「あの時はこう言ってたよね?」がなくなる世界へ。CLOVA Note公式サイトAI音声認識アプリが録音から文字起こしを行います。 必要な会話を探して見る音声記録 議事録やノート作成をお手伝いします。
![CLOVA Note](https://cdn-ak-scissors.b.st-hatena.com/image/square/8ea3278a2ccfd0c7e73f8c7d471c34ef96b7a4d8/height=288;version=1;width=512/https%3A%2F%2Fclovanote.line.me%2Fstatic%2Ficons%2Fog-800x400.png)
6月18日朝に発生した、大阪府を中心とした地震による被災者の皆さまに謹んでお見舞い申し上げます。 大変お待たせしておりましたが、 本日、Mak... 【2018年3月5日追記】新たな支援金目標1300万円達成で、Tildeの付属品3点をアップグレードします!! -------------------------------- ついに支援額1000万円を突破いたしました! そこで、フランスのOrosound本社から、日本の皆様へ感謝の言葉とともに、嬉しいお知らせが届きました。 支援金の新たな目標金額1300万円(ストレッチゴール)を超えた時点で、以下のTildeの付属品3点をアップグレードいたします。(※詳細は、活動レポートをご確認ください。https://www.makuake.com/project/orosound/communi
会話が見える! 世界最速の「リアルタイム字幕」にびっくり:水曜インタビュー劇場(瞬時公演)(1/5 ページ) 2月某日、幕張メッセ(千葉市)。記事のネタを探すために、記者はとあるセミナーを聴講していたところ、大きなモニターに釘付けとなった。 モニターには、登壇者の発言がリアルタイムで文字になって映し出されていたのだ。「ITmedia ビジネスオンラインって最高ね」と発言すると、瞬時に「ITmedia ビジネスオンラインって最高ね」と表示される。それだけではない。日本語の横で、英語のスペルも次々に並んでいたのだ。 よーく見ると、ところどころで“おかしな日本語”も登場する。例えば、「ITmedia ビジネスオンラインって再考ね」といった感じで。しかし、しばらくすると、正しい日本語に変わっていくのだ。 気になる、気になる。どうやってリアルタイムに文字を起こしているのか。最新のテクノロジーを駆使し
Appleが発売した「HomePod」は、元々iPhoneの据置型スピーカーとして開発されてきた製品で、発表直前になってSiriを内蔵機能として追加されることになり、大幅な発売の遅れが生じてしまった。 またSiriが搭載されたことで、スマートスピーカーとしての認知はされやすくなったものの、HomePod最大の特長である環境音を計測し、サウンドを調整する空間認識機能が同じAIのような捉え方をされてしまい薄らいでしまっている気がする。 オーディオ機器の音はその大半が(50〜70%以上)「部屋の反射によって作りだされた音」のため、考え得る限りのAVアクセサリーを駆使した音質改善より、お金を一切かけないで、スピーカーの位置調整だけを入念に行った方が音質は向上する。 部屋に同じスピーカーを2本左右に設置しても、それぞれのスピーカーから近い壁や物などによる反射音によって左右の音は異なり、均一にするため
要約 SoundFlower の GitHub の releases から .dmg をダウンロード dmg から SoundFlower をインストール 環境設定 -> サウンド -> 出力 -> SoundFlower(2ch) 環境設定 -> サウンド -> 入力 SoundFlower(2ch) Google Chrome を 開いて Google Docs にアクセスして新規ドキュメントを作成 ⌘+shift+s で音声入力を起動して言語を設定する 音源を再生してから音声入力を開始する 自動文字起こし機 どうしても自動で文字起こししたいもの(英語)があったので、SoundFlower という無料ソフトと Google Docs を使って自動文字起こし環境を作りました。 なお、SoundFlower は Mac 用のアプリケーションなので Mac での方法を紹介します。Window
はじめに Microsoftの音声認識技術を機会あって本気で検証したので、共有しようと思います。 音声認識技術はAIキーワードに含まれる技術の一つなのでAIが流行りだした2年前くらいから話題になり始めたのですが、特にHotになったのは去年2016年の年末にGoogleとMicrosftが立て続けにニューラルネットワークベース(ディープラーニングベース)のAPIを、誰でも使えるサービスとしてリリースしてからだと思います。 GoogleとMicrosoftが発表したニュースのキャッチコピーは認識精度が「人間並みに到達」だったので、かなり強いインパクトを世間に与えたのだろうと思います。私もこのニュースに驚き、強く惹かれました。 ●当時のニュース記事 ・Microsoft http://jp.techcrunch.com/2016/10/19/20161018microsoft-hits-a-sp
Voice Recorder for Reviews With speech recognition and easier annotation, Recoco lets you playback recording as if you can see and touch contents of sound. # EASY ANNOTATION With tapping during recording or after recording, you can annotate such as Section, ToDo, Favorite. # SPEECH TO TEXT Auto transcribe for indexing with speech recognition. Support language: English, Chinese, French, German, Jap
はいえーとあの google の音声入力のテストをやってみてるんですけどこれめっちゃすごいですねなんかここまで認識精度良いと思わなかったあの文字の改行とかそこだけちょっと自分でやんないといけないんですけどそれ以外は全然不満がないですねこれなにかコマンドとかあるのかなやそうでもないか何がやりたいかというと discord でちょっと仕事で使ってみたくてボイスチャットチャンネルに没頭*1参加させて録音させてそのデータを google のドキュメントとして音声で食わせて文字起こしさせればあの会議とかねリモートワークとかですごい便利なんじゃないかなと思って文字認識 api ってちょっと公開されてるかわかんないんだけどこういう api って google あんまりね有料 api 脱退後悔*2しきれなかったりっていうイメージあるんだよねまあ google ドキュメントを使わせるためのインセンティブやっ
William A. Anders, the astronaut behind perhaps the single most iconic photo of our planet, has died at the age of 90. On Friday morning, Anders was piloting a small…
by Jason Lander スマートフォンがちょっと離れたところにあっても、また周囲で雑音がしていたとしても、人間が認識できないコマンドを送り込んで音声認識アシスタントを勝手に動かすことが可能であるということがわかりました。 Hidden Voice Commands http://www.hiddenvoicecommands.com/ どういうことなのかというのは、以下のデモ映像を見ればわかります。 Demo VoiceHack - YouTube スピーカーから10.1フィート(約3.08m)離れたところにスマートフォンを置きます。 そして、人間の声をコンピューター加工したコマンドを聞かせると、人間が聞いても何と言っているかわからないのですが、スマートフォンはコマンドの内容を認識して実行します。ここでは、雑音なしで「XKCD.comを開いて」というコマンドを実行しています。 後半
この記事はMS技術Advent Calendarの14日目のものです。 Project Oxfordとは何か Project OxfordはMicrosoftの自然データ解釈技術をアプリやサービスへと簡単に取り込めるようにするプロジェクト(Microsoft Project Oxford)です。 2015年4月のMicrosoft主催のデベロッパーカンファレンス(//build 2015)で発表されました。 このカンファレンス時には多少話題になったのですが、実際のSDK提供までにしばらくのタイムラグがあったためあまり最近話題になっていないのが現状です。つまり、ほとんど知られていないので紹介していきますよという話です! 使える機能群には自然言語処理や画像認識など、事前にガンガンとトレーニングをかけた機械学習の権化のようなものがいっぱいあります。MSの技術というよりもMSR(Microsoft
はじめに 本エントリは未来のお部屋シリーズの第4弾です。 本シリーズでは、音声認識システムの Julius と TCP/IP 通信で制御できる赤外線学習リモコン iRemocon を繋いで音声認識による家電操作の実現を目指しています。 ついに!音声認識でお部屋の家電を操作できましたので、ご紹介します。 環境 Ubuntu 10.04 Boost 1.48.0 gcc version 4.6.1 20110617 (prerelease) (GCC) Julius grammar-kit-v4.1 iRemocon 集音マイク×2 (2分岐) 構成 動作構成は以下になります。 マクロ実行部は iRemocon 以外の何か操作も出来るようにしようと思ってますが、未実装です。 ソースコード 各ソースコードは github に上げました。 https://github.com/hecomi/Jul
はじめに この記事は東京Node学園祭2012 アドベントカレンダーの 23 日目の記事です。 現在、オープンソースの大語彙連続音声認識エンジン Julius を利用して音声による家電操作を行なっているのですが、どんな言葉を認識させるかの文法をゴリゴリ書いたり、コールバックの処理を C++ でゴリゴリ書くのが大変だったので、これらを簡単に実現してくれる Node.js のモジュールをつくってみました。 WEB 関連の話題で扱われることの多い Node.js ですが、C++ でネイティブモジュールを作成することによる Node.js の可能性を感じてもらえれば、と思います。 出来るようになること 以下のように音声認識させる言葉を登録、その文言を Julius が解釈できる形式にコンパイルして、Julius インスタンスを生成、スタートするだけで音声認識が可能になります。 var Julius
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く