AIF / ドメイン1 AIとMLの基礎
Amazon Transcribe
は、音声を文字に変換する音声認識のです。 会議の記録、コールセンターの通話分析、動画の字幕作成などに使います。
概要
音声ファイルまたは音声ストリームを入力すると、文字起こしの結果をテキストとして返します。 話者の区別や時刻の情報も付けられるため、後続の分析や字幕表示に利用できます。
試験では、音声からテキストへの変換は、テキストから音声への変換はという対応で判断します。
主要技術
①バッチ処理とリアルタイム処理
| 方式 | 内容 | 向く要件 |
|---|---|---|
| バッチ文字起こし | 上の音声ファイルをまとめて処理します。 | 録音済みの会議や通話の処理 |
| ストリーミング文字起こし | 音声を流しながら逐次テキストを返します。 | 会議中の字幕表示、通話中の支援 |
②主な機能
| 機能 | 内容 |
|---|---|
| 話者の識別 | 誰が話したかを区別して出力します。 |
| カスタム語彙 | 製品名や専門用語の認識精度を上げます。 |
| カスタム言語モデル | 業界特有の言い回しへ適応させます。 |
| 自動言語識別 | 入力音声の言語を判定します。 |
| 語句の削除 | 不適切な語をマスクします。 |
| の削除 | 文字起こし結果から個人情報を隠します。 |
| 字幕形式の出力 | 時刻付きの字幕ファイルを出力します。 |
⚠️ 頻出: 「専門用語や製品名が正しく認識されない」ときの対策はカスタム語彙です。
③関連サービスとの組み合わせ
通話分析では、で文字起こしを行い、で感情や要点を抽出する構成が典型です。 で通話内容を要約する場合は、文字起こし結果をへ渡します。
試験対策
①選択基準
| 問題文のキーワード | 選ぶサービス |
|---|---|
| 録音した会議を文字にしたい | |
| 会議中にリアルタイムで字幕を出したい | Transcribeのストリーミング |
| 文字にした内容の感情を知りたい | |
| テキストを音声にしたい | |
| 音声を別言語の音声にしたい | Transcribe、、Pollyの組み合わせ |
②よくある誤答
- 音声からテキストの変換をと答えること。Pollyは逆方向です。
- 文字起こし結果の意味解析までが行うと考えること。分析はやの役割です。