近頃，音声認識を使ったプログラムを作りたいということで調査をしていて，いろんな人から「精度良いよ」という噂を聞いたGoogle Speech APIを使おうという所まで思い至ったのですが，実際に動かそうとすると，ハマる所がいくつかあったのでメモしておきます． 何ができるの？ Google Speech APIは，Googleの音声認識の技術を利用するためのAPI． このAPIは，音声ファイルを入力に取り，その音声に対応するもっともらしい自然文を確信度付きで出力する． 現在はver.2が稼働しているらしい． APIのユーザ登録 Google Speech APIの利用にはGoogle Developer Consoleでの登録が必要． Google Developer Console Google Developer Console https://console.developers.go

Try Gemini 1.5 models, the latest multimodal models in Vertex AI, and see what you can build with up to a 2M token context window

読了時間: 約 7 分 サイネージの話がつづいたので、今回はUI (ユーザーインターフェース) ・UXについて書きます。 弊社では、サイネージだけでなくNUI (Natural User Interface：ナチュラルユーザーインターフェース) を使ったインタラクションデザインの開発を得意としています。NUI とは、人間ににより自然で直感的なインターフェースで、身近なところだとタッチパネルの操作などがあげられます。近年では、Microsoft の Kinect に代表されるセンサによってジェスチャ操作や Apple iPhone に搭載されている Siri のような音声認識に代表される音声UIなどもNUIの一つです。 ユーザーインターフェースの歴史では、かつでコマンドレベルで命令していたCUI(キャラクターユーザーインターフェース)からマウスなどをつかって直接オブジェクトを操作するGUI(

西鳥羽です。こんにちは。 本日セミナーで「Deep Learningと音声認識」という内容で(ustreamで公開されているけども)社内セミナーで紹介させて頂きました。タイトルは前回の「Deep Learningと自然言語処理」に被せてます。 Broadcast live streaming video on Ustream こちらがその資料になります。尚、セミナーでは「話し言葉コーパス」とすべきところを「書き言葉コーパス」としてしまっていました。資料では訂正してあります。

Full Name Comment goes here. 12 hours ago Reply Edit Delete Spam Block Unity上での音声認識を使ったゲームの作成方法を今日は発表しようとおもいます。 <br /> よろしくお願いします。 今回発表するのは、金沢大学3年、濱屋光喜と言います。 <br /> Unity歴はダウンロードしたのは結構前ですが、長い間使っていなかったのが現状です。 <br /> プログラミング歴はそれなりなのですが、飽き性なので何かを完成させることは少なかったです。 さて、何事も目標がないとやりづらいと思いますので、何を目指すかを決めておこうと思います。 <br /> 私が目指そうと思っているのが… PS2用ソフトの「オペレーターズサイド」です。 <br /> このゲームは2003年にソニー・コンピュータエンターテインメントが発売したもので、

「情報学」は私たちが生活する社会をどう変え、未来にどのような価値を生み出すのか。国立情報学研究所（NII）の広報誌「NII Today」は、情報学研究の最先端をみなさまに分かりやすくお伝えします。 NII Today 国立情報学研究所ニュース 国立情報学研究所ニュース 学術情報センターニュース 学術情報センターニュース

「こんばんは」「こんばんは、マスター！」――単なる音声認識サービスではなく、認識した言葉に反応して、ユーザーが求めるアプリを起動したり、会話したりできる機能がスマートフォンにあったらいいのになあ。しかもキャラクターがミクさんだったらもっとうれしいなぁ……。そんな夢を現実のものにした動画が投稿されていました。アプリ「MikuMikuNow」の爆誕です。 起動すると「マスター、ミクですよー！」との音声が！　おおっ、画面の中にミクさんが生きておる。スマホを持つ手が小刻みに震えそう。この「MikuMikuNow」は自分の話した言葉に応じて初音ミクが返事をしてくれるアプリ。Android向けに開発しているものです。 今日の天気は？　明後日の沖縄の天気は？　のような質問にも的確に答えてくれます。会話内に地域が含まれていればその地域の天気をとってきてくれるのだとか。さらにWeb検索機能も充実。検索したい

Juliusという神ソフトウェアがこの世の中にあったことに驚いたので、これに関する神記事群をあつめてる途中マン。（音声認識…深い…（ｺﾞｸﾘ。）） Julius http://julius.sourceforge.jp 連続音声認識ソフトウエア Julius Open-Source Speech Recognition Software Julius http://www.ar.media.kyoto-u.ac.jp/lab/bib/review/KAW-JSAI05.pdf 凹みTips http://tips.hecomi.com/ http://tips.hecomi.com/archive/category/Julius チュートリアル JuliusとJulian http://shower.human.waseda.ac.jp/~m-kouki/pukiwiki_public/2

「先日いただいたべったら漬け、あなたの温もりがこもっていた、あなたの愛がこもっていた、まる」。この文言ではじまるSMAPの香取慎吾氏を起用したCMが公開されたのが今から16年前となる1998年。これはいったい何かというと、IBMのデスクトップPC「Aptiva」を用いて、音声入力ソフト「ViaVoice」でメールを作成している様子をCMとしたものだ。30代以上の読者の方には、頭の片隅にそんなものがあったなぁ、という記憶をお持ちのかたもいると思う。 しかし、その当時、音声入力はそれなりの盛り上がりを見せたものの、その後、長い間、研究開発は継続されていたものの、あまり陽の当たる場所で話題に上ることはなかった。だが、時代は移りAppleが2011年に音声入力アプリ「Siri」をiOSに搭載したことで、再び音声入力が脚光を浴びるようになった。そして、MicrosoftもSiriに対抗し、Windo

現地時間で2014年5月27日から29日までの間に開催されているRe/codeのCode Conferenceでは、MicrosoftのCEOサティア・ナデラ氏が登壇してコンピューターの未来について語りました。さらに、Microsoftはこのイベントの中でSkypeの新機能となる「リアルタイム音声翻訳機能」のデモンストレーションを公の場で初めて実践しました。 Microsoft demos breakthrough in real-time translated conversations - The Official Microsoft Blog - Site Home - TechNet Blogs http://blogs.technet.com/b/microsoft_blog/archive/2014/05/27/microsoft-demos-breakthrough-in-r

iOSを車載向けに拡張したアップルの「CarPlay」やGoogleのOAA（Open Automotive Alliance）でにわかに注目を集める車載システムだが、iOSの音声エージェント「Siri」にも音声技術を提供したとみられるNuance Communicationsが17日、日本における事業展開などを含めた車載機器向けの今後の戦略を紹介する説明会を開催した。Nuanceでは、音声認識・合成技術だけでなく、コンテンツを含めたプラットフォーム戦略を中心に、さらなる拡大を目指している。

サンフランシスコ発--Bill Gates氏は長年の間、近い将来コンピュータを手書き文字や声、タッチで制御するようになる日が来るだろうと言い続けてきた。 Gates氏は今でもそう言っている。CNET News.comのインタビューの中で、Gates氏は音声認識が既に実用化されている分野や、今後使われるようになるシーン等を議論した。 Microsoftの企業向けテレフォニーソフトウェアの新版の発売に関連して、Gates氏は、なぜビジネス電話がこんなに長い間変わらずに来たのか、そしてもしそれがPCと同じネットワークの一部になったら物事がどれだけ変わるかを議論した。さらに同氏は、MicrosoftのテーブルトップコンピュータSurfaceとAppleのiPhoneを例にひいてマルチタッチの考え方に人気が集まっていることを示しながら、タッチスクリーンコンピューティングの可能性について語った。 Ga

グーグルは11月29日、Google音声検索の新機能の提供を開始した。新しい音声検索は話し言葉を理解し、音声で応答するというもの。iOS 6.0以上またはAndroid 4.1以上を搭載したスマートフォンやタブレットで利用可能。PCではChromeブラウザを使うことによって利用できる。 音声検索機能そのものはすでに提供しているが、キーワードごとに区切ることなく話し言葉で検索することが可能となり、音声で質問に応答するようになったのが特長。音声による応答は、Google検索が質問への答えを知っている場合に行われる。たとえば「スカイツリーは何階建て」、「東京タワーの高さは」、「イタリアの首相は」など、幅広い検索に対応するとしている。 ほかにも、場所について検索したいときは、直接店舗名や観光スポット名を話しかけたり、「エッフェル塔はどこ」と問いかけるだけで、その場所を地図で表示。「ランドマークに電

Pick up the 9th-gen iPad with two years of AppleCare+ for only $298