大語彙連続音声認識エンジンJuliusで遊んでみました。動作環境はMac OS X Mountain Lionです。 準備 コンパイラはXcodeでインストールしたgcc（2013/1/13）を使用しました。 また、Macで動かす場合はPortAudioというライブラリも必要みたいなので、macportsであらかじめインストールしておきました（というか何か別のプロジェクトでインストール済みだった）。 % port installed portaudio The following ports are currently installed: portaudio @19.20111121_4 (active) julius本体のインストール Juliusのプロジェクトページからjulius-4.2.3.tar.gzをダウンロードします。サイトの右の方のQUICK DOWNLOADからダウンロ

Siriが日本語に対応したから早速遊んでみた!! 「新しいiPad」の発表に合わせて、日本語版「Siri」も提供が開始された。iOS 5.1にアップグレードすると、iPhone 4Sでのみ利用可能になる。細かいアップデート情報などは、きっとほかのライターさんがやるので、この記事では音声アシスタント機能「Siri」さんと遊んでみたインプレッションをお届けしよう。 「新しいiPad」でも搭載されるという、だいぶ遊べるというか、ものすごくお利口なSiriさんは、アップルのサイト上のPVもを見てもわかるとおり、メール送信や電話発信といったことは、英語版同様に楽々こなしてくれるのだ。 イントネーションがフリーダムで 認識性能がスゴイ まず驚くのは、日本語認識精度の高さだ。多少イントネーションがおかしくても認識してくれるし、「理解できません」というわりには、ちゃんと話した言葉を表示してくれている。たと

わたしのiPhone4Sは２度の交換ですでに３台目。しかしバッテリーの持ち度が初代を１とすると２代目は10、３代目は５くらいで、なんでこんなにばらつきがあるのか、ジョブズが一線を退いてからApple社内はたるんでいるんじゃないかと疑っているこの頃。OS5.0.2が出てもこのバッテリーの持ち具合ならまたクレームだと虎視眈々と待ち受けています。へたに２代目がフツーだったので差をはっきり感じるのだ。 そんな中、スマホ全体に言えることだが、とにかくソフトウェアキーボードがたるい。iPhone3G、3GS、4、4Sとずっと使ってきた自分が、３行以上のメールはかったるくて打つ気がしないくらいだから推して知るべし。３行以上の返答しないといけないときはMacBookAirだして立ち上げないといけないわけですよ、コノヤロー。 しかし、だ。 数日前に面白半分に大枚85円で購入した「音声認識メールクラウド」って

Amazonが2カ月前に音声文字変換の新興企業Yapを買収していたことが、新しい提出書類によって明らかになった。 The Atlanticは米国時間11月9日、米証券取引委員会（SEC）に提出された書類（PDFファイル）を根拠として、AmazonによるYap買収を報じた。この買収は9月に実施されたが、そのときは正式に発表されなかった。 同書類にAmazonの名前は出てこないが、The Atlanticは「存続会社」の住所がシアトルにあるAmazon所有の建物であることを突き止めた。 Yapは2007年、音声命令を文字に変換するテクノロジによって、その名を知られるようになった。同サービスは当初、テキストメッセージを頻繁に利用するティーンエイジャーをターゲットにしていたが、その後規模を拡大し、ボイスメッセージを文字に変換する携帯電話向けボイスメールサービスを提供するようになった。Yapは米国時

日本にもすでに iPhone 4S を入手した人は沢山いると思うが、日本語のSiriは来年まで待たなければならないそうだ。そこで今日は、その時になればどんなことが実現されるのかの予告編として、米国（シアトル）での使い心地を電話帳を中心に実例で示してみる。 まずは、"Japanese Restaurant（日本食レストラン）" と言ってみる。 近いところにある日本食レストランを教えてくれる。レストランを選んでタップすると、地図上にレストランが表示され、そこから道順を調べたり、電話をかけることができる。 つぎに、"Call Japanese restraunt (日本食レストランに電話して）"と言ってみる。 同じく近くのレストランが表示されるが（なぜリストが異なるかは不明）、今度はレストラン名をタップすると、地図には飛ばずに、直接電話してくれる。とても便利だ。 そこで "Direction t

iOSの次期アップグレードで音声コントロールにインテリジェント機能が加わるのではないかといううわさが浮上している。次期iOSは6月に開催予定の開発者向けイベントWorldwide Developers Conference（WWDC）で発表されるのではないかと期待される。 米国時間3月28日のTechCrunchによると、Appleは2010年4月に買収したSiriの技術の統合を計画していて、開発者向けにAPIが用意される可能性もあるという。 Siriは、自然言語処理、セマンティックウェブ検索、音声認識技術を組み合わせて音声クエリをウェブ検索ベースのタスクに変換する。同社が仮想アシスタントと呼ぶこの技術はスタンドアロンのiPhoneアプリケーションとしても提供されている。 音声コントロールはiPhone 3GS登場以来、iOSの一部としてサポートされている。 ◇Worldwide Deve

Posted by Ciprian Chelba, Research Scientist About three years ago we set a goal to enable speaking to the Google Search engine on smart-p...

米Googleは1月31日、ネット接続が遮断されているエジプトでも、音声回線を使ってTwitterに投稿できる「speak2tweet」を立ち上げた。 エジプトではインターネット接続がほぼ全面的に停止されているが、音声通話は可能だ。speak2tweetでは、所定の電話番号（+16504194196、+390662207294、+97316199855）に電話をかけてボイスメールを送ることで、#egyptのハッシュタグ付きでメッセージを投稿できる。投稿されたメッセージは、上記の電話番号に電話をかけるか、speak2tweetで聞くことができる。 このサービスはGoogle、Twitter、先にGoogleが買収した音声プラットフォームSayNowの協力で開発された。 インターネット遮断の前は、アラブのネットメディアAl Jazeeraが、ソーシャルメディアへのアクセス遮断に対抗し、Skyp

ドットインストール代表のライフハックブログ

Microsoftは、自社の音声プラットフォームをもう少し決定的なものにしたいと考えている。 Microsoftの音声技術は長年にわたって、人が何を話しているのかを理解する能力を高め、同時に、音声による検索やコマンドを携帯電話以外のデバイスでも行えるようにしてきた。しかし、同じくらい重要な要素が欠けていた。それは、言葉の意味やその背後にある文脈をより深く理解することだ。 そのためにMicrosoftは、「会話理解（Conversational Understanding：CU）」と呼ばれる技術の構築に取り組んでいる。CUは、音声、辞書、文法構造、機械学習を組み合わせて、ユーザーが話していることをよりよく理解し、システムが意味や文脈をすべて考慮した答えを出せるようにしようというものだ。 Microsoftの製品やサービスで、これを実現したものはまだ登場していない。しかし、Microsoftの

カリフォルニア州マウンテンビュー発--GoogleのMike Cohen氏は、コンピュータを声で操作しようとする誰もが、ひどい音声翻訳に笑ったり不満のため息をついたりせずに済むようになるまで満足しないだろう。 音声技術分野の第一人者であるCohen氏は、音声技術を可能な限り多くの製品に導入しつつ科学として進歩させるというGoogleの取り組みの責任者を務めている。同氏は米CNETとの先日のインタビューで、音声技術の分野でGoogleが目指すものについて語り、「Googleの使命は世界の情報を整理することであり、世界の情報の多くは話し言葉であることがわかっている」と述べた。 Googleは、コンピューティングの世界はモバイルデバイスやブラウザベースのアプリケーションにシフトしつつあるという同社の展望に沿った形で、音声認識技術を生み出そうとしている。つまり、負荷の高い処理はデータセンターで実行

『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day

Googleは6月8日、「Science of Search - 検索の科学」と題したイベントを開催した。同社の検索サービスのエンジニアが多数来日し、最新の状況について講演した。 話題の中心はGoogleが考える未来の検索だった。エンジニアリング リサーチ上級副社長のAlan Eustace氏は、携帯電話での会話をリアルタイムで翻訳するようなサービスがいずれ登場するだろうという見通しを述べた。 「まもなく携帯電話を通して話した言葉がほかの国の言葉にリアルタイムで翻訳される機会がやってくる。Googleがこの5年間で実現する」（Eustace氏） 携帯電話に検索クエリを話しかけることで検索できる「Google音声検索」というサービスがある。Eustace氏は開発の段階では実現不可能だと考えていたという。 「しかし私は間違っていた。データの力、マシンの力、科学者の力がそれを実現した」とEust

ちょっと最近改めてGoogleってすごいなと思ったので、まぁ、もう聞き飽きたネタかと思いますが、たまにはGoogleの話を。 YouTubeの黒字化は達成済み説 第27夜のポッドキャストでも述べたのですが、YouTubeが単年度で黒字化したのはどうも間違いなさそうです。ネタ元は以下などに列挙されています。 http://it.blog-jiji.com/0001/2009/11/youtube-9a82.html 黒字化の理由ですが、YouTubeにがっつり半透明の広告が設置されるようになったなどの広告の強化に加えて、多くの人々が予想していた動画ビジネスはその配信コストをまかなうことが広告収入からは出来ないといった予測に対して、Googleがあっさりとその上を行ったという点が上げられます。というのも、現状Googleが動画配信に必要な配信コストが劇的に下がっているのです。Googleが海底