スマート音声認識技術、言外の意味まで察することが可能に

人工知能がその威力を大いに発揮している昨今だが、現在の音声認識技術では、デバイスはまだ十分に自然言語を理解するにはいたらず、いわゆる「言外の意味」を聞き取り、理解することは、SF作品の中においてのみ存在する出来事。しかしこの状況には現在、変化が生じている。新華社が伝えた。

中国最新のスマート音声技術の成果によると、デバイスはすでに高い正解率により音声の文字化、多言語同時通訳、そして声の模倣を可能にしているという。

1000人以上が集まる会場で、複数のゲストが3時間近くスピーチ・交流する。スピーチの内容は速記者がいなくても、リアルタイムで巨大スクリーンに文字化される。

記者が安徽科大訊飛信息科技有限公司（科大訊飛）の年次総会を取材したところ、スピーチの一部の人名・地名のミス、発言者の口語表現に含まれる冗長な語彙を除く、ほぼすべての内容が非常に正確に整理され、同時に英語・日本語・韓国語などの言語に翻訳されていた。

説明によると、これはディープニューラルネットに基づく音声認識技術によって実現されるのだという。音声認識技術とは分かりやすく言えば、コンピュータに人間の言葉を理解させ、その音声に含まれる文字情報を読み取らせる技術だ。同技術はスマートコンピュータシステムで重要な役割を演じており、コンピュータに「耳」を与えることでマンマシンの通信・交流を実現する。音声認識の正解率は、現在97％に達する。

同社の劉慶峰董事長（会長）は「万物がインターネット化する時代を迎え、音声を中心としキーボードを補助とするマンマシン交流が実需になる。今後5−10年で、人工知能は水や電気のように私たちの生活必需品になり、私たちの世界に大きな変化をもたらす」と述べた。