SERVICE
専門用語を含む会話を、使える記録へ。
株主総会やゴルフなど、専門用語を含む会話に合わせてWhisperを調整します。文字起こしと発話区間の対応付けまで扱い、会議・会話の記録や外国語学習アプリの発音練習に活用できます。
RESULTS & EVIDENCE
株主総会やゴルフなどの専門会話から、外国語学習アプリの発音練習まで、用途に合わせて音声認識を組み込んだ例を示します。
専門用語の認識だけでなく、音声と文字の時間位置を対応づけ、記録の確認や学習で使える形まで整えます。
WHAT WE DO
目的に必要な範囲を見極め、現場で使える形へつなぎます。
Whisper調整
業務領域の音声と用語に合わせ、Whisperのファインチューニングを行います。
強制アラインメント
発話と文字の時間位置を対応づけ、再生・学習・確認に使える形にします。
業務接続
認識結果と時刻情報を、記録の確認や日本語学習の機能に組み込みます。
TECHNICAL DESIGN
収録環境と用語の特徴を確認し、Whisperの調整と強制アラインメントを利用目的に合わせて組み合わせます。
長時間音声や会話を扱うため、VADなどで発話区間を分け、文脈を壊さない分割単位を比較します。
株主総会やゴルフなどの領域用語を含む音声と正解文を用い、利用目的に必要な認識結果を評価します。
基準となる文と音声を照合し、発話した文や語の開始・終了時刻を得ます。
文字起こし、時刻情報、評価結果を、検索、再生、外国語学習アプリなどの利用画面へ渡します。
認識精度は音声の特徴と用語で変わるため、実際の利用条件を反映した固定評価データで確認します。
PROCESS
必要な確認と合意を重ねながら、次の工程へ進みます。
収録環境、話者、専門用語、利用目的を整理します。
Whisperの調整と強制アラインメントを試し、誤りや時刻のずれを確認します。
検索、再生、記録確認、発音学習などの利用画面と運用を設計します。
FIT & OPERATIONS
今の課題だけでなく、導入後に誰がどのように使い、改善するかまで確認します。
収録条件や対象用語が変わった時に、認識結果と時間位置を再評価します。
専門用語、数値、話者ごとに誤りを分け、改善対象を確認します。
新しい用語や発話の傾向を評価データと調整候補に反映します。
原音声、文字起こし、評価データの参照範囲と保管期間を決めます。
AI・DXのご相談