クラウドの音声認識APIで、ライターにとって実用的な「文字起こしサービス」は作れるのか？

文章を書く仕事をしている多くのライターが苦手にしている作業のひとつに、かつて「テープ起こし」と呼ばれ、いまは「文字起こし」と呼ばれるものがあります。 これは取材やインタビューを行う際に録音したものを聞き返して、逐一正確に文字にしていく作業なのですが、とにかく単調で集中力が必要です。僕はこの作業が苦手ですぐ集中力が切れてしまうので、たとえば60分のインタビューの文字起こしをしようとすると、だいたいその3倍以上の時間がかかることを覚悟しなければなりません。 ある日、たまたま後輩と一緒にインタビューの仕事をしているときに、後輩が僕にこう言いました「新野さん、もし文字起こしを自動でやってくれるソフトがあったら僕は100万円出してもいいですよ」と。 まったく同感でした。この先ずっと、必要な時にいつでも機械がその場で自動的に文字起こしをしてくれるのなら、100万円ぐらい払ってもいい（僕もたまにクラウド

[tengo1985]

Microsoft researchは英語でプロ並みの精度を出してる研究結果報告してるからそのうちうまくいくと思う

[AKIYOSHI]

google docs に読み上げマイク入力してます。頑張ってください。

[rgfx]

うん、人間がやっても入力の品質次第（聞き取りにくい録音はツライ）なので。録音機材の進化にも期待したい。8方向くらいに指向性マイク積んどいて、会話だけ抜き取ったファイルを別に出力できるとか。

[tinsep19]

おもしろ。録音機材というか、SkypeとかHangoutみたいな1人１マイクの状況ならうまくいくんじゃないかなとおもう。そもそも複数人は難しいし、どうせ誰がしゃべったのかのアノテーションはしたいだろうし

[mistake]

音声を前処理したら結果が変わったりしないかな。

[homilog]

もし実用化できるレベルで認識してくれるなら、Google Speech APIの使い方を学ぶの頑張れる気がする。

[entropiajp]

口元10cm以内にマイクを設置して、もう一度試してほしい。認識精度はかなり改善すると思う。

[endo_5501]

人の発話自体がかなりいい加減ってのも大きいよな

[khei-fuji]

気になった記事。/ クラウドの音声認識APIで、ライターにとって実用的な「文字起こしサービス」は作れるのか？ -

[takeshi]

その昔、AmiVoiceとか買ったけどぜんぜん実用的じゃなかったからなあ。早く未来に来てほしい。

[yoshi-nkyma]

“ 文章を書く仕事をしている多くのライターが苦手にしている作業のひとつに、かつて「テープ起こし」と呼ばれ、いまは「文字起こし」と呼ばれるものがあります。 これは取材やインタビューを行う際に録音したものを

[luccafort]

Podcastとかであればノイズ少ないし結構マッチングするんじゃないかなと思うんですよ。 ただ問題は文字起こししたら危険ワードが発言しにくくなるってことかなあ。

[tolip]

日本語は文法めちゃめちゃでも会話として成り立ってしまうから英語と比べると精度を上げてくのは結構大変なんじゃないかなあ

[asakura-t]

会話ってちゃんとした文章になってなくて飛躍があるから認識が難しいと思ってるんで、そのあたりがどうなのかは気になる（あと専門用語とか名前とか）。

[diveintounlimit]

“音声認識APIはまだ、人間ほどノイズのなかでの人間の声を聞き分けられていない”

[guru_guru]

以前NHKニュースの音声データを食わせてあそんでたら「政治とカネの問題」を「精子と彼の問題」と認識した。他は殆ど完璧だったのに…。

[uraway]

仕事で使えるかな思って音声認識アプリ作ったことあるけど、耳の遠いおじいちゃんみたいな音声認識してた

[FirstMate]

有名な空耳を片っ端から取り込んで、API別にテストしてみたい

[hevohevo]

録音機材に投資して改善すると意外と良い結果が返ってきたりしないかなと薄い期待をしていたり。興味あるので続報待ってます。

[ledsun]

興味深い

[ryuzee]

おもしろい！

[tuki0918]

rebuild.fmの音声はそれなりに認識されてる気がする

[sezemi]

期待！

[mzi]

一度はやってみて、使えないことを認識するんだよねぇ。

[progrhyme]

時が解決してくれそうだけど、現状はこんなもんですかねぇ