音声èªè˜ - Wikipedia音声èªè˜ï¼ˆãŠã‚“ã›ã„ã«ã‚“ã—ãã€è‹±: speech recognition）ã¯å£°ãŒã‚‚ã¤æƒ…å ±ã‚’ã‚³ãƒ³ãƒ”ãƒ¥ãƒ¼ã‚¿ã«èªè˜ã•ã›ã‚‹ã‚¿ã‚¹ã‚¯ã®ç·ç§°ã§ã‚ã‚‹[1]。ヒトã®ï¼ˆå¤©ç„¶ï¼‰éŸ³å£°èªè˜ã¨å¯¾æ¯”ã—ã¦è‡ªå‹•éŸ³å£°èªè˜ï¼ˆè‹±: Automatic Speech Recognition; ASR）ã¨ã‚‚呼ã°ã‚Œã‚‹[2]。 例ã¨ã—ã¦æ–‡å—èµ·ã“ã—や話者èªè˜ãŒæŒ™ã’られる。 音声èªè˜ã¯ã€ŒéŸ³å£°ã«å«ã¾ã‚Œã‚‹æƒ…å ±ã‚’èªè˜ã™ã‚‹ã‚¿ã‚¹ã‚¯ã€ã®ç·ç§°ã§ã‚ã‚Šã€å…·ä½“çš„ã«è§£ã‹ã‚Œã‚‹å•é¡Œã®ä¾‹ã¨ã—ã¦ä»¥ä¸‹ãŒæŒ™ã’られる： Speech-to-Text (STT): å«ã¾ã‚Œã‚‹è¨€èªžæƒ…å ±ã‚’æ–‡å—ã«å¤‰æ›ã™ã‚‹ã‚¿ã‚¹ã‚¯ã€‚ã„ã‚ゆる文å—èµ·ã“ã— ã‚ーワードèªè˜ï¼ˆè‹±èªžç‰ˆï¼‰(KWS): 事å‰ã«è¨å®šã•ã‚ŒãŸã‚ーワードã®å‡ºç¾ã‚’èªè˜ã™ã‚‹ã‚¿ã‚¹ã‚¯ã€‚例ã¨ã—ã¦ã€Œãƒ˜ã‚¤ã€Siri〠音声èªè˜ã‚’サブタスクã¨ã—ã¦å«ã‚€ã‚¿ã‚¹ã‚¯ã«ã¯ä»¥ä¸‹ãŒæŒ™ã’られる： 音声æ“作: 音声ã«ã‚ˆã‚‹ã‚¢ãƒ—リã®æ“作。SST/KWSã§éŸ³å£°æƒ…å ±ã‚’å–り出ã—ã€ã“れをコンピ
{{#tags}}- {{label}}
{{/tags}}