音声認識

音声認識では、録音した音声や話している最中の音声から、話された言葉を文字に起こします。ディープラーニングの発達で精度が上がり、会議の文字起こし、スマートフォンの音声入力、コールセンターの通話の記録などで使われています。話している人を見分ける機能を備えたものもあります。

業務では、会議の議事録の下書き、電話の応対の記録と分析、現場で手を使わずに行う入力などに使われます。文字にした後、LLMで要約したり、決まった項目を取り出したりすることで、記録の作成や引き継ぎの手間を減らせます。

雑音の多い場所、複数の人が同時に話す場面、方言や専門の用語では、誤りが増えやすくなります。用途に合う精度が出るかを、実際の音声で試してから使います。通話や会議の録音には個人の情報が含まれるため、録音することの説明や、保存の期間も決めておきます。