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。
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。 調達した資金により、コネクテッドワーカーソリューションによる現場DXを加速する。日本および海外におけるソリューション提供体制をより一層…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。 TiVoは以前にAlexaの音声認識サービスを使用していたが、2020年にひっそりと廃止されていた。新しい音声認識機能がAlexaに代わって搭載されることになる。 TiVoは2年ほど前にはAlexaの統合に相当な力を入れていた。Pindropのサービスへの切り替えは、音声対応サービスには堅調な市場があり、Amazon（アマゾン）…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
数年前、Serenade（セレネード）の共同創設者Matt Wiethoff（マット・ウィートホフ）氏がQuora（クオーラ）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Tommy MacMilliam（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。 米国時間11月24日、同社はAmplify PartnersとNeoの主導による210万ドル（約2億2000万円…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。そんな中の米国時間9月22日、マイクロソフトはIgniteカンファレンスで、ビジネスユーザー向けのCortanaの新サービスを発表した。 その中には、同社が複数のハードウェアベンダーと提携して販売する…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
Amazon（アマゾン）はAlexa（アレクサ）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（未訳記事）、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。例えば、明かりを消し、リラックスできる曲を流し、ドアに鍵をかける、という動作を「Alexa, goodnight」（アレクサ、おやすみなさい）のひと言で実行できる。朝のルーチンなら、ニュース見出しを読み、天気予報を見て、スマートコーヒーメーカーのスイッチを切るという具合だ。このほど同社は、ほかの人と好…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
著者紹介：Patricia Scanlon（パトリシア・スキャンロン）博士：SoapBox Labs（ソープボックス・ラボ）の創業者兼CEO。ダブリンに本拠を置く同社で、安全かつセキュアな子供向けの音声認識テクノロジーを開発している。2018年、 Forbes Top 50 Women（フォーブス・女性トップ50）の1人に挙げられた。 ーーー 新型コロナウイルスの感染蔓延前、新規のインターネットユーザーの40%以上は子供たちだった。現在推定で子供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歳以下の子供に…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（マイクロソフト）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機能「Transcribe in Word（トランスクライブ・イン・ワード）」を開始（Microsoftブログ）したことを発表した。現在、この機能は、Word（ワード）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。さらに、新しい音声認識機能もWordに追加された。例えば、文章のフォーマット調整や編集が声でできるようになる。 その名前が示すとおり、この新機能は会話を文字に変換してくれる…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
TikTokをはじめとするショートムービーアプリの台頭には、音楽が中心的な役割を果たしている。この人気の高まりの中で果実を収穫しようとしているのは、ショートムービープラットフォームばかりではない。音楽の著作権を持つ人たちも、ユーザーが作ったちょっとしたショートムービーに使われている無数の音楽から、利益を引き出そうとしている。 著作権のある音楽を検出するには、レコードレーベルであれパブリッシャーであれ、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現在はApple（アップル）が所有するShazam（シャザム…続きを読む
マイクロソフトやアマゾンが音声認識チップの新興メーカーSyntiantに出資
Microsoft（マイクロソフト）のベンチャーキャピタルであるM12が南カリフォルニアのアーバインに本拠を置く音声認識のチップメーカーであるSyntiantの資金調達ラウンドをリードした。参加した投資家には著名なベンチャーキャピタルが多数含まれている。Syntiantは音声認識の半導体の新興メーカーだ。 SyntiantのCEOであるKurt Busch（カート・ブッシュ）氏は「我々は機械学習を利用した専用プロセッサーを作っている。最初に出荷したのはバッテリー駆動で常時動作するデバイス向けの音声認識チップだ」と述べた。 ブッシュ氏に…続きを読む
アップルとカーネギーメロン大学が聞いて学ぶシステムを公開、よりスマートな家電開発目指す
Apple（アップル）とカーネギーメロン大学のHuman-Computer Interaction Institute（ヒューマン・コンピューター・インタラクション研究所）の研究者で作るチームが、周囲の音を聞いて学ぶ埋め込み型AIのためのシステムを披露した。トレーニング用のデータを事前に準備したり、学習プロセスを監督する大きな負担をユーザーにかけたりする必要がない。全体的なゴールは、スマート家電がもっと簡単に文脈や状況の把握をできるようにして、応用の幅を広げることだ。 彼らがListen Learner（聞いて学ぶ者）と名付けたこのシ…続きを読む
会議や講演の音声をAIで自動的に文字起こしする「Smart書記」が8500万円を調達
会議や商談、インタビュー、記者発表などにおける会話や音声をテキストに変換したいと思った場合、ICレコーダーやスマホのボイスレコーダーアプリなどを使って録音し、人力で文字起こしをすることが多いのではないだろうか。 一方でエピックベースが手がける「Smart書記」は、AI音声認識技術を用いてマイクが拾った音声をリアルタイムに自動で文字に起こす。ユーザーはその内容を基に編集を加えるだけでいいので、ゼロから文字起こしをしていた時に比べて手間が少ない。 Smart書記は電子書籍の流通事業などを手がけるメディアドゥの新規事業として2018年6月に…続きを読む
音声アシスタントの聞き取り精度を大幅に向上させるAudioTelligenceの「音の自動焦点」機能
ケンブリッジ大学の資金援助で設立されたスタートアップAudioTelligence（オーディオテリジェンス）は、「音の自動焦点」機能でシリーズA投資850万ドル（約9億2000万円）を獲得した。 このラウンドはOctopus Ventures（オクトパス・ベンチャーズ）が主導し、以前の投資者であるCambridge Innovation Capital（ケンブリッジ・イノベーション・キャピタル）、Cambridge Enterprise（ケンブリッジ・エンターブライズ）、CEDAR Audio（シーダー・オーディオ）が参加している。 …続きを読む
AIを使った音声テキスト変換アプリOtterがNTTドコモなどから戦略的投資10億円獲得
AIを使った音声のテキスト変換アプリであり会議メモ担当者の友、Otter.ai（オッター・エーアイ）は、日本の大手モバイル通信業者であり新しいパートナーとなったNTTドコモから戦略的投資を受けた。この2つの企業は、共同でOtterを日本市場に送り込む計画を立てている。ドコモは、Otterを独自のAIベースの翻訳サービス子会社Mirai Translation（みらい翻訳）と統合して、正確な英語の書き起こしと、日本語への翻訳を行う予定だ。 この投資は、ドコモの100パーセント子会社であるNTTドコモ・ベンチャーズによるものだが、その額は…続きを読む
自然言語理解APIを開発するヘルシンキの「Speechly」が2.4億円を調達
音声認識と「自然言語理解」の経験豊かな専門家チームを誇るヘルシンキのスタートアップ「Speechly」（スピーチリー）が、200万ユーロ（約2億4000万円）のシード資金を調達した。この資金で、開発者がプロダクトに音声UIを簡単に組み込めるようにしていく。 このラウンドはベルリンのCherry Venturesが主導し、Seedcamp、Quantum Angels、Joyance Partners、Social Starts、Tiny.vc、King.comにエグジットしたNonstop Gamesの共同創業者であるJuha Paa…続きを読む
2020年はAI利用の対話型音声広告がブレーク、Instreamaticに注目
テクノロジー界ではAlexaとGoogle Homeデバイスが登場して音声時代が本格的にスタートしたと見られている。2020年には検索の半分がスマートアシスタントなどを利用した音声になると推定されている。若い世代ほど音声検索を使う、ある調査ではティーンエージャーの55%が毎日音声検索を利用していることを考えればこのトレンドは進行する一方だ。 TechchCrunchでは2年前に「2022年までに米国だけでもスマートアシスタントの普及は世帯の55%に達する」というレポートを紹介した。このことは音声によるオンラインショッピングのマーケット…続きを読む
Pandoraが対話できる音声認識広告のテストを開始
音楽ストリーミングサービスを運営するPandora（パンドラ）は、リスナーの声に反応する新型広告のテストを開始した。この新しい広告では、質問の後に音が鳴り、リスナーは「イエス」と答えるよう促される。その後、広告は質問に即した製品やブランドの詳細を説明する。 この広告のテストに参加する最初の広告主には、Doritos（ドリトス）、Ashley HomeStores（アシュレイ・ホームストア）、Unilever（ユニリーバ）、Wendy’s（ウェンディーズ）、Turner Broadcasting（ターナー・ブロードキャスティング）、Co…続きを読む
GoogleのAI音声認識の自動文字起こしがPixel 3/3aでも利用可能に
Pixel 4が発表された10月のGoogleのハードウェアイベントで強く印象に残ったデモが、AI音声認識を利用した自動文字起こしアプリだ。このRecorderアプリは最新のAIテクノロジーを利用してユーザーの音声を聞き取り、リアルタイムでテキストを生成するもので驚くほど誤りが少なかった。残念なことにこの時点ではRecorderは新しいPixel 4専用のアプリだった。 Android Policeが発見したところによれば、RecorderはPixel3/3aなど以前のPixelデバイスのユーザーにも利用可能になっているという。このア…続きを読む
GoogleがProject Euphoniaの包括的な音声認識を支えるAIの詳細を発表
アクセシビリティに向けた新たな取り組みの一環として、Googleは5月のGoogle I/OでProject Euphonia（プロジェクト・ユーホニア）を発表した。これは標準的ではない発声を行う人や、障害を持つ人の発話を理解する音声認識を開発しようとする試みである。同社は、この新しい機能を可能にしてくれるAIの一部を説明する投稿とその論文を公開した。 問題を理解することは簡単だ。筋萎縮性側索硬化症（ALS）などの変性疾患によって生じる運動障害を持つ人の話し声は、単純に既存の自然言語処理システムでは理解されないのだ。 その様子は、自ら…続きを読む
グーグルがコンタクトセンターの音声技術をアップデート
昨年6月にGoogle（グーグル）は、企業が自社のコンタクトセンターをもっと有効利用できるためのAI製品「Contact Center AI」を発表した。Contact Center AIはGoogleのさまざまな機械学習ツールを使って仮想エージェントを作り、エージェントの仕事を助ける。米国時間7月24日に、同社はこのツールのアップデートをいくつかローンチし、その中には特に音声認識機能の改良がある。 Googleによると、同社の自動化音声認識サポートは精度がとても高く、市販製品を導入した顧客がよく不平を言うノイズの多い電話でも正しく解…続きを読む
GoogleのProject Euphoniaは発話障がい者の話し言葉の認識を目指す
発話障がいのある人は、AIを活用した音声認識テクノロジーを利用できない。Googleはこの課題に挑んでいる。 5月に開催されたGoogle I/Oで、GoogleはProject Euphoniaを公開した。これは発話障がいのある人などさまざまなタイプの話し言葉をAIによって認識できるようにしようというプロジェクトだ。 GoogleのCEO、Sundar Pichai（サンダー・ピチャイ）氏はGoogle I/Oで次のように語った。「発話障がいのある人や脳卒中の後遺症で発話に影響を受けている人、ALSの人たちをサポートしたいと考えてい…続きを読む
近日開催のイベント
