技研公開：「ニュース番組なら認識率は99％」、音声認識による字幕製作

３人で３分間に多くて５文字の間違い、という精度で音声認識による字幕制作が可能になったという記事です。
この続きを読むには面倒な登録が必要で、それにまずびっくりしたんですが(^^;
ずいぶんがんばって、実用化が進んでいるんだなと感心しました。

音声認識ソフトそのものの精度をどうこうするのではなくて、準備段階の工夫や現実的な問題と対応していくうちに、ここまでの成果が出せたんだなあという雰囲気です。

次は、どこまで「一般化」できるかなんでしょうね。
アナウンサーのしゃべりなんか、人力で早い人だったら、リアルタイムでも打てたりしませんか。
やっぱり「ききとりにくい話者」の言葉を処理できるようになるのかどうかのほうが、私はずっと興味があります。
逆に言えば、「まだアナウンサーのしゃべりしか無理なのか」という落胆、いや楽天(笑)的な見方もできますね。

どうでもいいんですけどね。
うちの犬は、どうも人語に聞こえる音を発するのです。
「おひゃーひゃん、ごひゃん(おかーさん、ごはん)」とか「ねーひゃん(ねーちゃん)」とか。
要するに犬の鳴き声の範囲内での音声を使って、なんとなく人間の使う単語に聞こえる音にしてるようなんですよ。すごいおもしろいです。
それが、決してフレンドリーな犬ではなくて、撫でることもできない猛犬なので、そういう甘えた声が余計にかわいいんですね～。＜親ばか
・・・そんなこた、ええんですが。
あれを一般の音声認識、アミボイスとドラゴンスピーチとビアボイスに勝負させたいわ～。
・・・でも「エンロールしてください」って言われたらでけへんし、しゃあない、アミボイスに一人勝ち(笑)してもらおうかな。

犬語だし、やっぱり正統派で「バウリンガル」ですかね。
でもねぇ、先代チェリーも「おーはよう」ってしゃべってたんですけどねぇ。
犬ってしゃべりませんか？