2018年4月20日、Deep Learning Labが主催するイベント「音声・言語ナイト」が開催されました。Chainerを提供するPreferred Networksと、Azureクラウドを提供するMicrosoftによる、エンジニアコミュニティDeep Learning Lab。今回は、自然言語処理や合成音声など、音声・言語×深層学習の最新事例や知見を発表しました。プレゼンテーション「深層学習時代の自然言語処理ビジネス」に登場したのは、株式会社Preferred Networksの海野裕也氏。自然言語処理技術の最前線と、ビジネスへの転用可能性について語りました。 検索やレコメンドに必要な形態素解析 海野裕也氏（以下、海野）：自然言語処理の研究とは何かといいますと、私みたいな研究をやっている人間からすると、例えば機械翻訳だったり、質問応答みたいな目標があって、その中の技術として、ここ

ああ、忙しい忙しい! ……のっけから泣き事で申し訳ないが、師走を前にしてすでに鬼のような忙しい毎日なのだ。フリーランスの身としては仕事で忙しいのは歓迎すべきことなのだが、こうも忙しいとさすがに何か横着したくなる。 そこでふと思いついたのが、iPhoneの「Siri」を活用して原稿が書けないだろうか、ということだ。 Siriとは、iPhoneやiPad、iPod touchにiOS 5から搭載された音声認識アシスタント機能である。たとえばSiriを起動して「今日の天気は?」と話しかければ、現在地点の天気予報を表示してくれるし、「◯◯にメール」と話しかければメールアプリを起動して、さらに宛先やタイトル、本文まで音声で入力できるという優れものなのだ。

本田技研工業（ホンダ）と同社の北米向け高級ブランドAcuraは現地時間2013年1月31日、米Appleの音声アシスタント機能「Siri」を一部2013年モデルに統合する計画を明らかにした。ディーラーオプションとして、ホンダの中型セダン「Accord」と、AcuraブランドのSUV「Acura RDX」および小型セダン「Acura ILX」にSiriの自動車向け音声制御モード「Eyes Free」を搭載する。 Eyes Freeモードでは、ドライバーが運転中にハンドルから手を離さず、視線を前方からそらすことなく、「ハンズフリー」かつ「アイズフリー」でAppleのスマートフォン「iPhone」（iOS 6搭載）を音声だけで操作できる。 対象のAccordとAcuraでは、iPhoneをハンズフリー操作システム「HandsFreeLink」とBluetooth接続し、車載マイクとスピーカーを通

本連載「Apple Geeks」は、Apple製ハードウェア／ソフトウェア、またこれらの中核をなすOS X／iOSに関する解説を、余すことなくお贈りする連載です（連載目次はこちら）。 UNIX使い向けを始め、Apple関連テクノロジー情報を知りつくしたいユーザーに役立つ情報を提供します。 Siriの近縁? 「Nina」の登場 日本時間の8月7日、音声認識技術で知られるNuance Communications（関連記事）が、音声アシスタント機能「Nina」の開発キット（Nina Virtual Assistant SDK）を提供する方針を発表した。対象プラットフォームはiOSとAndroid、当面は英語（英／米／豪）のみサポートするが、今年後半には他の言語も追加されるという。 なぜアップル以外の企業名がこの連載に?　といぶかしく思った方は、iPhone 4S／iOS 5で登場した「Siri

モバイルアプリで音声入力が普通になる日――ニュアンスコミュニケーションズ：テクノロジー最前線（4）（1/2 ページ） モバイル向け音声認識・音声合成のスピーチソリューションに強みを持つ米ニュアンスコミュニケーションズ。同社がリリースした「Dragon Mobile SDK」は、iOS/Androidアプリケーションにスピーチ機能を簡単に組み込めるとあって、3週間で1200の開発企業、開発者が飛び付いた。モバイルアプリで音声入力が普通になる日も近いか。（編集部） 米国のニュアンスコミュニケーションズ（以下、ニュアンス）は、20年以上にわたって音声認識・音声合成のスピーチ技術を培ってきた専門ベンダである。実際、同社のスピーチ技術は、コンピュータテレフォニー製品で圧倒的なシェアを誇るほか、最近では車載製品や医療機器の組み込み製品にも採用される。車載分野でいえば、フォードモーターがマイクロソフトと

画面に話しかけると3Dの初音ミクがエージェントとなって答えたり踊ったりする――そんな技術が話題を呼んでいる。 名古屋工業大学国際音声技術研究所（代表：徳田恵一教授）では、内部で開発してきた音声合成ツール、音声認識エンジンや3D技術を用い、音声による指示にキャラクターがモーションと音声付きで応答する音声インタラクションシステム構築ツールキット「MMDAgent」を「CEATEC Japan 2010」（10月5日から、千葉・幕張メッセ）で展示する。9月21日夕方にニコニコ動画で展示内容ムービーを公開し、一夜で再生数2万を超える人気を得ている。 名古屋工業大学といえば、楽譜を入力するだけで自然な歌声で歌い上げる歌声合成技術「Sinsy」が昨年末にニコニコ動画で発表されて話題となった。MMDAgentにはこれと共通する技術基盤が使われている。 MMDAgentで使われているテキスト音声合成技術の

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

AI技術を活用したReadSpeakerは グローバル基準の最高品質音声合成ツールです。 45以上の多言語で、肉声のように 感情豊かなAI音声がどなたでも作成可能です。

アドバンスト・メディアは同社の音声認識技術「AmiVoice」を用いて、医療やビジネスソリューション、コールセンター、教育、議事録などさまざまな分野で“音声認識”を浸透させてきた。モバイルでは、同社のらくらくホン向け「音声入力メール」やiPhone向け「音声認識メール」のほか、GoogleもiPhoneやAndroid端末向けに音声検索を提供。音声認識は文字入力に変わる新たなユーザーインタフェースとして身近な存在になりつつある。 音声認識技術は今後どのような進化を遂げ、どのようなビジネスモデルが創出されるのか。同社が1月22日に実施した技術・戦略説明会で、その詳細を明かした。 今後は機械が人間並みのコミュニケーション能力を持つ アドバンスト・メディア 代表取締役会長の鈴木清幸氏は、「これまでの音声認識技術は機械中心だったが、今後は人間中心に回帰する」と話し、現在が転換期であることを示唆した

音声認識技術などの開発を手掛けるカタログ（東京都渋谷区）は2009年11月11日、音声入力による投稿が可能なiPhone用Twitterアプリ「しゃべったー」の無料提供を開始する。既にアップルの「App Store」への登録申請を終えており、11日からApp Storeで入手可能になる予定。音声認識技術を利用したTwitter専用アプリは日本国内では初めてとなるという。 しゃべったーは、アプリを起動して投稿したい内容を録音すると、しゃべったーのセンターで文字に変換し、自分のiPhoneから投稿できる。カタログは音声認識精度を上げるために、Twitterの最新投稿2000万件以上を収集して、単語辞書や認識メカニズムを作成した。そのため「渋谷なう」（今渋谷にいます）のようなTwitter独特の表現や、流行の言葉も認識できるという。 音声認識の精度は一般には7～8割で、静かな環境で話者の滑舌が良