自動文字起こしサービスである、OpenAIの「Whisper API」とAWSの「Amazon Transcribe」の精度を比較してみた | DevelopersIO
自動文字起こしサービスである、OpenAIの「Whisper API」とAWSの「Amazon Transcribe」の精度を比較してみた はじめに 今回は、OpenAIのWhisper APIとAmazon Transcribeという2つの音声文字起こしサービスを試し、それぞれの精度を比較してみました。 Amazon Transcribeは、音声をテキストに変換する自動音声認識サービスです。 ストリーミングとバッチ処理のどちらでも文字起こしが可能です。 攻撃的な言葉を指定すると、Amazon Transcribeがそれらの言葉を文字起こしから自動的に削除する語彙フィルタリングなどの機能もあります。 Amazon Transcribeの詳細は、下記の記事をご参考ください。 OpenAIには音声をテキストに変換する「Whisper」という音声認識モデルがあり、WhisperをAPIの形で呼び
AWS Step Functionsで、音声ファイルがS3バケットに保存される度にAmazon Transcribeで文字起こしし、内容をメール送信してみた | DevelopersIO
はじめに AWS Step Functionsを利用し、音声ファイルがS3バケットに保存されるたびにAmazon Transcribeで文字起こしを行い、文字起こし内容をメール送信する方法を紹介します。 今回構築する構成は以下の通りです。 処理の流れは以下の通りです。 音声ファイル（WAV）をS3バケットにアップロードする アップロードをトリガーにEventBridgeからStep Functionsステートマシンを起動する 音声ファイルからAmazon Transcribeで文字起こしし、文字起こした内容をAmazon SNSでメール送信する この構成を構築するきっかけは、以前執筆した「Amazon Connectでエージェントの介在がない場合でも電話中の発話を録音する」記事の構成に、録音ファイルに対して文字起こしとメール通知機能を追加する必要が生じたためです。 執筆した記事の構成図は以
Microsoftが、誰が何を話したのかリアルタイムで文字化して記録してくれる、無料の文字起こしアプリ「Group Transcribe」を公開していたので、実際に使ってみました。 「Group Transcribe」をApp Storeで https://apps.apple.com/jp/app/group-transcribe/id1527145885 iOS端末でApp Storeにアクセスして「Group Transcribe」を入手します。 インストールするとアプリの説明画面が4枚表示されます。「次へ」をタップするか、右へスワイプして進めていきます。 最後の説明画面で「始めましょう。」をタップ。 利用規約が表示されるので「承認」をタップ。 表示名と言語を入力します。 言語はプルダウン式メニューになっていて、かなり多数の言語が用意されています。ここで設定された言語をベースに文字起
80カ国語を同時翻訳＋文字起こしをするマイクロソフトの会議用アプリ｢Group Transcribe｣2021.03.04 21:0030,091 岡本玄介 まるで｢ほんやくコンニャク｣＋｢暗記パン｣。 Microsoft（マイクロソフト）が、会議に使える翻訳と文字起こしを同時に行なうAIアプリ、｢Group Transcribe｣をiOS用にリリースしました。外国人と記録したい大事な話をする時に重宝しそうです。 任意のデータ提供で成長するこのアプリは最先端の音声と言語技術、そして独自のマルチ。デバイス音声入力フォーマットを採用しており、使える言語は80カ国語以上という優秀さ。 基本的にマイクロソフトが会話内容を保持することはないものの、ユーザーから好意で投稿されるデータによってどんどん改善されるのだそうです。ビジネス的な会話は難しい単語が飛び交うわけですが、言語毎に方言やイントネーション
音声を文字起こししてくれる「Amazon Transcribe」、言語の種類を自動識別する新機能。人間によるタグ付けが不要に
音声を文字起こししてくれる「Amazon Transcribe」、言語の種類を自動識別する新機能。人間によるタグ付けが不要に Amazon Web Services（AWS）が提供する「Amazon Transcribe」は、音声をテキストに変換する、いわゆる文字起こしを機械が行ってくれるサービスです。 例えば、ボイスメールをテキストに変換して送信するサービスの構築や、電話での問い合わせなどを受け付けるコールセンターなどで顧客とのやり取りの記録をテキストで残すサービスの開発などに役立ちます。 AWSはこのAmazon Transcribeに、話されている言語が英語なのか日本語なのか中国語なのか、などの言語の種類を自動的に識別する機能を追加したと発表しました。 New #AWSLaunches! New AWS Solutions Consulting Offer - Confluence
tkasasagi 🐻 on Twitter: "I added a few functions. The app can transcribe Kuzushiji on image from camera or gallery. If you press on kanji, i… https://t.co/n8ycPIikLo"
I added a few functions. The app can transcribe Kuzushiji on image from camera or gallery. If you press on kanji, i… https://t.co/n8ycPIikLo
Amazon Transcribeが新しい音声基盤モデルによって精度向上を発表したので、日本語で確認してみた #AWSreInvent | DevelopersIO
Amazon Transcribeが新しい音声基盤モデルによって精度向上を発表したので、日本語で確認してみた #AWSreInvent はじめに AWS re:Invent 2023で、Amazon Transcribeは、次世代の数十億パラメータの音声基盤モデルを搭載した自動音声認識 (ASR)を発表しました。 搭載したことにより、バッチモードでTranscribe を使用する場合、APIエンドポイントや入力パラメータを変更することなく、100 以上の言語で精度向上を実感できるようです。 下記でも紹介されていました。 こちらのAWSのブログでも下記のことが記載されています。 Amazon Transcribe は音声基盤モデルを活用することで、ほとんどの言語で 20% から 50% の大幅な精度向上を実現します。困難でデータが不足している分野である電話音声では、精度が 30% ～ 70%
[電話無人対応] Amazon Connectで通話中に発話した内容を、Amazon Transcribeで文字起こしし復唱してみた | DevelopersIO
はじめに Amazon Connectでの発話内容をAmazon Transcribeで文字起こしし、音声出力するフローを構築しましたので、手順をまとめました。コンタクトセンターの無人対応を想定しています。 文字起こし内容を音声出力するまでの流れは次の通りです。 コンタクトフロー内で「メディアストリーミングの開始」ブロックを使って、Amazon Kinesis Video Streams（以降、KVS）への音声のストリーミングを開始します。 発話します。 発話後、「顧客の入力を保存する」ブロックで、顧客が特定の番号を押すと、ストリーミングが終了します。 「AWS Lambda関数を呼び出す」ブロックを使い、以下の処理を行います。 LambdaでKVSからメディアデータを取得します。 メディアデータから音声データを抽出し、WAV形式に変換し、S3バケットに音声ファイルを保存します。 Amaz
![[電話無人対応] Amazon Connectで通話中に発話した内容を、Amazon Transcribeで文字起こしし復唱してみた | DevelopersIO](https://cdn-ak-scissors.b.st-hatena.com/image/square/7d9513cdfe28fb7a746a548b7f81ff7ebb44ba22/height=288;version=1;width=512/https%3A%2F%2Fdevio2023-media.developers.io%2Fwp-content%2Fuploads%2F2023%2F08%2Famazon-transcribe.png)
GitHub - ruby-no-kai/takeout-app: Virtual venue for RubyKaigi Takeout w/ Amazon IVS, Chime SDK for Messaging, Transcribe
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
Amazon Transcribe now supports Brazilian Portuguese, Japanese and Korean and 3 corresponding AWS regions for streaming transcription
Amazon Transcribe is an automatic speech recognition (ASR) service that makes it easy for you to add speech-to-text capabilities to your applications. Today, we are excited to launch Brazilian Portuguese, Japanese and Korean language support for Transcribe streaming. To deliver streaming transcriptions with low latency for these languages, we are also announcing availability of Amazon Transcribe s
GitHub - beyondcode/writeout.ai: Transcribe and translate your audio files - for free
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
All Microsoft Global Microsoft Security Azure Dynamics 365 Microsoft 365 Microsoft Teams Windows 365 Tech & innovation Microsoft Cloud AI Azure Space Mixed reality Microsoft HoloLens Microsoft Viva Quantum computing Sustainability Industries Education Automotive Financial services Government Healthcare Manufacturing Retail All industries Partners Find a partner Become a partner Partner Network Azu
初学者向け「Amazon Transcribe」（AI文字起こしサービス）をPythonで利用するには
初学者向け「Amazon Transcribe」（AI文字起こしサービス）をPythonで利用するには：AWSチートシート AWS活用における便利な小技を簡潔に紹介する連載「AWSチートシート」。今回は、AWSのAI文字起こしサービス「Amazon Transcribe」をPythonで利用する方法を紹介する。 「Amazon Web Services」（AWS）活用における便利な小技を簡潔に紹介する連載「AWSチートシート」。今回は、AWSのAI文字起こしサービス「Amazon Transcribe」をPythonで利用します。以下、Transcribeに用意されているメソッドを概観し、幾つかの使い方を紹介します。 「Amazon Transcribe」とは AWSには、事前トレーニング済みのAI（人工知能）を手軽に利用できる「AIサービス」が多数用意されており、その内容はコンピュータビ
from openai import OpenAI client = OpenAI() audio_file= open("voice_lunch_jp_5min.wav", "rb") transcription = client.audio.transcriptions.create( model="whisper-1", file=audio_file ) print("\n===== whisper-1 =====\n", transcription.text) transcription = client.audio.transcriptions.create( model="gpt-4o-mini-transcribe", file=audio_file ) print("\n===== gpt-4o-mini-transcribe =====\n", transcriptio
OpenAI:新音声モデル「gpt-4o-transcribe」登場 – わずか数秒でテキストアプリに音声機能を追加可能に - イノベトピア
OpenAI:新音声モデル「gpt-4o-transcribe」登場 – わずか数秒でテキストアプリに音声機能を追加可能に Last Updated on 2025-03-21 20:25 by 荒木 啓介 OpenAIは2025年3月20日、3つの新しい音声AIモデル「gpt-4o-transcribe」「gpt-4o-mini-transcribe」「gpt-4o-mini-tts」を発表しました。 これらのモデルは当初、サードパーティ開発者向けのAPIと、一般ユーザー向けのデモサイト「OpenAI.fm」で提供されます。 新モデルは2024年5月に発表されたGPT-4oをベースに、音声認識と音声合成に特化するよう追加訓練されたものです。特に「gpt-4o-mini-tts」モデルはテキストプロンプトを通じて、アクセント、ピッチ、トーン、感情表現などをカスタマイズ可能となっています。
Group Transcribe
Group Transcribe では、対面での会議と会話のリアルタイムの文字起こしと翻訳が提供されます。最先端の音声および言語テクノロジを利用し、独自のマルチデバイス オーディオ入力形式を使用することで、プロジェクトでは正確な話者属性を有効にできるため、会話の参加者は自分の優先言語で、だれが何を話しているかを確認できます。 Group Transcribe を使用すると、自分の電話で参加して自分の言語で話しについていくことができるため、誰もが生産性を高めて集中することができます。 リアルタイム文字起こしの精度の向上: -全員が自分の電話機から会話に参加することで精度が向上します -話者を特定してデバイス上で誰が何を言ったかをリアルタイムで把握する -ソーシャル ディスタンスを守りながら高度な業務に従事します -80 を超えるロケールの言語をサポートしています 仕事や勉強の生産性を上げる:
関連キーワード Word | Microsoft（マイクロソフト） Microsoftがワープロソフトウェア「Microsoft Word」の文字起こしツールを立ち上げた。一部の企業にとってはサードパーティーによる文字起こしツールやサービスの代替になる可能性がある。 「Transcribe」というWordの文字起こし機能は、2020年8月に提供が開始された。エンドユーザーが、Wordの機能をWebブラウザで利用できる「Word for web」（Web用Word）に音声ファイルをアップロードすると、会議やインタビュー中の会話の文字起こしができる。別々の話し手をそれぞれ識別することも可能だ。 Transcribeは、録音内容の検索可能なバージョンを必要とする学生や記者、オフィスワーカーにとっては魅力的なはずだとアナリストは指摘する。この機能はOtter.aiの「Otter」のようなサードパー
GitHub - thewh1teagle/vibe: Transcribe on your own!
🌍 Transcribe almost every language 🔒 Ultimate privacy: fully offline transcription, no data ever leaves your device 🎨 User friendly design 🎙️ Transcribe audio / video 🎶 Option to transcribe audio from popular websites (YouTube, Vimeo, Facebook, Twitter and more!) 📂 Batch transcribe multiple files! 📝 Support SRT, VTT, TXT, HTML, PDF, JSON, DOCX formats 👀 Realtime preview ✨ Summarize transcr
Amazon Transcribeで1on1の会話ポゼッションを可視化してみた - ecbeing labs（イーシービーイング・ラボ）
こんにちは。ecbeing金澤です。 普段はReviCoや他のプロダクトの開発リーダーをやりつつ、管理職としてチームのマネジメントもやったりしています。 1on1でついつい喋りすぎちゃう問題 プロダクト開発統括部では、個人の面談に1on1を取り入れています。 1on1はコーチングの場と言われており、基本的にはメンティー(部下)が喋り、メンター(上司)はその内容に対してフィードバックをする。 という流れが理想なのですが、自分が普段どのくらい喋っているかというのは、なかなか自分では分からないもの。 「見えない問題は解決できない」ので、どうにか可視化できないか考えていたところ Amazon Transcribeを使えば計測できそう、ということに辿り着きました。 Amazon Transcribeとは 音声をテキストに変換してくれるAWSのサービスです。 https://aws.amazon.co
[アップデート] Amazon Transcribe が日本語のリアルタイム文字起こしに対応しました！ | DevelopersIO
制限 スピーカーを識別する Speaker identification 機能に対応しているのは英語のみです やってみる 東京リージョンでこちらの動画の冒頭 15 秒をリアルタイム文字起こししてみました。 （音声がながれますので、ご注意ください） 実際の文字起こしテキスト PC 内蔵スピーカーで出力した音声を、PC 内蔵マイクで受け取っているのでノイズなどの影響もあるかと思いますのであくまで参考値としてお考えください。固有名詞などはカスタムボキャブラリ（カスタム語彙）を利用することで精度をあげることが出来ます。 ちなみにこの動画は、カスタムボキャブラリは使っていない素の状態です。 皆さん こんにちは クラス メソッド 対応 担当 の 毒矢 の 束 を し、 ません 本日 は 十 五 分 で 分かる 暮らし ネーション と という こと で クラス メソッド は どう いっ た 会社 な の
![[アップデート] Amazon Transcribe が日本語のリアルタイム文字起こしに対応しました！ | DevelopersIO](https://cdn-ak-scissors.b.st-hatena.com/image/square/4e3e33aae2d4ed6015ed8283d761a73e851d54b4/height=288;version=1;width=512/https%3A%2F%2Fdevio2023-media.developers.io%2Fwp-content%2Fuploads%2F2019%2F05%2Famazon-transcribe.png)
AWS Step Functionsを利用し、S3バケット内の音声ファイルをAmazon Transcribeで文字起こししてみた | DevelopersIO
はじめに AWS Step Functions ステートマシンを使用して、S3バケット内の音声ファイルをAmazon Transcribeで文字起こししてみました システム構成は以下の通りです。 Step Functions ステートマシンを起点として、S3バケット内の音声ファイルをTranscribeで文字起こしし、生成されたテキストファイルを別のS3バケットに保存します。 S3バケット作成 以下のS3バケットを2つ作成します。 音声ファイル保存用（cm-hirai-audio-for-transcription） 文字起こししたテキストファイルを保存用(cm-hirai-transcription-output) バケット名以外の設定はすべてデフォルトのままとしています。 IAMポリシー作成 ステートマシン用のIAMポリシーを作成します。 cm-hirai-transcribejob-
Amazon Transcribe と Amazon Kendra を使って、音声ファイルや動画ファイルを検索可能にする | Amazon Web Services
Amazon Web Services ブログ Amazon Transcribe と Amazon Kendra を使って、音声ファイルや動画ファイルを検索可能にする このブログは “Make your audio and video files searchable using Amazon Transcribe and Amazon Kendra” を翻訳したものです。 音声と動画のメディアコンテンツに対する需要は、かつてないほど高まっています。組織は、かつてないほどメディアを活用して聴衆と関わっています。製品マニュアルはますます動画形式で発行されるようになり、ブログ記事の代わりにポッドキャストが制作されることも多くなっています。最近では、バーチャルな職場の利用が爆発的に増え、会議、通話、ボイスメールの録音という形でコンテンツが保存されるようになりました。また、コンタクトセンターでは
哈喽大家好、コンサルティング部の西野です。 Amazon Transcribe を利用して、自己学習のための中国語文字起こしパイプラインを作ってみました。 解決したかったこと 筆者は趣味として日常的に中国語のコンテンツに触れています。 主に観ているものは映画・ドラマ・中国人YouTuberの動画・抖音 (中国版 Tiktok) などであり、これらのコンテンツのほとんどには普通话 (中国における標準語) の字幕がついています。字幕のおかげもあって、文字通りの意味を取るだけなら特に困ることがない状態です。 このまま単なる趣味に据え置くなら今のままでも良いのですが、最近は「せっかく勉強したのにもったいない！もう少し脳に負担がかかるコンテンツを使ってレベル上げをしたい！」と思うようになりました。 そこで目をつけたのが NHK WORLD RADIO JAPAN News の Chinese New
はじめに Amazon Transcribe は音声データをテキスト化する（文字起こしとも言われる）サービスです 音声ファイルを準備してバッチ処理するタイプと、音声をストリーミングして、リアルタイム（逐次的に）処理するタイプがあります 日本語については、2020年11月にリアルタイム処理タイプに対応しました AWSコンソール上ではブラウザの音声をTranscribeへストリーミングすることで機能を確認することができます。レスポンス良くテキスト化されます 実際の業務等ではマネジメントコンソールで使うことはなく、アプリケーション等に組み込むことになると思います ということで、サンプル的にストリーミング処理を実装してみました そして自分への備忘も兼ねて処理内容の解釈を記述します なお、SDK v3はpreviewなので、これからリリースされる正式バージョンと異なる（動作しない）可能性があります
OpenAI-powered app from Microsoft will instantly transcribe patient notes during doctor visits
Microsoft's speech recognition subsidiary Nuance Communications on Monday announced Dragon Ambient eXperience (DAX) Express, a clinical notes application for health-care workers powered by artificial intelligence. DAX Express aims to help reduce clinicians' administrative burdens by automatically generating a draft of a clinical note within seconds after a patient visit. The technology is powered
【レポート】自然言語解析を体験 ~Amazon Translate, Amazon Polly, Amazon Transcribe, Amazon Comprehend ~ #AWSSummit | DevelopersIO
せーのでございます。 本日は2020/09/08-2020/09/09にかけて行われたAWS Summit Onlineからセルフペースハンズオン「自然言語解析を体験 ~Amazon Translate, Amazon Polly, Amazon Transcribe, Amazon Comprehend ~ 」をレポートいたします。 スピーカーはアマゾン ウェブ サービス ジャパン株式会社 シニアアドボケイト 亀田 治伸 氏です。 アーカイブ 動画のアーカイブはこちらになります。 レポート Amazon Translate: 複数言語に対応した翻訳サービス Amazon Polly: 音声の読み上げ Amazon Transcribe: Pollyの逆。音声を文字に起こしてくれる Amazon Comprehend: 文字列の構造を解析したり感情を分析したりする 各サービスのデモをマネー
Amazon Transcribe, ChatGPT, Amazon Pollyで作る自動音声対話システム - Qiita
近年、AI技術の進化により、自動音声対話システムがますます注目を集めています。音声入力をリアルタイムでテキストに変換し、AIが適切な応答を生成し、それを音声出力するシステムは、さまざまなシーンで活躍しています。今回、私は AWS の機能と OpenAI API を利用して、このような自動音声対話システムのプロトタイプを構築しました。 このプロジェクトでは、 AI 部分に OpenAI の ChatGPT を使用しました。 ChatGPT は、 OpenAI API を通じてアクセスでき、自然な会話を実現するために特別に設計されたモデルです。また、 Amazon Transcribe を音声認識に、 Amazon Polly を音声合成に使用しました。 本プロトタイプでは、クラウドサービスを利用してマイクロサービスアーキテクチャを採用しています。このアーキテクチャは、システムを疎結合にするこ
Amazon Transcribe が、日本語、韓国語、ブラジルポルトガル語のストリーミング機能に対応 | Amazon Web Services
Amazon Web Services ブログ Amazon Transcribe が、日本語、韓国語、ブラジルポルトガル語のストリーミング機能に対応 Amazon Transcribe は、自動音声認識 (ASR) サービスで、アプリケーションに音声からテキストへの機能を簡単に追加できます。本日、Amazon Transcribe ストリーミングについて、日本語、韓国語、ブラジルポルトガル語のサポートを開始しました。これらの言語のストリーミングトランスクリプションを低レイテンシーで配信するため、アジアパシフィック (東京)、アジアパシフィック (ソウル)、南米 (サンパウロ) リージョンで Amazon Transcribe Streaming のサポートも開始となりました。 Amazon Transcribe は、2020 年 11 月の早い段階でイタリア語とドイツ語のサポートを追加し
Spring BootによるAPIバックエンド構築実践ガイド 第2版 何千人もの開発者が、InfoQのミニブック「Practical Guide to Building an API Back End with Spring Boot」から、Spring Bootを使ったREST API構築の基礎を学んだ。この本では、出版時に新しくリリースされたバージョンである Spring Boot 2 を使用している。しかし、Spring Boot3が最近リリースされ、重要な変...
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
無料で自動文字起こししてくれるMicrosoft製アプリ「Group Transcribe」を使ってみた
マイクロソフト、リアルタイム文字起こし翻訳アプリ「Group Transcribe」をリリース
80カ国語を同時翻訳＋文字起こしをするマイクロソフトの会議用アプリ｢Group Transcribe｣
「日本語音声自動文字起こし」が実用的 Pixel 6とGroup Transcribeを比較
Group Transcribe | Microsoft Garage
「gpt-4o-transcribe」「gpt-4o-mini-transcribe」を試す
Microsoft純正、Wordの文字起こし機能「Transcribe」はどこまで使える？
Amazon Transcribe のパイプラインで中国語学習を加速する | DevelopersIO
Amazon Transcribeをストリーミングで実行する - Qiita
[てっぱんアプリ！] 日本語の文字起こしもOK。多言語の会話の翻訳をリアルタイムに行なえる「Group Transcribe」
![[てっぱんアプリ！] 日本語の文字起こしもOK。多言語の会話の翻訳をリアルタイムに行なえる「Group Transcribe」](https://cdn-ak-scissors.b.st-hatena.com/image/square/608f8c91416c3f16c1641211bc28b64222ea56c6/height=288;version=1;width=512/https%3A%2F%2Fk-tai.watch.impress.co.jp%2Fimg%2Fktw%2Flist%2F1311%2F127%2F000.jpg)
AWSが会話分析のためのAmazon Transcribe Call Analytics APIを発表