「Custom Speech」によってAzure音声認識APIの日本語モデルの精度を向上

前回行ったAzure音声認識APIの実験の続き。

前回↓

Azureの音声認識サービス「Speech to Text」にはユーザーのデータからモデルの再学習を行い認識精度を高める機能がある。

「Custom Speech」と呼ばれるその機能は「音声ファイル」、ラベル付きテキスト、音素による発音指定テキストなど様々なデータによるカスタマイズが可能。

扱う言語によって機能に制限があり、日本語は「プレーンテキスト」によるカスタマイズ以外はできないと書いてある。

前回「プレーンテキスト」によるカスタマイズを試したときに「音声＋トランスクリプト」もできそうな感じだったので実験する。
結果から言うと音声の学習はうまくいかない。

「Custom Speech」によってAzure音声認識APIの日本語モデルの精度を向上

前回行ったAzure音声認識APIの実験の続き。

Azureの音声認識サービス「Speech to Text」にはユーザーのデータからモデルの再学習を行い認識精度を高める機能がある。

「Custom Speech」と呼ばれるその機能は「音声ファイル」、ラベル付きテキスト、音素による発音指定テキストなど様々なデータによるカスタマイズが可能。

扱う言語によって機能に制限がある、日本語について確認。

あまりにマイナーな言語過ぎて「プレーンテキスト」によるカスタマイズ以外はできないようだ。
したがって「プレーンテキスト」を利用したazureの音声認識カスタマイズを行う。

Azure「Speech To Text」 の使い方

音声認識技術によって音声ファイルをテキスト化したいという声がある。

音声認識技術によって
音声ファイルをテキスト化したい

以前、5種類の音声認識APIを比較した。
その結果、日本語の音声認識精度が最も高かったのはMicrosoft Azureの「Speech To Text」。

そこで、Microsoft Azure「Speech To Text」APIの使い方を記す。

遊戯王マスターデュエル

マスターデュエルとは「遊戯王マスターデュエル」という遊戯王OCGの超面白いゲームであり、プラチナ1とはマスターデュエルにおけるランクマッチの最高ランクを指す。

最高ランクといっても過半数勝つことができれば後は対戦数さえ稼げば達成できるので頑張ればなんとかなる。
今回頑張ってなんとかなったため記念にデッキを残す。

※マスターデュエルのランクマッチは1か月ごとにランクがリセットされ、その単位をシーズンと呼ぶ。
今回の記事はシーズン2(2月1日～28日)においてプラチナ1に到達したことについて記載している。

そうだね

5種類の音声認識APIを性能評価して比較

音声認識技術によって音声から文字起こししたい。
既存のAPIが複数あるため実験により性能を比較した。

基本情報↓

認識精度↓

最も認識精度が高いのは「Microsoft Azure」。
安いのは「AmiVoice」。
AppleはiOSアプリなどに組み込んで使用する形式で使いづらいが無料。

最も精度の良かった「Microsoft Azure」の音声認識APIの使い方は以下の記事に記している。

以降、実験の詳細を記す。

格付けチェック「ジャンプ新連載」

真のジャンプ読者であればジャンプ新連載の1話を読んだだけで何話連載するか分かるはず。
週刊少年ジャンプ新連載の1話だけを読んで何話連載するか当てる。

お正月の恒例行事なのでお正月に結果をまとめたい。
と言い続けて正月どころか旧正月も過ぎた。

詳細は第1回に書いてある。

格付けチェック「ジャンプ新連載」

真のジャンプ読者であればジャンプ新連載の1話を読んだだけで何話連載するか分かるはず。
週刊少年ジャンプ新連載の1話だけを読んで何話連載するか当てる。

お正月の恒例行事なのでお正月に結果をまとめたい。
といつも書いていたがすっかり忘れていた。
そのうちまとめるか来年に持ち越す。

詳細は第1回に書いてある。

格付けチェック「ジャンプ新連載」　第1回「逃げ上手の若君」

格付けチェック「ジャンプ新連載」お正月にテレビでやってるやつのパクリ。週刊少年ジャンプ新連載の1話だけを読んで何話連載するか当てる。真の漫画読者であれば1話を読…

Twitter API v2を使って特定アカウントのツイートを取得

Twitter API v2の機能の中にUser Tweet timelineというものがあり、これによって任意のアカウントのタイムラインを取得できる。

これを利用して、コウメ太夫氏のTwitterアカウントから「#まいにちチクショー」を取得する。
以下に示す「コウメ太夫百人一首」を作ることが目的。

EISeg便利

物体検出を行うためにはアノテーションという苦行に耐える必要がある。
画像のどこに物体があるか目視で確認してマウスで一本一本線を引く作業だ。

当然アノテーションをサポートするためのツールはいくつか存在する。
「Labelme」、「Labelimg」など便利に使っていたが、「EISeg」という最高のツールがそれらを過去のものにした。

下の記事を見たらもうすべてわかるがポンポンクリックするだけでアノテーションできる。

セットアップの方法については記事を書かれた当時と状況が違うようなのでそこだけ書く。

コウメ太夫百人一首

「コウメ太夫百人一首」とはコウメ太夫氏の「#まいにちチクショー」によって作られた百人一首を楽しめるサービス。

百人一首とは100人の歌人一人につき一首ずつ歌を選んだものであるため、「コウメ太夫百人一首」は百人一首ではない。
本来は一人二千百十八首というべきだが語呂が悪いので百人一首とする。

コウメ太夫氏の歌による百人一首はネットを中心に広く求められていた。
少なくとも2015年の時点で「コウメ太夫百人一首」という単語は登場している。
しかし、実際に「コウメ太夫百人一首」を遊ぶことのできるサービスは見つからず、したがって作ることとした。