01 / UNDERSTAND
仕組みと使いどころ
音声認識が出力した単語などのタイムスタンプと、基準となる時刻との差を平均して、時間位置の正確さを評価する。値が小さいほどタイムスタンプのずれが少なく、字幕、音声検索、内容確認、映像との同期における位置合わせの評価に使える。ただし、文字起こし内容の正確さや話者割り当ての正確さを単独で示す指標ではない。
02 / IN PRACTICE
AASの活用例
たとえば、こんな場面で
字幕生成モデルを比較する際に、認識誤りの指標と併せて時間位置のずれを評価する。
03 / GOOD TO KNOW
使うときのポイント
値を比較する前に、対象データ、短音声か長音声か、集計範囲などの評価条件を確認する。
参考資料
Granite Speech 5.0: Transcribe, Translate, and Attribute more Accurately and Faster （新しいタブで開きます）In-Sync: Adaptation of Speech Aware Large Language Models for ASR with Word Level Timestamp Predictions （新しいタブで開きます）用語の説明や活用例に関連する参考資料です。
READ & LEARN
記事一覧を見る 用語を知ったら、活用を知る。
AI LABで、AIの動向や業務に取り入れるヒントを読む。