ライブ配信時に聞き逃した方や海外の視聴者さんにとって、字幕があったら便利ですよね。 今回は音声認識を用いて、OBS Studioのリアルタイム自動生成字幕プラグインを作って試してみました。実際にお試し版も公開します。
音声認識技術の究極の目標は「認識率100%」ですが、そう簡単には実現できません。実現できない要因を、話者の特徴・方言などの音響的な観点や、固有名詞・表記ゆれなどの言語的な観点から例を挙げて説明します。
「音声ファイルを音声認識してみたい」という方のために、AmiVoiceを使って簡単に音声ファイルをテキスト化してみる方法について解説しました。開発者用のAPIやプログラムを使っていますが、今回のお試しではプログラミングの知識は不要です。
以前の記事で、AmiVoiceの汎用エンジンと領域特化型エンジンの音声認識精度(音声認識率)の比較をしたところ、AmiVoice VS Google が気になるというご意見を多方面から頂きました。 というわけで、今回は AmiVoice Cloud Platform と Google Speech to Text…
AmiVoice Cloud Platformではソフトウェア開発者のためのクラウド音声認識APIを用途に応じて3種類用意しています(2021年10月現在)。今回の記事ではそれぞれの違いや用途について概要を解説します。
音声認識APIを提供している「AmiVoice Cloud Platform」のAPPKEYの取り扱い方法について、簡単に解説します。APPKEYの仕様を知ることで、あなたのプログラムのセキュリティレベルを一つレベルアップすることが出来ます。
音声認識は難しい技術なので、なかなか認識率100%にはできません。今回の記事では、なぜ音声認識は難しいのか、そしてAmiVoiceではどうやってその難しさに立ち向かっているのかを解説します。