2026年10月5日
世界中の人が録った声を、どう同じデータにする？Mozilla Common Voice
自宅のスマートフォンで録った声と、別の国のパソコンで録った声。録音場所もマイクも違う二つの音声を、どう一つのデータセットに入れるのでしょうか。Mozilla Common Voiceがそろえたのは部屋や機材ではありません。読む文章を用意し、画面に表示して録音し、文章と声が合うかを聞き、公開時に分類するという工程です。 ここで扱うのは、文章を読み上げるComm…
音声認識
-
-
2026年9月18日
一人の話者が日本語と英語を切り替える
「それが数々の trouble に見舞われた」のように、一つの発話の途中で日本語から英語へ切り替える音声を、どのように集めればよいのでしょうか。 複数のバイリンガル話者による自由会話を収録すれば、実際の生活で生じる言語の切り替えを集められます。しかし、話者、話題、発話内容、収録環境が異なるため、音声の違いが言語切り替えによるものなのか、個人差によるものなのか…
-
2026年9月18日
年代によって異なる日本語音声をどう集めるか
「高齢者の音声」を集めるとき、何歳以上を対象にすればよいのでしょうか。60代の参加者を多数集めたデータと、介護施設で暮らす80代・90代を含むデータでは、同じ「高齢者音声」でも対象者の構成が大きく異なります。 総人数が多くても、実際の利用者に近い年代が少なければ、そのデータだけで音声認識システムの性能を判断することはできません。一方、年代以外の条件まで厳しく…
-
2026年9月18日
「えーと」をどう記録したか？日本語話し言葉コーパスCSJ
一般的な議事録では、「えーと」「あのー」、語の繰り返し、言い掛けた音を削ることがあります。しかし、話し言葉を研究するデータでは、何を削らず、どの単位で、どの記号を使って残すかを先に決めなければなりません。 日本語話し言葉コーパス（Corpus of Spontaneous Japanese：CSJ）は、その判断基準を転記・形態論・韻律などの層に分けて公開して…
-
2026年9月18日
音声AIの間違いに人はどう反応する？顔と声を記録したエラー反応データ
音声アシスタントが間違った答えを返しても、人は必ず「違います」と言うわけではありません。眉をひそめる、笑う、視線をそらす、黙る、質問を言い直す。返答自体がなければ、端末を見ながら待ったり、同じ呼びかけを繰り返したりします。 こうした利用者の反応をAIが読み取れれば、明示的に指摘される前に、自分の応答が失敗した可能性へ気づけるかもしれません。では、その学習用デ…
-
2026年9月15日
対話音声データは何の研究に使われる？公開論文から収録・アノテーションを読み解く
対話音声の収集では、二人で決められたテーマについて話したり、旅行代理店やコールセンターの場面を演じたりします。収録後には、誰がいつ話したか、相づちや言い直しをどう記録するかといった細かな作業もあります。 参加者や作業者から見ると単純な会話に見えますが、研究目的によって必要な収録方法とアノテーションは変わります。この記事では、公開されている論文・コーパスをもと…