01 / UNDERSTAND
仕組みと使いどころ
音声認識モデルが文字列を選ぶ際、指定した単語や語句に正のバイアスを与えて、認識候補として選ばれる可能性を高めます。名称、珍しい用語、分野固有の語彙などの認識改善に利用でき、モデルを再学習せず適用できる方式もあります。ただし、指定語が必ず正しく認識されるわけではなく、強く偏らせるほど実際には発話されていない語を選びやすくなる可能性があります。対応するモデル、指定方法、スコアの範囲、未知語への対応、処理速度への影響は方式ごとに異なります。
02 / IN PRACTICE
Keyword Biasingの活用例
たとえば、こんな場面で
製品名や人名、医療・法律などの専門用語が登場する音声を文字起こしする際、出現が見込まれる語を事前に指定し、その語を認識候補として優先させる使い方が考えられます。
03 / GOOD TO KNOW
使うときのポイント
対象音声に実際に現れる可能性が高い語を選び、バイアスの強さを調整してください。利用するモデルの対応状況を確認し、自分の音声データで誤認識や処理速度への影響を評価することが重要です。
参考資料
Customizing ASR Models — NVIDIA Speech NIM Microservices （新しいタブで開きます）ASR Language Modeling and Customization — NVIDIA NeMo Framework User Guide （新しいタブで開きます）Amazon Transcribe - AWS AI Service Cards （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。