01 / UNDERSTAND
仕組みと使いどころ
ASRは、録音やマイクから得た音声を解析し、発話内容を文字列として出力します。会話AIでは一般に最初の段階を担い、その出力を自然言語処理で解釈し、応答生成や音声合成へ渡します。そのため、ASRによる文字起こしと、発話の意味理解や回答生成は別の処理です。また、発話内容を文字にする音声認識は、話者が誰かを識別する声の認識とも区別されます。文字起こし、音声入力、音声操作、通話内容の分析などに利用できますが、認識精度は発音、アクセント、声の高さや大きさ、背景雑音などの影響を受けます。
02 / IN PRACTICE
Automatic Speech Recognitionの活用例
たとえば、こんな場面で
会議やインタビューの録音を文字起こしする、話した内容からメールの下書きを作る、音声アシスタントへの指示をテキスト化して後続処理へ渡す、といった活用が考えられます。
03 / GOOD TO KNOW
使うときのポイント
導入時は、対象言語や専門用語への対応に加え、実際の利用環境に近い雑音、話し方、アクセントで認識結果を確認します。話者の識別や意味理解が必要な場合は、それらが別機能として提供されるかも確認してください。
参考資料
What is Speech to Text? （新しいタブで開きます）What Is Speech Recognition? | IBM （新しいタブで開きます）What Is Speech Recognition? - Speech to Text AI/ML Explained - AWS （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。