『音声認識ソフト』のクチコミ掲示板

SX40の購入を検討しています。パンフレットなど見ますと、音声認識ソフト「ドラゴンスピーチ」を利用して文字や文章に自動変換できるとありますが、どの程度の実効性があるのでしょうか。ご利用になっている方のご意見を伺えたら幸いです。

書込番号：2783397

「ICレコーダ＋音声認識」をやりたくてSX40とドラゴンスピーチVer.7を買いました。使い込んではいませんが、参考になれば。

・音声認識精度
ドラゴンスピーチは、使用するマイクやICレコーダごとに事前トレーニングを行って音響の特徴をユーザーファイルに保存しておくようになっています。マイクを直接PCにつないでいる場合は、誤認識された単語を再度発音して学習させていけば精度を上げていくことができます。しかし、ICレコーダの場合はファイルを経由して入力するので、誤認識した単語だけを簡単にトレーニングさせることができません。また、学習は機器毎に管理されているので、マイク入力で学習させてもSX40から入力したデータの認識精度には反映されません。そのため、どうしてもマイク入力より精度を上げにくいです。マニュアルには数週間使い込めば90〜98%ぐらいの精度になると書かれていますが、ICレコーダではそこまで行かないように思います。

・ドラゴンスピーチのかな漢字変換
ATOKとくらべると変換精度が低い。対策として固有名詞はこまめに登録が必要でしょう(私はやってませんが...)。Ver.7からはMicrosoft IME辞書の取り込み機能が追加されているのでIMEユーザーは自分の辞書が簡単に流用できます。IBMのViaVoiceにはATOKの変換エンジンを使えるバージョンがあるので、ATOKユーザーはそっち買ったほうがよいかも。

総合的な印象は、ノイズのない状況で滑舌よく一定の声量で録音すれば80〜90%ぐらいの精度、ってところでしょうか。環境が悪い場合、例えば戸外で風が強かったり、車の往来が激しいようなところでボソボソ小声で吹き込んだりすると、自分でも何を録音したのか思い出せないくらい意味不明な結果になっちゃいます。

期待しすぎると失望しますが、ディクテーションには言い間違いや言い直しが付き物なので、後で校正するものだと割り切ってます。全部タイピングすることを思えばずっと楽です。
小声、早口で録音する場合や他人のインタビュー、講義の録音等の書き起こし用途であればお薦めしません。

書込番号：2839097

これから、購入を考えています。
SX40から１時間の講演をドラゴンスピーチで認識させるのには、どのくらい処理に時間がかかるのでしょうか？
ご利用になっている方のご経験をお教え願います。

書込番号：2969430

計ってみたところ、1時間の録音で32分。内容に関係なく概ね録音時間の半分強の時間でした(使用したPCはPentium M 1.4GHz メモリ768MB, WindowsXP)。

講演の録音で使ったことはないのですが、自分の声以外での変換精度を実験してみました。
「BS日テレ NNN24アフタヌーンジャーナル」をオーディオ用スピーカーから流し、30cm離してSX40のマイクで録音。音量はSX40のVORがぎりぎり正しく働く程度に調整。
録音された結果は一般的な講演の録音よりも良好な状態と思います。

ICD-SX40の設定は STモード、感度High、指向性ON、VOR OFF。
ドラゴンスピーチの音声モデルには自分の声用の設定を使用。

院内感染に関する男性記者のリポートについて、よく認識できている箇所でこんな結果になりました。
「病院よりますと、以前から秀吉浅海事業部が−２人が実際この時４０代の男性一人が死亡しました。」い、意味わからん...。

同じデータをもう一度認識させてみると、今度は次のようになりました。
「病院よりますと、先月できれば、秀吉をする必要だ。逆にいないが、一切の時４０代の男性一人が死亡しました。」

なお、女性の喋っている部分は全く意味不明な結果でした。これは、私(男)の声に合わせて処理されているからでしょう。

録音状態やドラゴンスピーチの学習状態によってかなり違うでしょうが、基本的に「他人の声を学習させることができない」ので、他人の講演のディクテーションは難しいと思います。

書込番号：2988924