音声認識APIで使える話者ダイアライゼーション (Speaker Diarization)の解説です。複数人が話している音声に対して、話者ごとに発話区間を推定する機能です。利用方法や精度向上のヒントを説明します。
この記事では、非同期HTTP音声認識APIを利用してバッチ認識ができるWatchOSアプリのご紹介をします。
音声認識を使っていて、喋った単語がうまく認識されない経験は多くの方にあると思います。AmiVoiceではそういう時のために単語登録機能があります。今回はAmiVoiceの単語登録機能について、仕組みやコツなどを詳しく説明します。音声認識ならではのクセを理…
今年最後の投稿になります。2021年に投稿された記事の中で閲覧数が多かった記事をランキング化してご紹介します。
APIクライアントアプリInsomniaから、AmiVoice Cloud Platform (ACP) のHTTP音声認識APIを試す!
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。