twp

スマホのアプリその36

 

Googleの音声文字変換アプリ「音声文字変換＆音検知通知」をインストール。この長ったらしい名前より、"Live Transcribe"の方でよく知られているかもしれない。

 

周囲の音声をリアルタイムで文字起こし、高精度、無料、120以上の言語に対応、会話の文脈を理解して自動修正、多人数での会議や日常会話の補助ツール、など、アプリ紹介にはそんな言葉が並んでいる。

 

実際に試してみた。「多人数」での討論番組「日曜討論」（NHK総合など、2/1 9時）を文字起こし。高市首相の代わりに出席した田村憲久氏（自由民主党政調会長代行）が述べているところへ、原口一博氏（減税日本・ゆうこく連合共同代表）が割り込んで来た場面。複数人の言葉が交錯する。これをどう文字起こししたか、

 

は、次のコーナー。 そもそも サラリーを落とす 税 なんです。雇用を不安定にする質問されたからでも全然 答えないじゃないですか。あなた方は だ って社会保険料って言ってるけど、社会保険料のない会社をどんどんどんどん増やす。

 

と、なんとなく雰囲気は伝わってくるが、よく判らない。他の文字起こしツールでの結果と比べると、かなり欠落していることが確認できる。例えば、nottaへ同じ部分の音声ファイルをアップロードして文字起こししてみると、

 

話者1：三兆円なので、消費税減税すべきでは？と聞きます。はい、じゃあ次のコーナーに進みます

話者2：すいません。もともと、この消費税というのは、そもそもサラリーを落とす税なんです。雇用を不安定にする。

話者1：...さん、あの、質問を示されてから。

話者2：いや、でも全然答えないじゃないですか。あなた方は、だって社会保険料って言ってるけど、社会保険料のない会社をどんどんどんどん増やすんです。

 

十分ではないけれど話者の区別をしてくれるし、頑張って言葉も拾っている。が、実際に聞こえて来る音声との乖離は大きい。もう一つ、Gemni（Model Pro 3 Preview）で、同じようにやってみた。これはかなり優秀。拾っている言葉は95%くらいの精度か。人物も特定している。割り込まれて、慌てている司会者の様子もよく捉えている。

 

原口：たくさんあるので、消費税減税すぐやるべきです。

司会者：はい、はい、それじゃあ次のコーナー進みます。

原口：うわ、すいません。もともとこの消費税っていうのは、そもそもサラリーを落とす税なんです。雇用を、不安定にする税—

司会者：原口さん、あの、あの、質問し、あ、指名されてから。

原口：いや、でも全然答えないじゃないですか。あなたがたは、だって社会保険料って言ってるけど、社会保険料のない会社をどんどん増やして—

 

という具合に、文字起こし比べをしてみた。かなり精度に問題のある「音声文字変換＆音検知通知」（Live Transcribe）でも、使える用途はありそうな気がする。なにせ、スマホのアプリなので手軽で良い。

 

＃ 高市首相のいない日曜討論（サイト内）