01 / UNDERSTAND
仕組みと使いどころ
長い音声は、モデルが扱える系列長や利用可能なメモリの制約により、そのまま処理できない場合があります。音声分割では、元の音声を数秒単位などの短い区間に分けて推論し、結果をつなぎ合わせます。ただし、単純に切ると境界付近で必要な文脈が失われ、認識品質が低下することがあります。Wav2Vec2などのCTC方式では、区間を一部重複させて処理し、文脈の少ない両端の推論結果を除いて中央部分を連結する方法が利用できます。これにより長時間音声や逐次入力を処理できますが、音声全体を一度に推論した結果と完全に同一になるわけではありません。また、ライブ推論では単純なファイル分割より推論回数が増えます。
02 / IN PRACTICE
Audio Chunkingの活用例
たとえば、こんな場面で
長時間の会議音声を文字起こしする際、音声を短い区間に分け、前後を少し重複させて認識する方法が考えられます。各区間の端の結果を除いて中央部分をつなぐことで、境界付近の文脈不足による誤認識を抑えながら処理できます。
03 / GOOD TO KNOW
使うときのポイント
区間の長さだけでなく、前後の重複幅も確認します。単純な等間隔分割や無音位置での分割が常に安定するとは限らないため、対象音声で境界付近の認識結果を比較してください。
参考資料
Making automatic speech recognition work on large files with Wav2Vec2 in 🤗 Transformers （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。