音声処理のバックアップ(No.6) - .NET 開発基盤部会 Wiki

[ トップ ] [ 新規 | 一覧 | 単語検索 | 最終更新 | ヘルプ ]

「.NET 開発基盤部会 Wiki」は、「Open棟梁Project」,「OSSコンソーシアム .NET開発基盤部会」によって運営されています。

戻る（要素技術 > 非構造化データ処理、データサイエンス力 > データ分析）
- 言語処理
- 音声処理
- 画像処理

目次 †

概要 †

音声処理について纏める。

詳細 †

基礎技術 †

AIの活用 †

音声データを解析して、何を発音しているのかを判別

元データの獲得 †

時系列データとして処理 †

自然言語処理・音響情報処理 †

自然言語処理
音響情報処理

目的データの生成 †

活用例 †

†

ライブラリ †

以下の様なものが発見できた。

オープンソース †

Julius †

Julius
http://julius.osdn.jp/
音声認識システムの開発・研究のためのオープンソースエンジン。

プロダクト †

Nuance †

Nuance
http://japan.nuance.com/index.htm

メディアドライブ †

ライブラリ > SDK

音声認識
https://mediadrive.jp/products/library/voice-recognition/index.html
確率モデルの一種である自適応化HMM（Hidden Markov Model）学習による高精度連続音声認識システム。

CrossMediator? Basic v.3.0
https://mediadrive.jp/products/library/crossmediatorbasic/index.html
- ビデオデータから発言／セリフの検索（音声検索）
- 曲名は判らないけど曲を見つけたい（ハミング検索）
- ビデオデータから好きなCMの検索（動画検索）
- ビデオクリップで本編の頭出し（動画検索）

電話・会議用音声検索(CrossMediator? Basicの拡張オプション)
https://mediadrive.jp/products/library/tel-voice-search/index.html
電話・会議等の低品質音声に対応した音声検索ライブラリ

サービス †

Google Cloud Speech API †

Speech API - 音声認識 | Google Cloud Platform
https://cloud.google.com/speech/

Bing Speech API †

Bing Speech API — 音声認識 | Microsoft Azure
https://azure.microsoft.com/ja-jp/services/cognitive-services/speech/

Speech to Text †

IBM - Speech to Text 音声認識 | Watson Developer Cloud - Japan
https://www.ibm.com/watson/jp-ja/developercloud/speech-to-text.html

ソリューション †

プロダクト＆サービス的な。

AmiVoice? †

製品・サービストップ｜音声認識の株式会社アドバンスト・メディア
https://www.advanced-media.co.jp/products

音声認識ソフト『AmiVoice? SP2』を半年間使ってみた所感（辛口レビュー） - Webライターとして生きる
http://writer.hateblo.jp/entry/2016/12/01/155944

Voice-Series †

音声ソリューションVoice-Series｜NTTアイティ
http://www.ntt-it.co.jp/product/v-series/index.html

音声自動応答(IVR)プラットフォーム VoiceMall?
http://www.ntt-it.co.jp/product/v-series/voicemall/index.html
高精度音声認識(ASR)ソリューション SpeechRec?
http://www.ntt-it.co.jp/product/v-series/speechrec/index.html
音声合成(TTS)ソリューション FutureVoice?
http://www.ntt-it.co.jp/product/v-series/futurevoice/index.html

参考 †

音声認識 - Wikipedia
https://ja.wikipedia.org/wiki/%E9%9F%B3%E5%A3%B0%E8%AA%8D%E8%AD%98

音声（ジェスチャ）によるスライド、ビデオの操作
Open Source RT-Components selected by AIST
http://openrtc.org/OpenHRI/systems/AppControl.html

音声処理で参考になったサイトまとめ - Qiita
http://qiita.com/eve_yk/items/07bc094538f2d50841f4

Google、音声認識APIを公開。Nuanceと直接対決へ | TechCrunch? Japan
http://jp.techcrunch.com/2016/03/24/20160323google-opens-access-to-its-speech-recognition-api-going-head-to-head-with-nuance/