[iOS 17] 音声認識におけるカスタム言語モデルのサポート

iOSには標準の音声認識フレームワークとして、Speech フレームワークというものが用意されている。日本語もサポートしており、オンデバイスでも動作可能。iOS 10の頃から使える。 が、最近だとOpenAIのWhisperもCore ML版が出て、iOSアプリで音声認識を使うなら、（少なくとも書き起こし用途なら）Whisperの方がいいかな…と思っていた。 しかしWWDC23のセッション「Customize on-device speech recognition」を見ると、かなり魅力的なアップデートがアナウンスされていた。 Speechフレームワークにおいてカスタム言語モデルの利用が可能になった、というもの。本記事はこれについて書いていく。 なお、音声認識における「音響モデル」「言語モデル」といったところの解説はわかりやすい記事が山程あると思うので本記事では割愛する。 以下、画像や引用