音声認識 / Voice Recognition（用語）
人間の声などをコンピュータに認識させて、言葉を文字列に変換したり、発声している人を識別する技術。
-
安価なApple Music VoiceプランはSiriの改良を進める作戦である可能性が高い
Appleは、「Voice」プランを開始する理由を明らかにしていないが、iPhoneメーカーとしては、音声アシスタントの学習と改良のために音声データをより多く収集したいため、価格の障壁を低くして、より多くの人にSiriを使ってもらおうとしているのではないかと推測するのが妥当だと思う。 続きを読む
-
コンピュータービジョンにとどまらず企業の非構造化データを管理するClarifaiが68億円調達
マット・ザイラー氏は2013年、ニューヨークを拠点とし、コンピュータービジョンに特化したClarifaiを創業した。2016年の3000万ドル（約34億円）のシリーズB以来、画像、ビデオ、テキスト、オーディオデータファイルといった企業の非構造化データを対象とした新機能や製品を展開している。 続きを読む
-
-
【コラム】音声認識が子供のために使えるようになった、今こそ活用する時だ
1999年に私がScholastic Educationで同僚たちと音読支援プログラムのREAD 180を作ったときは違っていた。当時私たちは音声対応アプリの導入を考えていた。子どもがコンピュータープログラムに向かって読むと、流暢さと識字能力をリアルタイムでフィードバックする。そして教員は生徒の進歩状況を受け取る。 続きを読む
-
Zoom商談を書き起こしSalesforceに自動入力するオンライン商談自動化ツール「アンプトーク」が発売開始
amptalkは9月6日、オンライン商談自動化ツール「アンプトーク」の発売を9月1日より開始したと発表した。また2021年5月、ジェネシア・ベンチャーズ、モバイル・インターネットキャピタルより、シードラウンドにおいて約1億円の資金調達を実施したと明らかにした。調達した資金は、今後のプロダクト開発・販売の為の人材の採用に活用する予定。 続きを読む
-
円滑なカスタマーサービスのために、あるアクセントをリアルタイムで別のアクセントに変換させるSanas
カスタマーサービス産業では、アクセントが仕事のさまざまな側面を左右する。本来アクセントには「良い」も「悪い」もないはずだが、現在のグローバル経済では、米国人や英国人のアクセントのように聞こえることには価値がある。 続きを読む
-
-
LINEの論文6本が世界最大規模の音声処理関連国際学会「INTERSPEECH 2021」で採択
LINEは8月30日、世界最大規模の音声処理に関する国際会議「INTERSPEECH 2021」において、国内トップクラスとなる6本の論文が採択されたことを発表した。これらの論文は、8月30日より9月3日にかけてオンライン開催される「INTERSPEECH 2021」で発表される。 続きを読む
-
東京大学齊藤研究室とバベルがAIエンジニアコミュニティ設立、wav2vec 2.0利用し日本語関連OSSプロジェクト開始
AIオートメーション技術を軸にグローバルで事業展開を行うバベルは8月24日、東京大学大学院工学系研究科齊藤研究室（東京大学 齊藤研究室）と、誰でも参加可能なAIエンジニアコミュニティ「AI Automation Lab」（AIオートメーション・ラボ）を設立。日本語学習済みAIモデルのオープンソースソフトウェア（OSS）化を前提とする日本語音声書き起こし・会話の解析技術の共同研究を開始したと発表した。ベースとなるモデルとして、音声認識フレームワーク「wav2vec 2.0」を利用し、日本語に合わせて調整する。 続きを読む
-
異音検知プラットフォームや議事録自動作成システムを手がける音声認識AIスタートアップ「Hmcomm」が4.2億円調達
Hmcomm（エイチエムコム）は8月10日、シリーズC追加ラウンドとしての第三者割当増資と金融機関からの融資による合計4億2000万円の資金調達を発表した。引受先は、J＆TC Frontier、協和、芙蓉総合リース。 続きを読む
-
-
アマゾンがAlexaで利用できる子供向けの「読書仲間」と音声プロフィールを公開
米国時間6月29日、AmazonはAlexaを子どもの読書仲間にする新機能と、家中の全Echoデバイスで子どものAlexaエクスペリエンスをパーソナライズする音声プロフィールのサポートを発表した。この2つの機能は連携して動作する。 続きを読む
-
iOS版Outlookの音声操作がMicrosoft Graphにより強化、口述筆記や音声でスケジュール追加などが可能に
マイクロソフトのメール・情報管理アプリOutlookは2019年に音声AIアシスタントCortanaに対応し、音声で着信箱の新着メールチェックができるようになりました。それから遅れること2年、マイクロソフトはiOS版のOutlookに、音声操作で電子メールの読み上げや会議予約機能または検索機能などを追加しました。 続きを読む
-
AI翻訳機「ポケトーク」が音声を翻訳し本体とウェブブラウザーに文字表示を行う「ハンズフリー翻訳（β版）」を新搭載
AI（人工知能）翻訳機の「ポケトーク」を手がけるソースネクストは、「ポケトーク W」、「ポケトーク S」、「ポケトーク S Plus」に「ハンズフリー翻訳（β版）」を追加しました。ハンズフリー翻訳（β版）は、リアルタイムでポケトークから音声をクラウドサーバに送り、クラウドサーバから翻訳結果をポケトーク本体や専用サイトに配信する仕組みです。専用サイトのURLやパスワードなどを相手に伝えることで、翻訳内容を共有することも可能です。 続きを読む
-
-
議事録自動作成用AIツール26種類をまとめた「議事録作成AIカオスマップ」が公開
人工知能（AI）を搭載したサービスの資料請求ができるAIポータルメディア「AIsmiley」を運営するアイスマイリーは3月8日、議事録自動作成用AIツールをまとめた「議事録作成AIカオスマップ」を公開した。掲載数は合計26サービス。 続きを読む
-
現場状況を遠隔地と共有可能な「コネクテッドワーカーソリューション」のフェアリーデバイセズが10.2億円調達
現場作業の内容・状況をリアルタイムに遠隔地と共有可能できる「コネクテッドワーカーソリューション」を手がけるFairy Devices（フェアリーデバイセズ）は2月24日、シリーズBラウンドにおいて、総額約10億2000万円の資金調達を発表した。引受先および借入先は、商工組合中央金庫、DG Daiwa Ventures、みずほ銀行、りそな銀行、信金キャピタル、ダイキン工業、ユナイテッド、横浜キャピタル。 続きを読む
-
Pindropとの連携でデジタルレコーダーのTiVoに音声認識機能が帰ってくる
TiVoのデバイスに新しい音声認識機能が搭載される。これはアトランタを拠点とするスタートアップでコンシューマデバイス用の音声認識とパーソナライズ技術を提供するようになったPindropとの連携によるものだ。 続きを読む
-
コーディングは口述の時代へ、Serenadeが2.2億円のシード投資を調達
Serenadeの共同創設者マット・ウィートホフ氏がQuoraの開発者だったころ、手が反復性のストレス障害と診断され、プログラムコードのタイピングができなくなった。そこで彼ともう1人の共同創設者トミー・マクミリアム氏は、AIを使って手を使わずに口述でコードが書けるツールを開発しようと決意。そうしてSerenadeが誕生した。 続きを読む
-
マイクロソフトがビジネス向けCortana新機能を発表、iOS版Outlookはメール音声読み上げや各種操作が可能に
Cortana（コルタナ）はコンシューマー向けの音声バーチャルアシスタントとしては失敗したかもしれないが、Microsoft（マイクロソフト）はMicrosoft 365の一部として「パーソナル・プロダクティビティ・アシスタント」として再ブランド化し、ビジネスの現場ではCortana、あるいは少なくともそのブランドが存続することになった。 続きを読む
-
アマゾンAlexaの「ルーチン」を家族や友人などと共有可能に、サードパーティーも共有可能ルーチンを提供
アマゾンはAlexaデバイスのユーザーがもっとルーチンを使いやすくなる機能を提供する。ルーチンは数年前からある機能で、Alexaユーザーは複数のタスクをまとめて自分で選んだコマンド1つで実行できる。 続きを読む
-
子供の言うことが理解できない音声アシスタントは授業での使用は困難
パンデミック発生前、新規のインターネットユーザーの40%以上は子どもたちだった。現在推定で子どもたちのスクリーンタイム（画面を見ている時間）は60%以上長くなっており、12歳以下の子どもについては、1日あたりのスクリーンタイムが5時間を超えている。（これにはメリットもあるが同時に危険性も伴う） 続きを読む
-
マイクロソフトがウェブ版Word用の音声文字起こし機能と音声認識機能を提供開始
Microsoftは米国時間8月25日、Microsoft 365の利用者全般に向けた新しい音声文字起こしサービス「Transcribe in Word（トランスクライブ・イン・ワード）」を開始したことを発表した。現在、この機能は、Wordのオンライン版で使用できる。他のプラットフォーム用のものは、後日追加される。 続きを読む
-
ショートムービーから著作権音源を自動検出する技術を擁する中国のACRCloud
著作権のある音楽を検出するには、音響指紋と呼ばれる技術に頼らざるを得ない。現在、そのツールで先駆者的な存在はAppleが所有するShazamだ。北京とデュッセルドルフに拠点を置く創設5年目のスタートアップACRCloudは、Audible MagicやNielsenが所有するGracenoteなどと競合しながら、このサービスを提供している。 続きを読む
