基礎最終確認 2026.10.28
Automatic Speech Recognition
音声認識(ASR)おんせいにんしき・エーエスアール
人が話した音声を受け取り、何を話したかを文字や操作可能な情報へ変える技術です。
MEANING
もう少し詳しく
録音やマイクから入った音声の特徴を分析し、単語や文章として認識します。NISTは、音声を入力として受け取り、何が話されたかを決める処理または技術と定義しています。雑音、話し方、方言、固有名詞、複数人の重なりなどで結果が変わります。
EXAMPLE
身近な例
会議の発言を文字起こしする、スマートフォンへ話した内容を検索語に変える、通話内容から指定したキーワードを探す処理があります。
MISUNDERSTANDING
よくある勘違い
音声を録音できれば、話した内容を必ず正確に理解できるわけではありません。また、声から誰が話したかを確認する話者認識とは目的が異なります。
KEY POINT
覚えておくこと
利用する言語と録音条件を確認し、氏名・数字・専門用語など重要な箇所は元の音声と照合します。
SOURCE
確認した公式情報
コラボットが公式資料を確認し、初心者向けの表現へ整理しています。製品仕様や提供条件は変更される場合があります。
NIST・Automatic Speech Recognition ↗確認日:2026.10.28