クラウドの音声認識APIはライターの「文字起こし」に使えるか？ ライターたちが実際のインタビューの録音データで評価してみた

クラウドの音声認識APIはライターの「文字起こし」に使えるか？ ライターたちが実際のインタビューの録音データで評価してみた ライターの仕事のなかでも手間がかかるのが、インタビューや講演などの録音データを聞きながら逐一正確に文字にしていく、いわゆる「文字起こし」と呼ばれる作業です。 この作業が高度化するクラウドの音声認識APIを使って自動化できたなら、どんなに楽か。多くのライターがそう夢見ていることでしょう。僕もそうです。 もちろんそれはライターの仕事だけでなく、会社の議事録や講演録などにも応用できるでしょうから、そのインパクトは非常に大きいものでしょう。 そこで、僕は現時点で音声認識APIは文字起こしの用途にどれだけ使えるのかを調べるため、クラウド関連の開発で有名な「ハンズラボ」さんと一緒に音声認識クラウドAPIを評価するプロジェクトを立ち上げました。 この経緯については9月27日の記事「

[Fushihara]

人間が正規化する、つまり録音を聞きながら機械が認識しやすいように自分で言い直すのがベスト

[qinmu]

“マイクをきちんとセットして録音する。”

[bython-chogo]

文脈を考慮した判定とか、アプローチはありそうだけどちょっと複雑になりそうですね

[mojimojikun]

('・c_･` )ｿｯｶｰ

[mkusunok]

残念、まだまだなのかな

[mzi]

まあ、こんなもんです。

[sezemi]

心からエールを送ります

[progrhyme]

既視感が有る…と思ったら続編だった。未来は意外に遠いようだ。