Skip to main content

音声技術

自動音声認識ASR

別名： 音声認識（speech recognition）

自動音声認識（ASR）とは、話し言葉をテキストに変換する技術です。ASRと音声認識（STT）は同じ機能を指します——ASRは学術・工学用語、STTは製品用語です。

ASRの品質は単語誤り率（WER）で測定されます。音声エージェントでは、バッチ処理の精度よりも、ストリーミングASR（相手が話すそばから逐次書き起こす方式）が重要です。素早いターンの受け渡しを可能にするからです。

関連用語

音声認識（音声のテキスト化）話し言葉の音声をリアルタイムでテキストに書き起こす技術。STTは、音声エージェントが発信者の発言を理解する仕組みです。自然言語理解自然言語から、字面だけでなく相手の意味——意図と重要な詳細——を読み解くAIの領域。エンドポインティング（発話終了検出）発信者が話し終えた時点を検出し、エージェントが応答する番だと分かるようにすること。エンドポインティングが不十分だと、不自然な間や割り込みが生じます。

自動音声認識を実際の通話で見る。

30分のデモを予約して、Finnがインバウンドとアウトバウンドの通話を最初から最後まで処理する様子をご覧ください——組み立てるべきスタックは不要です。

デモを予約 プラットフォームを見る