> 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 Workplace、ウェビナー、イベント向けのZoom AI図とデータフロー ZoomのAI機能は、製品、サービス、ワークフロー全体にわたる非常に幅広い範囲をカバーしているため、1つの図だけでZoomプラットフォーム全体におけるAIの動作を合理的かつ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、保存動作、モデル間のやり取り、出力が異なります。あるものはアクティブなやり取り中のライブで一時的なデータのみを扱い、別のものは後から追加機能を支えられる保持済み成果物を作成します。ある機能はZoomの自社環境内だけで完結しますが、別の機能は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します。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ビジュアルモデルに頼るのではなく、一連の図を提示します。各図は、より広いZoom AIプラットフォーム内の異なるレイヤー、経路、または機能パターンを強調します。これらのセクションの末尾には、どの機能が該当するか、関連する製品、成果物の保持ステータスを示す表があります。後半のセクションでは、特定の個別の製品機能をそれぞれ取り上げ、それらの能力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。 流れは以下の、Zoom AIの最も基本的な形を示す簡略化された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う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が、ZoomのサードパーティAIモデルプロバイダーを除く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ません。そこから図は、ZoomのAIアプローチオプション、ライブオーディオをAIで利用可能な成果物へ変換する仕組み、そしてそれらの成果物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、プラットフォームのより専門的な部分を徐々に導入します。これらの図はまとめると、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動作するかを反映した、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より理解しやすくすることを意図しています。 ## **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、その最も基礎的な状態の1つにおけるプラットフォームを表しています。Meetings、Phone、コンタクトセンター、自動音声認識、その他のZoom製品を含む、Zoom Webバックエンドとして知られるZoomのより広い製品・サービスアーキテクチャのさまざまな部分が、どのように大きなZoomプラットフォームに取り込まれ、下流のAI機能を支えられるユーザーアクセス可能なコンテンツ群に寄与するかを示しています。 この図における中心的な概念は **Zoomユーザーコンテンツ**です。これは、ユーザーがZoom製品やサービスとやり取りすることで生成され、後にAI搭載の体験における入力、コンテキスト、または成果物として利用される可能性のあるコンテンツを指します。製品や機能に応じて、Zoom Chatメッセージ、ミーティング要約、文字起こし、Zoom Canvasドキュメント、My Notes、録画、その他同様のユーザー向け成果物が含まれます。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重要なコンテキスト層を形成します。 このコンテンツの一部は、インデックス付き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こともあります。そのような場合、関連する成果物を取り込み、インデックス化することで、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過去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 **Zoom AI** このより広い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示されており、その場のタスクに適している場合には、Zoom独自のインフラストラクチャ内で実行されるZoomホストモデルと、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AIタスクを最適な利用可能モデル環境へルーティングしつつ、プラットフォーム全体で統一されたAI体験を維持できます。 ## Zoom AIのサービスモデルアプローチ

フェデレーテッド、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ホストモデルプラス（ZM+）、およびZoomホストAIモデル完結型 (ZMO)を示しています。これらは合わせて、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、それぞれが機能の幅、モデルの柔軟性、データ管理性の異なるバランスを提供します。 フェデレーテッドアプローチは、Zoomの標準的で最も機能が充実したアプローチです。Zoomホスト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るため、リクエストに最も適したモデルへタスクを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、より統制されたデプロイメントモデルを提供します。一方、ZMOはAI処理をZoomホストモデルのみに限定し、最も制約が強く統制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、以下の図は一般的に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+やZMOを使用している組織は、第三者の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、利用に関するページをご覧ください。 ## ライブメディア機能と成果物

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へどのように変換されるかの概要

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どのように下流のAI搭載機能や成果物を生み出すかを示しています。各ケースでは、ライブオーディオが、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に入ります。ミーティングの場合、一般的には **マルチメディアルーター（MMR）**です。テレフォニーの場合、オーディオは通常 **SIPゾーン**. を通じて入力されます。 **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 **音声テキスト変換データ**に変換します。そ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、 **ライブ字幕**としてユーザーに即時配信されます。対応するコンテキストでは、Zoomの **ライブ翻訳** サービスに渡され、音声テキスト変換結果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えられます。 **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自体は永続的な文字起こしとして保持されません。それでも、その場合でも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機能を支えることができます。 たとえば、ユーザーが **ミーティング内質問** をZoom AIに対してミーティング中に行うことがあります。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、音声テキスト変換データがセッション中に使用されたからといって、Zoom AIが会話の文字起こしを必ず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る場合、またはデータが **My Notes**、音声テキスト変換データ自体は一時的なまま残ることがあります。同時に、そのデータから生成された一部の下流成果物は永続化される場合があります。たとえば、ユーザーがミーティング中に質問すると、その結果として生じるAI会話や関連ノートは、永続的な文字起こしが作成されない場合でも、後から保持済み成果物として利用可能であることがあります。 保持済み成果物の一部は、追加の下流成果物やワークフローの基盤にもなりえます。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・作業用成果物としての利用を継続できます。さらに、そうして作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する他のAI機能やワークフローのコンテキストとして後に使用される場合があります。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、保持された成果物の連鎖も生み出し、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ます。 **Zoom Canvas** ドキュメント この図が該当する機能は以下のとおりです。 | 機能 | 説明 | 製品 | 成果物の保持 | | :-----------: | :--------------------------------------------------: | :----------: | :----: | | ライブ字幕 | ライブセッションのリアルタイム音声テキスト変換字幕。 | 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コンテンツの保持されたテキスト記録。 | ミーティング、電話 | 保持済み | | ミーティング要約 | ミーティングの重要な議論の要点、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ウェビナーの重要コンテンツを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、およびミーティングのコンテキストを、後で参照しフォローアップするために保持します。 | 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によるランク付け。 | 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文脈を使った、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文脈を使った、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 | ライブの通話文脈を使った、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実現されます。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取り込まれます。たとえば、 **MMR** ミーティング用、または該当する **SIPゾーン** テレフォニー用です。このフローの一環として、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付けられる文字起こしは、ライブインタラクション層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、次に **Zoom AI** 追加分析用です。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、より高次の録画成果物を識別します。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実行され、元の録画文字起こしを、ミーティング後や通話後により使い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成果物は録画そのもの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、完了した録画が第2段階のAI処理の基盤となり、元の保存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。 この図が該当する機能は以下のとおりです。 | 機能 | 説明 | 製品 | 成果物の保持 | | :-----------------: | :---------------------------------------------------------------: | :---------: | :----: | | 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がキュレーション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コンテンツ生成機能を処理する方法の概要

上記の図は、次の方法を示しています **派生AI機能** 後続のAI支援タスクおよび出力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。このような場合、Zoom AIはライブインタラクションデータのみを処理するのではありません。代わりに、質問への回答、情報の統合、または新しい結果の作成支援を目的として、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成果物を活用します。 タスクに応じて、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、あるい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成果物が含まれる場合があります。このようにして、Zoom AIは、以前に作成されたZoomの成果物と、利用可能な場合は統合された個人レベルのデータを使用し、ユーザーが求める目的の達成を支援します。 図はまた、このプロセス自体が次を生成できることも示しています **新しいユーザーコンテンツ**。例えば、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できます。作成されると、これらの新しい成果物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場合があります。これにより、以前のユーザーコンテンツが後の出力を支援し、その出力が時間の経過とともに新しいコンテキスト成果物になるという、階層的な進展が生まれます。 この同じパターンは、他のZoomの画面にも見られる場合があります。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で質問したり、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がアクセス可能な成果物を基にして、検索、統合、質問応答、または後続作業を提供し、派生AI機能が以前のコンテンツの価値を新しいタスクと成果に拡張する方法を示します。 {% hint style="info" %} **注** 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 %} この図が該当する機能は以下のとおりです。 | 機能 | 説明 | 製品 | 成果物の保持 | | :---------: | :---------------------------------------------------------------------------: | :------------------------: | :----: | | コンテンツ生成 | コンテンツ生成では、AIを使用して、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、コンテンツ生成、および利用可能なZoomコンテキスト全体での作業のための会話型AI支援。 | AI チャット パネル | 保持済み | | 質問する | Zoom ハブで選択したドキュメントおよび資料に基づく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リクエストを処理する方法の概要

上記の図は、次の方法を示しています **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。後続のタスクや出力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、ユーザーの直接的な入力によってより直接的に動作することがよくあります。多くの場合、これらの機能は、ユーザーのコンテンツ環境内の別の場所にすでに保存されているZoomの成果物に依存しません。代わりに、主に直接的な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即時コンテンツによって動作します。 この区別は、以前にインデックス化または保持された成果物ではなく、ユーザーの現在のコンテキストに表示されているコンテンツを処理する機能にとって特に重要です。例えば、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処理用のリクエストペイロードにパッケージ化されます。言い換えると、Zoomはタスクを実行するために、そのコンテンツを必ずしも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、またはその他の表示されているインターフェイスコンテキストからの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、または生成を実行できます。 図には、テキストのソース資料ではなく、主に直接的な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。例えば、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。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。他のコンテキストでは、Zoomが独自にホストするモデルを使用することがあります。例えば、Zoomのバーチャル背景画像生成では、埋め込みおよび関連する処理を使用して視覚的な出力を生成するZoomホストモデルに依存することができ、生成された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、保持された成果物よりも、ユーザーの即時の意図、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足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のもう一つの主要な動作モードを表しています。つまり、以前のコンテンツ全体を検索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囲のコンテキストから直接新しい出力を生成します。 この図が該当する機能は以下のとおりです。 | 機能 | 説明 | 製品 | 成果物の保持 | | :------------------: | :---------------------------------------------------------------------------: | :---------------: | :---------: | | 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AIで作成します。 | ミーティング、イベント、ウェビナー | 保持（保存された場合） | | 画像生成 | AIを使用して、ホワイトボードの図面またはラフな視覚的成果物を、より洗練された、レンダリング済み、または様式化された視覚的出力に変換します。 | ホワイトボード | 保持（保存された場合） | | 画像生成 | AIを使用して、ヘッダー、セッション画像、展示会関連資料など、イベント用のブランド化された画像やその他の視覚的アセットを作成します。 | イベント | 保持（保存された場合） | | 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（保存された場合） | | コンテンツ生成 | AIを使用して、説明、セッションの詳細、登壇者の略歴、ロビーのお知らせなど、文章によるイベントコンテンツを生成します。 | イベント | 保持（保存された場合） | | メール作成 | AIを使用して、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を行います。 | メール | 保持（送信された場合） | | チャット作成 | AIを使用して、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き、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（送信された場合） | | メール要約 | 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、スピーカー、カスタム質問を自動的に作成します。 | Zoom Events | 保持（保存された場合） | ## My Notes ### Zoom Meetings 内の My Notes

Zoom ミーティングにおける 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オーディオに頼るのではなく、ミーティングの既存のオーディオ経路をどのように使用するかを示しています。My Notes が Zoom ミーティング中に有効になると、ミーティングの Multi-Media Router (MMR) セッションを通じて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。生成された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メモ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、結果として得ら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となるオーディオは、処理完了後に保持されません。 ### Zoom Meetings 以外の私のメモ

Zoom Meetings 外での My Notes データフローの概要

上の図は、Zoom Meetings の外部では、My Notes が共有の 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なデバイスオーディオを通じ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や対面での議論中に有効にした場合、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用してユーザーのマイク、および必要に応じてシステムオーディオにアクセスし、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。このオーディオはその後、単一ユーザーの MMR セッションを通し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て文字起こしが生成され、ユーザーのデバイスに配信されます。さらに後で、ミーティング後のメモ生成をサポートできます。 これは、Zoom Meetings の外では、文字起こしは共有された Zoom ミーティングの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ることを意味します。My Notes は、デバイスのマイクのアクティビティが検出されたときにユーザーに新しいノートの開始を促す場合もあり、これにより、サードパーティのミーティング、ブラウザ ベースの録音、または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面化しやすくなります。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

上記の図は、次の方法を示しています **ZoomMateはZoom Workplace内の主要な作業領域として機能します**、ユーザーのコンテキスト、接続された知識、そして実行能力が交わる地点で機能しています。単独のアシスタントとして存在するだけではなく、ZoomMateはより広範な作業環境の中心に位置し、その中でユーザーは日々の仕事をサポートする資料やシステム全体を横断して、検索し、推論し、作成し、行動することができます。 このロールの大部分は、ZoomMateのアクセスへの **ファーストパーティのZoomコンテンツ**。これには、要約、My Notes、録画、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 सामग्रीのような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、ZoomMateが質問に答え、情報を要約し、出力を生成し、フォローアップを支援するために必要な文脈を提供します。ZoomMateはまた、 **記憶**、タスクの完了を支援する際に、関連するユーザーの好みや業務関連の詳細を取り入れられるようにします。 この図はまた、ZoomMateがZoomネイティブの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されるかも示しています。たとえば、Google DriveやOneDriveのような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できる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は承認されたコンテンツをインデックス化して、それらの資料全体での検索取得を支援し、ZoomMateがそれを使用できるようにします **エージェント検索** 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にまたがって機能するために。こうしてZoomMateは、Zoom内に存在するものだけでなく、接続された外部プラットフォーム上でユーザーがアクセスを許可された文書や資料全体も検索できます。 次のようなその他の個人データソース **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）は、ZoomMateもサポートできますが、動作は異なります。インデックス化されるのではなく、これらのソースは通常、直接のAPIベース取得を通じてZoomMateと通信します。これにより、関連するメールの文脈を見つけること、カレンダー情報を確認すること、イベントのスケジュールを支援することなどのタスクに役立ちますが、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された取得レイヤーの一部として扱うことはありません。 図はさらに、ZoomMateがより広範な **サードパーティのサービスおよびコネクタ** アクションの実行と知識へのアクセスの両方をサポートするものです。これらには、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 **エージェント的タスク** ユーザーの代わりに、レコードの作成や更新、外部サービスからの情報取得、あるいはそれらのシステム内でのその他の連携アクションを実行できます。これにより、ZoomMateは単なる取得と要約の表層以上のものとなり、コンテキストをアクションへ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、 **エージェント** および **ワークフロー** ZoomMate環境内では。エージェントは、同じ基盤となるコンテキスト、検索パス、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行うことができ、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実行できるよう支援します。これに対して、ワークフローは、より構造化され、再現性の高い自動化を提供でき、ユーザーがZoomコンテンツ全体および、対応し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できるようにします。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的アクティビティと、より構造化された自動化の両方を統括するオーケストレーションの起点としても機能します。 **サンドボックス** 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、その他より高度な処理を必要とするタスクでは、ZoomMateは標準の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インフラ上で稼働し、短期間のみ存在する分離された実行レイヤーを提供して、より複雑なタスクに対するZoomMateの特定の操作をより制御された環境で実行できるよう支援します。このように、検索、推論、エージェント、ワークフローを支えるより広範なZoomMate基盤は、要求された作業でそれが必要な場合、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盤コンポーネントを表示しているわけではありません。skills などの基盤機能レイヤーや、Zoom AIのより広範なインフラおよび設計の一部であるその他の支援構造を明示的に表示していません。それらの要素は、ZoomMateの動作を可能にする基盤AIシステム内で動作していると想定されています。この図の目的は、Zoomおよび接続されたシステム全体で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、アクション面を示すことです。 ### ZoomMateのサードパーティ接続とインデックス化

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が対応す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操作したりできるかです。2つ目は、対応する特定のサードパーティコンテンツソースを取り込み、インデックス化することで、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仕組みです。 #### ZoomMateはサードパーティの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の対応するサードパーティのアプリケーション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プラットフォームの外部での業務作業を支援するツールと連携することで、Zoomネイティブのコンテンツ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は接続先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、対応している場合は、ユーザーの代わりにそれらのシステム内で操作を実行できます。例えば、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、より広範なタスクを実行する一環として別の接続済み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特に重要です。そのような場合、ZoomMateは、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なく、アクティブなサービスエンドポイントとして接続されたアプリケーションを使用できます。 #### ZoomMateは、承認されたサードパーティのコンテンツにインデックスを付け、後で取得できるようにします 図の第2部では、ZoomMateがサポートされているサードパーティソースからコンテンツを取り込み、インデックスを付けることで、後に検索またはAI支援による応答の一部として資料を取得できる仕組みを示しています。このインデックス付き取得モデルは、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、その他のサポートされているソースなど、保持された大量の外部コンテンツ全体をZoomMateが検索する必要がある接続済みコンテンツリポジトリに最も関連します。 サポートされているソースが接続され、インデックス作成を承認されると、ZoomMateはそのソースからコンテンツを取得し、後の検索用に準備できます。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ます。その後、このコンテンツはZoomのインデックスレイヤーに書き込まれ、完全一致と意味に基づく取得の両方で後から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、許可されたコンテンツのみが表示対象となるようにします。最も関連性の高い許可済みコンテンツは、応答の補足コンテキストとしてZoomMateのAIレイヤーに渡されます。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だけ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く回答を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、ユーザーがレコーディングしたビデオと音声からカスタムアバターが作成される仕組みを示しています。プロセスは、ユーザーにスクリプトが提示され、それを読み上げる自分自身をレコーディングするよう求められることから始まります。このガイド付きレコーディング手順により、Zoomは、ユーザーのアバターの容姿と、後のアバターベースの出力で使用される関連の音声モデルの両方を生成するために必要な視聴覚資料を取得できます。 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。オーディオはサードパーティサービスに送信され、ユーザーがレコーディングした音声に基づいて音声の容姿を生成します。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されている出力を後で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がホストするアバター生成モジュールに送信され、そこでZoomはレコーディングされた視覚資料を処理してユーザーのアバター表現を作成します。これにより、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つの保持される出力、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、ユーザーの容姿と合成音声の両方を反映する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ます。 ### クリップの作成

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クリップが作成される仕組みを示しています。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ソースコンテンツとして機能します。\ \ その後、Zoomのウェブバックエンドは、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、ユーザーが保存した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へ送信し、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のオーディオを生成します。次に、ユーザーが保存した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容姿を使用してクリップの視覚コンポーネントを準備します。\ \ 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。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、アバターの顔と口の動きを発話コンテンツに同期させます。このリップシンクおよびレンダリング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、ユーザーに提供します。 ## 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提供することで、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、企業、業界、チーム、または地域に固有であり、文字起こし中に正しく認識または表示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リストが含まれます。辞書がアカウントレベルで保存されると、サポートされているミーティングおよび音声処理コンテキストで使用できるようになります。 ユーザーが後で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比較し、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、ASRには、どの単語を探すべきか、特定の用語のつづり、略語や専門用語をどのように解釈すべきかについて、追加のガイダンスが提供されます。 その結果、最初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。この精度向上は、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、ミーティング要約、キャプション、文字起こし、または他の音声テキストデータベースのアセットが後で生成される場合、これらの出力はミーティング中に発話された単語をより正確に表現でき、結果として生成される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生成される仕組みを示しています。プロセスは、テンプレートが作成され、Zoomに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、選択し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造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、結果の出力は、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、ミーティングの文字起こしが保持されている場合にのみ、Zoomは後からそのテンプレートを適用できます。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用して再処理し、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かった場合、Zoomには再処理に使用できる基礎となる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。 ## ライブ音声翻訳

ライブ音声翻訳のデータフローの概要

上記の図は、次の方法を示しています **ライブ音声翻訳** ミーティングのマルチメディアルーター（MMR）を介して話者の母語のオーディオを取り込むことで機能します。そのオーディオはリアルタイムメディアストリーミング（RTMS）を介して翻訳サービスに渡され、そこで元の音声が処理され、対象言語に翻訳されます。次に、サービスは新しい翻訳済み音声オーディオストリームを生成し、それがRTMSを介してMMRに返され、選択した言語でリスニング中の参加者に向けてミーティングに配信されます。 ## 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音声を分離する仕組みの概要

上記の図は、次の方法を示しています **パーソナルオーディオ分離** ユーザーのデバイスにローカルで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することで機能します。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分離機能を通じて音声サンプルをレコーディングすることから始まります。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に残り、Zoomクラウドに送信されることはありません。 ユーザーが後で周囲に雑音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特定し、周囲の音から分離します。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フローを介して送信される前に、バックグラウンドノイズの軽減とユーザーの音声のより効果的な分離を行うことができます。 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周囲の雑音をフィルタリングした、調整済みのミーティングオーディオとなります。ユーザーの基礎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、ローカルのデバイスレベル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 by asking a question. Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters: ``` 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 what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case. 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.