話し言葉の音声認識 - kõnesüntees ja kõnetuvastus

　新聞のニュースで読んだだけだが，Apple から出たばかりの iPhone4s は，英語で話しかけると「2001年宇宙の旅」に登場する大型コンピュータ HAL のような単調な声で答えるらしい。日本語やエストニア語でもできるのだろうか，興味があるが，その話は聞こえてこない。

　記事：　Telefon paneb eestikeelse jutu üle ootuste hästi kirja (Postimees 2011/10/22)
　記事：　Rakendused masinatega eesti keeles suhtlemiseks ei jõua kasutajateni (Postimees 2011/10/22)

　機械と人間話できるためには，人間の声と同じように聞こえる音声合成 kõnesüntees の技術だけでなく，人間がふつうに話すときの声を音声言語として解析する音声認識 kõnetuvastus の技術が必要になる。

　音声合成の方は，たとえば Google 翻訳のサイトのテクスト読み上げサービスを利用してみればわかるように，かなりのレベルに達している。もちろん HAL には遠く及ばないのはしかたがない。HAL は所詮声優の声である。

　音声合成の場合は，文法や綴りの間違いのない文を１つの声で読み上げるだけだから，比較的容易に実現できると，推測される。また，人間の耳は融通が利くから，多少不自然であっても言いたいことがわかってしまうことが多い。これに対して，音声認識はやっかいである。まず，ひとりひとり違った話し方をする大勢の人間の声を母音と子音の連続として聞き取れるだけでなく，それを単語に分割し，かつ文の構造を文法的に解析できる段階までもっていかないと，およそ実用にはならない。さらには，騒音のある場所で，人間の声とそうでない雑音を区別して，人間の声だけ聞きとることができなければならないという要請もある。

　キーワードを組み合わせて，ウェブ上の文字情報を検索するサーチエンジンのようなシステムも含め，人間が日常的な場面で使っている文字言語や音声言語の処理を行うコンピュータ科学の分野をＬＴ (language technology)，すなわち言語工学と呼ぶらしい。ＬＴは，今流行りのＩＴ (情報工学) の一分野である。このＬＴに相当するエストニア語は keeletehnoloogia である。

　音声認識の技術は，エストニアでもそれなりに研究・開発が進んでいるらしい。アンドロイド携帯端末に話しかけた声が録音され，音声ファイルとして，携帯電話会社のサーバーにアップロードされる。そのあと，音声認識と解析が行なわれ，文として認識され，通常の綴りで出力されたものが，ユーザーの端末に送信され，文字で標示されるという仕組みが実験段階にあるらしい。

　実際にこの音声認識＋書き取りシステムがどの程度の信頼性をもつものかを試したい人は，音声ファイルを送信すれば，メールで答えを送り返してくれるこのサイトにアクセスしてはいかが。私は音声ファイルが苦手なので試していないが，スカイプしているパソコンなら，簡単に録音ができるはずだし，ＩＣレコーダのファイルを使うこともできるはずである。お試しになった方はぜひお話をお聞かせください。

電話　　　　　　　　　　telefon
期待以上に　　　　　　üle ootuste
メモする　　　　　　　　kirja panema
言語工学　　　　　　　keeletehnoloogia
応用　　　　　　　　　　rakendus
携帯電話　　　　　　　mobiiltelefon
ダウンロードする　　　alla laadima
アップロードする　　　üles laadima
実験する　　　　　　　　katsetama
ユーザ　　　　　　　　　kasutaja
エストニア語の　　　　eestikeelne jutt
保存する　　　　　　　　salvestama
音声ファイル　　　　　　helifail
データ通信網　　　　　andmesidevõrk
ことば，話　　　　　　　kõne
解析する，認識する　tuvastama
音声認識　　　　　　　kõnetuvastus
理解する　　　　　　　　aru saama
間違いを　　　　　　　　vigu tegema
音声　　　　　　　　　　hääl
元テクスト　　　　　　　algtekst
試す　　　　　　　　　　proovima
デスクトップ　　　　　　lauaarvuti
入手可能な　　　　　　kättesaadav