Google Developers Japan: Live Transcribe によるリアルタイム連続書き起こし

Local blog for Japanese speaking developers

Live Transcribe によるリアルタイム連続書き起こし

2019年3月13日水曜日

この記事はSagar Savlaによる Google AI Blog の記事 "Real-time Continuous Transcription with Live Transcribe" を元に翻訳・加筆したものです。詳しくは元記事をご覧ください。投稿者: 機械知覚プロダクトマネージャー、Sagar Savla
世界保健機関試算自動音声認識Google の ASRYouTube の自動字幕Slides のプレゼンテーションさまざまな改善CARTPalantypistSTTRLive TranscribeGoogle Cloud Live Transcribe の開発AudioSet以前の取り組み公開されている VGGish モデルユーザーエクスペリエンスギャローデット大学さらには小型プロジェクター

書き起こしの信頼度レベルの表示。黄色は高、緑色は中、青色は低信頼度を示す。白は、コンテキストが確定するのを待っている新しいテキスト。左側はフレーズレベルでの着色、右側はワードレベルでの着色。¹ 調査結果から、この情報は会話に価値をもたらすことがなく、ユーザーの気を散らすだけのものであることが判明した。

こちらで行われた以前の UX 調査カクテルパーティ問題対する

音量と雑音のインジケーターは、2 つの同心円で表示される。内側の明るい円は周囲の雑音を示す。これにより、現在の環境がどのくらい騒がしいかがわかる。外側の円は、話者の声をどのくらいうまく拾えているかを示す。この 2 つの円から、相対的な音の差を視覚的、直感的に理解できる。

今後の作業端末上での認識話者の区別音声強調The Keyword
謝辞Live Transcribe は、リサーチャーの Chet Gnegy、Dimitri Kanevsky、Justin S. Paul の各氏が、Android ユーザー補助機能チームのメンバーである Brian Kemler、Thomas Lin、Alex Huang、Jacqueline Huang、Ben Chung、Richard Chang、I-ting Huang、Jessie Lin、Ausmus Chang、Weiwei Wei、Melissa Barnhart、Bingying Xia の各氏と協力して作成しました。パートナーとして緊密に協力してくださったギャローデット大学の Christian Vogler、Norman Williams、Paula Tucker の各氏にも感謝いたします。
1 鋭い読者の方なら、上の動画で Dr. Obeidat がフレーズレベルの信頼度モードを使っていることを確認できるでしょう。
Kaz Sato - Staff Developer Advocate, Google Cloud

ラベル

ブログアーカイブ

2021
- 4
- 3
- 2
- 1

2020
- 12
- 11
- 10
- 9
- 8
- 7
- 6
- 5
- 4
- 3
- 2
- 1

2019
- 12
- 11
- 10
- 9
- 8
- 7
- 6
- 5
- 4
- 3
- 2
- 1

2018
- 12
- 11
- 10
- 9
- 8
- 7
- 6
- 5
- 4
- 3
- 2
- 1

2017
- 12
- 11
- 10
- 9
- 8
- 7
- 6
- 5
- 4
- 3
- 2
- 1

2016
- 12
- 11
- 10
- 9
- 8
- 7
- 6
- 5
- 4
- 3
- 2
- 1

2015
- 12
- 11
- 10
- 9
- 8
- 7
- 6
- 5
- 4
- 3
- 2

2014
- 12
- 11
- 10
- 9
- 8
- 7
- 6
- 5
- 4
- 3
- 2
- 1

2013
- 12
- 11
- 10
- 9
- 8
- 7
- 6
- 5
- 4
- 3
- 2
- 1

2012
- 12
- 11
- 10
- 9
- 8
- 7
- 6
- 5
- 4
- 3
- 2
- 1

2011
- 12
- 11
- 10
- 9
- 8
- 7
- 6
- 5
- 4
- 3
- 2
- 1

2010
- 12
- 11

Feed

"プロダクトに関するご意見はプロダクトフォーラムにお願いします"

Google
Privacy
Terms