タグ: 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。
Otter.aiがAIによる新しい会議サマリー機能とコラボツールの提供を開始
AIを活用した音声採録サービスOtter.ai（オッターエーアイ）は、コラボレーションを促進するための会議に特化した新機能群をリリースすると、米国時間3月29日に発表した。最も注目すべきは、Otter独自のAIを利用して会議の概要を自動的に作成する「Automatic Outline（自動アウトライン）」機能を新たに追加することだ。この新機能は、録音を聞いたり、議事録全体を読んだりすることなく、会議中に同僚が何を話したかを把握できるようにすることを目的としている。新しい会議サマリーは、プラットフォーム上の「Outline（アウトライン…続きを読む
音声の文字起こし、要約、モデレートを行うオールインワンAPIのAssemblyAIが32.1億円を調達
ここ数年、音声や動画のコンテンツやインターフェースが爆発的に増えているのは明らかだが、それらのメディアを扱う方法はまだ発展途上だ。そんな中、AssemblyAIが2800万ドル（約32億1000万円）の新たな資金調達により、音声解析のための主要なソリューションとなることを目指す。同社の超シンプルなAPIを利用することで、一度に数千の音声ストリームの文字起こし、要約、その他何が起きているのかを把握することができる。 電話や会議がビデオ通話になり、ソーシャルメディアの投稿が10秒のクリップ動画になり、チャットボットが発話し、音声を理解する…続きを読む
RevCommの音声解析AI電話MiiTel、会話におけるネガティブ・ポジティブな感情を可視化する音声感情認識機能を採用
RevComm（レブコム）は2月9日、音声解析AI電話「MiiTel」において、話し手のポジティブ・ネガティブな感情を可視化する音声感情認識機能をリリースしたと発表した。これにより、会話の当事者以外でもクレームなどに気づけるようになるという。 MiiTelは、日本発の音声解析AI電話サービス。電話営業やコンタクトセンター業務などで、会話内容を解析するとともに高精度のフィードバックを行うことで、商談成功率・成約率の向上につなげるというもの。顧客と担当者が「なにを」「どのように」話しているのかわからないというブラックスボックス状態を解消す…続きを読む
EU、マイクロソフトの音声認識技術企業Nuance買収を無条件で承認
欧州連合（EU）の競争当局は、Microsoft（マイクロソフト）が2021年初めに発表した音声認識（文字起こし）技術企業Nurance（ニュアンス）の197億ドル（約2兆2500億円）での買収を全面的に承認した。 EUは12月21日、買収実行にともなうEUでの競争上の懸念はないと結論づけ、条件を付さずに承認したと発表した。 この買収は、11月16日に欧州委員会の規制当局に通知された。 関連記事 ・マイクロソフトが過去2番目規模で文字起こし大手Nuance Communications買収、ヘルスケア分野のクラウドを強化 ・英独禁監視…続きを読む
オーディオを「パーソナライズ」するMimi、Skullcandyなどの本技術搭載ヘッドフォンを徹底検証
音声処理のスタートアップ企業Mimi（ミミ）は、個人に合わせてパーソナライズされた聴覚プロファイルを作ることができると公言している。つまり、音量を大きくすることなく音を聞こえやすくしてくれるというわけだ。難聴予防にもなる他、これによりすでに難聴になってしまった人でも聴力に新たなダメージを与えることなく、コンテンツを聞こえやすくしてくれるのだという。 科学プロジェクトとしての理論は非常にすばらしいのだが、企業としては明らかな問題点がある。その技術が私たちの普段使用する製品に搭載されなければ、単なる学術的なものとして終わってしまう。その技…続きを読む
NVIDIAが多機能でリアルなAIアバター・AIアシスタントが作れるプラットフォーム「Omniverse Avatar」を発表
NVIDIAは11月9日、仮想コラボレーションとリアルタイムシミュレーションのためのプラットフォーム「NVIDIA Omniverse」（オムニバース）上で使えるインタラクティブなAIアバターが作れる機能「Omniverse Avatar」（アバター）を発表した。 関連記事 ハッカーLapsus$はOkta侵入前にSitelのパスワード一覧にアクセスしていた NVIDIAが高性能AIを医療の現場にもたらす、AI搭載の医療機器開発プラットフォーム「Clara Holoscan MGX」を発表 BYDとLucidがNVIDIAの自動運転プ…続きを読む
グーグルが発話障がい者のための音声認識・合成アプリ「Project Relate」をテスト中
Google（グーグル）が、発話障がいがある人たちにコミュニケーション手段を提供するAndroidアプリの開発で、テスターなどの協力者を求めている。Project Relateと名づけられたプロジェクトおよびアプリは、音声の書き起こしと合成を提供し、言葉の理解をサポートする。 関連記事 Birdがニューヨークで電動車いす用アタッチメントをテスト マイクロソフトの「PeopleLens」プロジェクトは視覚に障がいをもつ子どもが社交的ヒントを学ぶ手助けをする 障がい者支援に向けたeラーニングサービスを提供するLean on Meがシリーズ…続きを読む
インドやフィリピンなどアクセントが異なる英語の認識が向上した音声認識モデル「Speechmatics」
ここ数年、スマートスピーカーや運転支援モードの普及に伴って、音声認識は便利なものから重要なものへと変化してきたが、誰の声でも同じようにきちんと認識できるわけではない。Speechmatics（スピーチマティック）は、最も包括的で正確なモデルを持っていると主張する。特に一般的な米国のアクセント以外のスピーチに関しては、Amazon（アマゾン）やGoogle（グーグル）などを凌駕しているという。 関連記事 Otter.aiがAIによる新しい会議サマリー機能とコラボツールの提供を開始 音声の文字起こし、要約、モデレートを行うオールインワンA…続きを読む
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（アップル）は、先に開催したイベントで数多くの興味深い発表を行った。その中で私が特に注目した、かつあまり注目されていないように思えたのが、Apple Musicの新しい料金プランだった。新しい「Voice」プランでは、Apple Musicの全ライブラリを月額5ドル（日本では税込月額480円）という低価格で利用できる。ただし、Siriを使ってアクセスしなければならず、Apple Musicの標準的なビジュアルと入力しやすいアプリ内のユーザーインターフェイスは使用できない。 関連記事 ・アップル発表イベント「Unleashed…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
Clarifai（クラリファイ）は、開発者、ビジネスオペレーター、データサイエンティストの日常に人工知能を導入し、モデル開発の自動化と高速化を実現を目指している。 Matt Zeiler（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同社を創業した。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。 新機能には、自然言語処理、音声認識、スキャン、そして2020年発表した…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
音声認識テクノロジーが、ようやく子どもたちのためにも使えるようになった。 1999年に私がScholastic Education（スカラスティック・エデュケーション）で同僚たちと音読支援プログラムのREAD 180（リード・ワンエイティー）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。 残念ながら私たちのアイデアはテクノロジーの20年先を行っていたので、音声認識機能を省…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。 2020年5月設立のamptalkは、「データによって価値あるアドバイスを」作り出すことをミッションとし、「昨日まで世界になかったチャンスを」作り出すことをビジョンに、「人」だけではできなかったことを成し…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（とはいえ明日のことは誰にもわからないが）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。多くの人がアクセントを補正するトレーニングを受けていいるが、Sanas（サナス）はそれとは違うアプローチを採用するスタートアップだ。同社は音声認識と音声合成を利用して、ほぼリアルタイムで話し手のアクセントを変える。同社はまた550万ドル（約6億1000万円）のシード資金を調達している。…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。 INTERSPEECHは、International Speech Communication Association（ISCA）が主催する国際会議で、2021年は22回目の開催となる。約2000件の投稿から約1000件の論文が採択されている。 採択された…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。 wav2vec 2.0と呼…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。 Hmcommは、「音から価値を創出し、革新的なサービスを提供することにより社会に貢献する」との企業理念の下「音のIoTソリューションの社会実装」を目指す、産業技術総合研究所（産総研）発のスタートアップ。その社名は、「Human Machine Communication」（人と機械のコミュニケーション）に由来する。主なサ…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（アマゾン）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。音声プロフィールによってAlexaは話者を特定するので、デバイスは「Alexa、読書をしよう」というようなリクエストに適切に対応できるようになるのだ。Alexaはリクエストを受けて、Amazonが「Reading Sidekick」と呼んでいる読書仲間エクスペリエンスを開始する。 この機能はAma…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
Microsoft 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。 音声操作機能をオンにすると、Cortanaに次の会議の時間をたずねたり翌週の予定を記入するよう指示ができます。予定を入れる際は招待する人を指名することも可能。また音声でメールに添付ファイルを指定したり、音…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
©SOURCENEXT CORPORATION 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。 同社によると、技術的な内容の詳細については非公開とのことで…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。 議事録自動作成用AIツールは、時間と労力がかかる議事録の文字起こしを、AIが代行してくれるというもの。AIが人の声を認識してテキストデータ化したり、複数の言語間を自動的に翻訳しテキスト化するといった技術の導入が進んでいる。 録音された音声を聞きながら文章として構成するのは楽な作業ではなく、場合によっては聞…続きを読む
近日開催のイベント
