本研究では、音声認識モデルを用いて台本のないテレビ番組の音声データから台本を自動生成する手法を提案する。出演者のアドリブによる発話が中心となるテレビ番組では、発言内容を完全にテキスト化した台本が存在しないケースが多い。このような番組データを利用する際には、内容を把握するために全編を視聴する必要があり、編集者の負担増大や検索性・再利用性の低さが課題となっている。本研究では、これらの課題を解決するため、音声データからの自動台本生成を試みるとともに、実際の番組データを用いてその性能を検証・評価する。