るオーディオは文字起こしの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、適用され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なる場合があります。 ## ZoomMate

ZoomMate のデータフローの概要

上の図は、次のように示しています **ZoomMate は Zoom Workplace 内の主要な作業サーフェスとして機能し**、ユーザーコンテキスト、接続されたナレッジ、実行機能が集約される地点で動作します。ZoomMate は単独のアシスタントとしてのみ存在するのではなく、ユーザーが日常業務を支える資料やシステム全体で検索、推論、作成、実行を行える、より広範な作業環境の中心に位置しています。 この役割の大部分は、ZoomMate が以下にアクセスできることに由来します。 **Zoom のファーストパーティコンテンツ**。これには、要約、マイノート、レコーディング、Canvas ドキュメント、チャットメッセージ、および 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資料などのアーティファクトが含まれます。これらのアーティファクトは、質問への回答、情報の統合、出力の生成、フォローアップのサポートに ZoomMate が必要とするコンテキストを提供するのに役立ちます。ZoomMate は次のものも使用できます。 **メモリ**。これにより、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組み込むことができます。 この図は、ZoomMate が次のものと統合することで、Zoom ネイティブコンテンツの範囲を超えて拡張する方法も示しています。 **サードパーティのナレッジソース**。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のインデックスを作成して、それらの資料全体での取得をサポートできます。これにより、ZoomMate は次のものを使用できます。 **エージェント型検索** を使用して、Zoom コンテンツと接続されたサードパーティのナレッジの両方にわたって作業できます。このようにして、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上でユーザーにアクセスが許可されている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（例： **メールとカレンダー** （エンドツーエンドで暗号化されたメールを除く）も ZoomMate をサポートできますが、動作方法は異なります。これらのソースはインデックス化されるのではなく、一般に API ベースの直接取得を通じて ZoomMate と通信します。そのため、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付き取得レイヤーの一部として扱うことなく、関連するメールコンテキストの特定、カレンダー情報の確認、イベントのスケジュール支援などのタスクに役立ちます。 この図はさらに、ZoomMate がより幅広い次のものと接続できることを示しています。 **サードパーティのサービスおよびコネクタ** 。これらはナレッジへのアクセスだけでなく、アクションの実行もサポートします。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 は次のことを実行できます。 **エージェント型タスク** をユーザーに代わって実行できます。たとえば、レコードの作成または更新、外部サービスからの情報取得、これらのシステム内でのその他の接続されたアクションの実行などです。これにより、ZoomMate は取得および統合のサーフェス以上のものとなり、コンテキストをアクションに変換す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、次の機能の実現にも役立ちます。 **エージェント** および **ワークフロー** を ZoomMate 環境内で実現します。エージェントは、同じ基礎コンテキスト、取得パス、接続システムを使用して、より動的で推論に基づく支援を実行でき、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をもって実行できるよう支援します。対照的に、ワークフローはより構造化され反復可能な自動化を提供でき、ユーザーは Zoom コンテンツ全体および、サポートされる場合は接続された外部システム全体で動作する定期的なプロセスを定義できます。このように、ZoomMate は会話型インターフェースとしてだけでなく、動的なエージェント型活動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ポイントとしても機能します。 **サンドボックス** 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、または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のみに依存するのではなく、別個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、より複雑なタスクのための短期間で分離された実行レイヤーを提供します。これにより、ZoomMate はより制御された環境で特定の操作を実行できます。このように、取得、推論、エージェント、ワークフローをサポートする同じ広範な ZoomMate 基盤は、要求された作業で必要な場合、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礎コンポーネントを示しているわけではありません。スキルなどの基礎的な機能レイヤーや、Zoom AI のより広範なインフラストラクチャおよび設計の一部であるその他の支援構造は明示的に示されていません。これらの要素は、ZoomMate の動作を可能にする基盤 AI システム内で動作するものと想定されています。この図の目的は、ZoomMate が Zoom および接続システム全体にわたる統合された作業サーフェスとして機能する主要なコンテキスト、ナレッジ、アクションのサーフェスを示すことです。 ### ZoomMate のサードパーティ接続とインデックス作成

ZoomMate がサードパーティ接続およびデータソースに接続する方法の概要

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、関連しているものの異なる 2 つの部分を示しています。1 つ目は、ZoomMate がサポート対象のサードパーティアプリケーションおよびサービスに接続し、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方法です。2 つ目は、特定のサポート対象サードパーティコンテンツソースを取り込んでインデックス化し、ZoomMate が後で検索拡張生成を通じてそのコンテンツをより効率的に取得できるようにする方法です。 #### ZoomMate はサードパーティアプリケーションおよび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、サポート対象のサードパーティアプリケーションに接続する方法を示しています。これらの接続により、ZoomMate はビジネスデータを保存するツールや Zoom プラットフォーム外での業務をサポートするツールと連携し、Zoom ネイティブコンテンツの範囲を超えて動作できます。 これらの接続は、API ベースの統合や MCP ベースの接続など、許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 はこれらのシステムから関連情報を取得し、サポートされる場合はユーザーに代わってそれらのシステム内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 のレコードを更新したり、より広範なタスクの実行の一部として別の接続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または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、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だけではなく、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、承認されたサードパーティのコンテンツを後から取得できるようにインデックス化できます 図の2つ目の部分では、ZoomMateが対応するサードパーティのソースからコンテンツを取り込み、インデックス化して、後で検索やAI支援の応答の一部としてその सामग्रीを取得できるようにする仕組みが示されています。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、その他の対応ソースなど、接続されたコンテンツリポジトリに特に関連します。ZoomMateは、保持された外部コンテンツのより大きな集合全体にわたって検索する必要がある場合があります。 対応ソースが接続され、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、大きなファイルやレコーディング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与することが含まれます。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で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の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、許可されたコンテンツだけが表示候補になれるようにします。最も関連性の高い許可済みコンテンツは、その後、応答のための補助コンテキストとしてZoomMateのAI層に渡されます。このように図は、インデックス化されたサードパーティのコンテンツが、一般的なモデル知識のみに依存するのではなく、実際の接続されたビジネス資料に基づいた回答をZoomMateが生成するのにどのように役立つかを示しています。 ## カスタムアバター ### アバター作成

カスタムアバター作成プロセスの概要

上の図は、ユーザーのレコーディングされ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。プロセスは、ユーザーにスクリプトが提示され、それを読み上げるレコーディングを行うよう促されるところから始まります。このガイド付きレコーディング手順により、Zoom は、ユーザーのアバターの外見と、後のアバターベース出力で使用される関連音声モデルの両方を生成するために必要な映像・音声素材の取得を許可されます。 ユーザーがレコーディングを完了すると、オーディオとビデオのコンポーネントは別々の経路で処理されます。オーディオは、ユーザーのレコーディングされた発話に基づいて音声の外見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、後でその合成音声に依存するアバターベースのクリップや、その他の対応出力を生成する際に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ホストのアバター生成モジュールに送られ、そこでZoomはレコーディング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が将来の使用のために保存するアババーテンプレートが作成されます。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やアバターベースのメディアを生成できます。 ### クリップ作成

カスタムアバターのクリップ作成プロセスの概要

上の図は、ユーザーが保存した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のクリップがどのように作成されるかを示しています。プロセスは、ユーザーがアバターに提示してほしいスクリプトをアップロードすると始まります。そのスクリプトが、生成されるクリップのソースコンテンツになります。\ \ そこから、ZoomのWebバックエンドが最終出力の作成に必要な2つの並列入力を調整します。まず、ユーザーの保存済み音声識別子とスクリプトをサードパーティの音声生成サービスに送信し、ユーザーの合成音声を使ってクリップ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バーテンプレートをZoomのアバター生成モジュールに送信し、ユーザーが以前作成したアバターの外見を使ってクリップのビジュアル要素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に戻され、アバター生成モジュールに渡されます。アバター生成モジュールは、保存済みアババ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、アバターの顔と口の動きを話される内容に同期させます。このリップシンクとレンダリングの処理が完了すると、Zoomは完成したアバタークリップを生成し、ユーザーに配信します。 ## カスタム辞書

カスタム辞書のデータフロー

上の図は、カスタム辞書機能がZoomの自動音声認識（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、地域などに固有で、文字起こしの際に認識されなかったり正しく表示されなかったりする可能性のある単語、略語、専門用語、製品名、または特殊な専門用語をサポートするように設計されています。 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ところから始まります。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やフレーズの一覧が含まれます。辞書がアカウントレベルで保存されると、対応する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サービスがライブのオーディオを文字起こし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、認識された音を保存済みの用語に対応付けようとします。これにより、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、略語や専門的な言語をどう解釈すべきかについて、ASRに追加の指針が与えられます。 その結果、最初の音声から文字への出力は、ミーティングで実際に使われた用語をより正確に反映できます。その精度向上は、その後、会話から派生する下流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、キャプション、文字起こし、またはその他の音声から文字へのデータに基づく成果物が生成される場合、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、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、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カスタムミーティング要約がどのように生成されるかを示しています。プロセスは、テンプレートがZoomで作成・保存されると始まります。アカウントレベルでは、アカウント管理者が組織向け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。作成後、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はそのミーティングの音声から文字起こしデータを使用して、選択されたカスタムテンプレートの構造と強調点に沿った要約を生成できます。カスタムテンプレートがミーティング要約が生成される前に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、または優先順位を反映できます。 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た場合に限られます。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で再処理し、その構造に沿った新しい要約を生成できます。ただし、文字起こしが保持されていない場合、Zoomには再処理に必要な元の文字起こしがないため、後からカスタムテンプレートを適用することはできません。 ## パーソナルオーディオアイソレーション

パーソナルオーディオアイソレーションがユーザーの声を分離する方法の概要

上の図は、次のように示しています **パーソナルオーディオアイソレーション** ユーザーのデバイスにローカル保存された音声インプリントを使用して、ユーザーの発話を周囲のバックグラウンドノイズから区別します。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アイソレーション機能で音声サンプルをレコーディングするところから始まります。そのレコーディングは、アプリケーションがユーザーの声の特性を認識するのに役立つローカル音声インプリントの作成に使用されます。この音声インプリントはローカルマシン上に残り、Zoomクラウドには送信されません。 その後、ユーザーがバックグラウンドノイズのある環境でミーティング中に話すと、Zoom Workplaceアプリはローカルに保存されたその音声インプリントを使用して、ユーザーの発話パターンを識別し、周囲の音と分離するのに役立てます。これにより、アプリケーションはオーディオがミーティングの流れを通じて送信される前に、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、この機能でサポートされる範囲で周囲のノイズが除去された、洗練されたミーティングオーディオになります。ユーザーの基盤と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は送信されません。このように、パーソナルオーディオアイソレーションはローカルのデバイスレベル処理機能として動作し、クリーンなオーディオがライブのZoomセッションに送信される前に音声の明瞭さを向上させます。 --- # 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/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.