AI LAB / KEYWORD DICTIONARY

基礎知識

Speech Transcription(文字起こし)とは?

文字起こしは、機械学習による音声認識で、録音済みまたは配信中の音声をテキストへ変換する技術・機能です。

仕組みと使いどころ

音声ファイルを処理するバッチ方式と、音声をリアルタイムで処理するストリーミング方式があります。サービスによっては、用途に合わせた言語のカスタマイズ、特定内容のフィルタリング、複数チャンネルの分析、話者ごとの発話の区分にも対応します。ただし、利用できる言語や機能、処理方式、提供地域はサービスごとに異なります。文字起こしは音声から文章を生成する機能であり、要約や評価までを必ず行うものではありません。

Speech Transcriptionの活用例

たとえば、こんな場面で

採用面接の録音を文字起こしし、担当者が候補者の発言を後から検索・確認できる記録として利用する方法があります。必要に応じて、別の要約機能と組み合わせることも考えられます。

使うときのポイント

導入前に、対象言語、バッチとストリーミングの対応状況、利用地域、処理上限を確認します。追加機能には別料金が設定される場合があります。

参考資料

What is Amazon Transcribe? - Amazon Transcribe (新しいタブで開きます)Cloud Speech-to-Text documentation  |  Google Cloud Documentation (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

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。

記事一覧を見る