Windows標準音声認識の正しい実力評価テスト(2)

トップ＞ Windows標準音声認識の正しい実力評価テスト(2)

前回、Windows標準音声認識で変換テストを２回行った際、使えないほどひどくはなかったですが、誤認識が何箇所か発生していました。

今回、Windows標準音声認識は、素晴らしい性能の音声認識であるということと、性能が悪いと評価されていた音声辞書は、実は性能は悪くないということを証明するため、誤認識ゼロにトライしてみることにしました。

その実験の経過を、細かくレビューしていきたいと思います。

【１回目】
①全文書き起こし → 全文化き起こし
②シェアする　　 → し合する
③記事は　　　　 → 知事は
④編集　　　　　 → 研修
⑤カタチ　　　　 → 形
⑥そこをあえて　 → 粗鋼あえて
⑦話　　　　　　 → 話し

【２回目】
①シェアする　　 → 視野する
②カタチ　　　　 → 形
③そこをあえて残し → 粗鋼相手の腰
④話　　　　　　 → 話し

【今回の対応】
・１回目だけ誤認識した①、③、④、⑥については、よりクリアな読み方をするようにして対応します。

・２回とも誤認識した「シェア」については、音声辞書登録をしておきます。

・誤認識といえない⑤については、むしろ通常は「形」で変換されるべきなので、「カタチ」が「形」と変換されるのは良しとして、今回は特に対策はしません。

・最後の⑦については、「話」と変換されても「話し」となっても間違いではないのですが、今回は「話」を優先させるべく辞書登録したいと思います。

　②、⑦　　　　　→　音声辞書登録
　①、③、④、⑥　→　読み上げ方で対応する
　

課題文：
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
ログミーとは、スピーチや対談、セミナーなどの内容を全文書き起こし、
ログ化することで、価値あるコンテンツをより多くの人にシェアする
新感覚メディアです。

ログミーの魅力は、何といっても「全文書き起こし」です。
通常、メディアなどに掲載される記事は「編集」というカタチで、
必要に応じて内容の一部をカットすることがあります。

ログミーではそこをあえて残し、「ありのまま」を見せることで、
話の内容はもちろん、その場の雰囲気や事実を伝えています。
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー

認識結果：
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
ログミーとは、スピーチや対談、セミナーなどの内容を全文書き起こし、
ログ化することで、価値あるコンテンツをより多くの人にシェアする
新感覚メディアです。

ログミーの魅力は、なんといっても「全文書き起こし」です。
通常、メディアなどに掲載される記事は「編集」という形で、
必要に応じて内部の一部をカットすることがあります。

ログミーでは粗鋼相手の腰、「ありのまま」を見せることで、
話の内容はもちろん、その場の雰囲気や事実を伝えています。
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー

問題点：
①「編集」について、
左かぎ → 編集 →右かぎ　と読み上げ、編集を単独で読み上げると、メモ帳の編集コマンドがクリックされて、プルダウンメニューが開いてしまう。

「編集する」というような読み上げだと、誤認識とはならずＯＫなのですが・・。
「編集」だけで辞書登録してしまうと、今度はメモ帳の「編集」コマンドが反応しなくなるので、これは止めることにしました。

結局、「編集」と単独では入力せず、一旦「編集する」と入力してから「する」を「バックスペース」「バックスペース」とし、２文字戻して対応しました。

②「そこをあえて残し」については、
読み上げ方を注意しても「粗鋼相手の腰」となって誤認識されてしまう。

ここは、「そこを」と「残し」は誤認識されないため、誤認識の原因となる「あえて」を音声辞書登録することにしました。

その結果、
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
ログミーではそこをあえて残し、「ありのまま」を見せることで、
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
というように、正しく変換することができました。

以上の結果を反映させた３回目のテスト結果は、誤認識ゼロのパーフェクトな結果となりました。

このように「ものは使いよう」とのことで、Windows標準音声認識も多少のコツはありますが、マイクのセッティングさえ間違っていなければ、十分、文字起こしソフトとして活用することができるということです。

３回目の認識結果：
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
ログミーとは、スピーチや対談、セミナーなどの内容を全文書き起こし、
ログ化することで、価値あるコンテンツをより多くの人にシェアする
新感覚メディアです。

a:2172 t:1 y:0

音声認識で広がるインターネットライフ！