音声認識とは？
音声認識とは、人が話した声をコンピューターが読み取り、文字に変える技術のことです。
仕組みは？
声の波形を細かく区切り、音の特徴から言葉を推定して文字にします。英語の略称はASR（Automatic Speech Recognition）です。電話の声は音質が限られるため、雑音や聞き取りにくい声への強さが精度に影響します。
電話業務ではどう使われる？
AI電話では、相手の返事を文字にして、AIが内容を理解するための入口になります。通話後の文字起こしにも同じ技術が使われます。固有名詞や専門用語は誤りやすいため、聞き返しや確認の手順を決めておくと安心です。
関連する用語
文字を声にする逆向きの技術が音声合成です。文字にした内容を理解して返答する役割はLLMが担います。返答までの時間はレイテンシの短さにも関わります。通話を文章にする文字起こしも、この技術が支えています。
よくある質問
音声認識の精度は100％になりますか？
なりません。雑音、方言、固有名詞などで誤ることがあります。聞き返しや確認の手順で補う設計が必要です。
音声認識と文字起こしは同じですか？
音声認識は技術の名前で、文字起こしはそれを使って通話などを文章にする作業やサービスを指します。