Definition
自動音声認識（ASR）、またはスピーチ・トゥ・テキストは、音声処理の一分野であり、人工知能を活用して音声信号を書き起こしテキストに変換します。現代のASRシステムは、音響モデリングと言語モデリングを組み合わせたディープラーニングアーキテクチャを採用しており、高い精度で雑音環境下での音声認識を実現しています。
Summary
ディープラーニングモデルを使用して、話し言葉をテキストに変換する技術。
Key Concepts
- 音響モデリング
- 言語モデリング
- ディープラーニング
- 文字起こし
Use Cases
- 音声アシスタント（Siri、Alexaなど）
- 動画のライブ字幕生成
- 専門職向けのdictation（口述筆記）ソフトウェア