【リモボイスレビュー】
日本語の音声文字起こしに特化した「Rimo Voice」というサービスがしたそうです。
さっそく僕のポッドキャスト番組「ねじまきラジオ」を
分析して文字起こししてみました。
ナショナルジオグラフィック誌が300号記念したので、
その魅力を語るエピソード。
短いエピソードながらも、
いろんなジャンルのワードが出てくるので、
実験に最適かと思ってこれを選びました。
Rimo Voiceの使用方法・使い方は、
公式ページに行って登録し、
音声ファイルをアップロードするだけ。
.m4aファイル推奨、と書かれていましたが、
.mp3ファイルで試してみました。
●MP3ファイルの詳細
容量：26.9MB(音声ファイル)
ビットレート：192kbps
音声ファイル再生時間：19分50秒
解析にかかった時間：7分程度。
.m4aファイルだともう少し早くなるのかもしれませんが、
これでも十分早いですね。
【テキスト化した内容】
さっそく、音声を文字化したものを公開してみます。
ブラウザからやってみた画面はこんな感じ。
すごいな、と思ったのは、
上部のプレイヤーで音声も再生できるのですが、
その再生している部分を
赤ラインで表示してくれるんですね。
手打ちで修正したい場合もかなり便利そう。
ここから文字起こししたものを少し公開してみます
↓↓↓
～～～ここから音声テキスト公開～～～
つい最近、ナショナルジオグラフィック誌の2020年3月号が発売したんですけれどもこれですね、
ナショナルジオグラフィック誌創刊305(300号)記念だそうです。
ナショナルジオグラフィック誌、おそらくご存知の方多いかと思うんですけども、
黄色い枠で有名な表紙の雑誌でですね、
具体的にどんな雑誌かというと、
コンセプトとしては、地球の今を、
ビジョンで伝え続けるっていう雑誌なんですね。
もういろんな特集を組んでですね、
地球のあらゆる側面を伝えてくれるという貴重な雑誌だったりします。
で、ちょっといろいろ調べてみたんですけれども、
どうやらNationalジオグラフィック誌は、
1888年に第1号が発行されたみたいで、
今ではその120年の歴史があるみたいです。～
（ちなみに、今回取り上げた実際のPodcast音声はこちらより聞けます）
「ナショナルジオグラフィック誌の魅力を語る」：
「ねじまき」を「藤巻」間違えているところから
一抹の不安を覚えましたが、
なので～のあたりからはほぼパーフェクト。
すごい！！！
精度はかなり高いですね。
ユーチューブの日本語字幕なんかよりも
はるかに頼りになります、
・・・間違えた場所をいくつか抜粋すると、
〇：性器の皮
×：正規の夏帆
下ネタ系は弱そう？（部族の儀式の話です）
〇：U2の～
×：流通の～
固有名詞はやっぱりきつそうですね。
U2は僕の好きなバンドなので、
間違いは見過ごせません。
他社のAmazon Alexaも以前は
「アレクサ、U2の曲をかけて」
というと、「ゆず」の音楽をかけてくれる素敵仕様でした。
グーグルも昔はダメでしたね。
今はアマゾンもグーグルも
”U2症候群”を克服していたかと思います。
（開発側に依頼すると修正されたので、僕の声情報が貢献した気がします笑）
「5」と「号」の違いとか、
AIディープラーニングの素材が増えれば、
今後、文脈的なもので改善してくれそうですね。
ここから個人的な勝手な推測ですが、
このAIが読み込んだディープラーニングの素材は、
会社の会議音声など
ビジネス関連の音声モデルが多かったのでは？
と感じました。
藤巻さん、とか流通とか。
実は世界一周旅行中に、
海外のベンチャー企業に
音声データを提供してたりもしたのですが、
GoogleやAmazon、Apple、
スマートスピーカーがあるので
【AIの音声解析】
Podcast番組を解析してテキスト化してみた感想まとめてみました。
大手企業の会議文字起こしや、
ポッドキャスト番組のテキスト化にはほんと最適かと。
30分は無料で試せるみたいなので、
興味のあるポッドキャスターの方はぜひ。
Rimo Voiceの公式HPはこちらより。
https://rimo.app/about/voice
ポッドキャストやってます。
世界一周旅行や映画・音楽・ゲイライフなどについて語る番組です。
iPhone/iTunesで聴く→ https://itunes.apple.com/jp/podcast/世界のねじを巻くラジオ-ゲイのねじまきラジオ/id1409236261?l=en
Spotifyで聴く→ https://open.spotify.com/show/6ComJ7U0Y0yJ9DM1eEt9jj
文字起こし全文は下記のブログ記事に載せてみました。
