音声処理（AI）
をテンプレートにして作成
[
トップ
] [
新規
|
一覧
|
単語検索
|
最終更新
|
ヘルプ
]
開始行:
「[[.NET 開発基盤部会 Wiki>http://dotnetdevelopmentinfras...
-[[戻る>音声処理]]（[[要素技術 > 非構造化データ処理 / 人...
--[[言語処理（AI）]]
--音声処理（AI）
--[[画像処理（AI）>画像処理とコンピュータビジョン（AI）]]
*目次 [#j4dbc895]
#contents
*概要 [#w2a024a8]
音声処理について纏める。
**音声合成 [#p26ca711]
-[[音声認識>#r69c330c]]の逆プロセス。
-文章から自然な音声を生成する（text to speach）
**音声認識 [#r69c330c]
音声データを解析して、何を発音しているのかを判別
***精度測定 [#d5d73c26]
-文字誤り率(CER)
-単語誤り率(WER)：コチラが一般的な評価尺度
***プロセス [#sf8ac612]
音声 → 音素 → 文字列 → 単語 → 単語列
-プロセス1
--雑音・残響抑圧 (入力：音声 出力：音声）
--音声を認識したい対象以外の雑音を分離する
-プロセス2
--音素状態認識 (入力：音声 出力：音素）
--音声の周波数スペクトル,すなわち音響特徴量を~
インプットとして,音素状態のカテゴリに分類する
-プロセス3
--音素モデル (入力：音素 出力：文字列）
--音素がどの文字であるかを推定する
-プロセス4
--単語辞書 (入力：文字列 出力：単語）
--認識した文字列から単語を特定し認識する
-プロセス5
--言語モデル (入力：単語 出力：単語列）
--単語系列仮説の尤度を評価する
-プロセス1～5
プロセス1～5を纏めて,すなわち,
--入力：音声
--出力：単語列
>とする学習手法のことをEnd-to-End音声認識と呼ぶ。
*詳細（音声合成） [#rec89900]
-従来：波形接続型音声合成と統計的パラメトリック音声合成
-WaveNet：深層学習を用い既存の音声合成モデルより自然な音...
**体系 [#d8727c5e]
***波形接続型音声合成 [#i7fefb1d]
-あらかじめ録音された音声を分解し、その素片を連結して音声...
-録音されたテキストに近い文章が入力なら自然な音声で文章が...
-問題点
--発話速度や抑揚が多少変更できる程度
--急激な抑揚や感情を加えることが難しい(機械っぽさが残る）
--録音されている音声以外で読みあげることができない。
***統計的パラメトリック音声合成 [#lbe6d8d5]
-生の音声を入力しその音声を学習したモデルを構築
-生成モデルの出力をもとに音声を合成する手法。
-モデルへの入力（男性女性・言語指定等）を変えれば多様な音...
-問題点
--生成された音声の品質が劣る
***深層学習を用いた音声合成（WaveNet） [#td2a4f7a]
-WaveNet~
https://en.wikipedia.org/wiki/WaveNet~
音声認識と音声合成のどちらもできるらしいが基本は音声合成。
--DNNでRNN的な回帰接続が無いので学習が速い。
--1秒に16,000個の音声データを学習可能。
-データの前処理
--音声データ取得
--無音区間の除去
--正規化
--μ-law量子化
--paddingとtrimming
-モデルの構築~
過去のデータ入力にRNNやLSTMではなく畳み込み層を用いる。
--Causal Convolution
---通常のCovolutionでは将来の時間ステップ xt+1,xt+2,... ...
---Causal Covolutionは過去の時間ステップ x1,x2,...,xt−1 ...
---WaveNetではこれをさらに改良したDilated Causal Convolut...
|#ref(CausalConvolution.png,left,nowrap,イメージ,50%)|
|https://zenn.dev/bilzard/articles/a1d930e42299bf|
--Dilated Causal Convolution~
Dilated Causal Convolutionは過去の入力データをできるだけ...
---音声データの典型的なサンプリング周波数16kHzで~
1秒間の依存関係は16000サンプル間の依存関係に相当。
---これほど長い系列信号を自己回帰モデルで扱うのは極めて難...
---層が深くなるにつれて、畳み込むノード（=Dilation）を離...
入力できる過去のサンプル数を指数関数的に増やすことが可能...
|#ref(DilatedCausalConvolution.gif,left,nowrap,イメージ)|
|https://procedural-generation.isaackarth.com/2016/09/09/...
--Gated Activation Unit~
Dilated Causal Convolutionの出力に活性化関数のtanhとsigmo...
--Residual Block
---Dilated Causal Convolution + Gated Activation Unit か...
---[[ResNet>畳み込みニューラルネットワーク（CNN）#z4eca8c...
--Residual Net~
次のResidual block への入力は一個前のResidual blockの出力...
|Residual Block|Residual Net|h
|#ref(ResidualBlock.png,left,nowrap,イメージ,50%)|#ref(Re...
|>|#ref(WaveNet.png,left,nowrap,イメージ)|
|>|https://qiita.com/kshina76/items/910ab0b863cb9d13c2ca|
**活用例 [#n87b792f]
***アナウンス、ナレーション [#jc2c567a]
***ナビゲーション / トレーニング・システム [#uaab51e5]
*詳細（音声認識） [#gd320b19]
**体系 [#u902a467]
[[HMM>#xa24bf6a]] → [[DNN>#na46b5f8]]で、[[音声認識>#r69c...
***音声分析 [#n856b454]
-音声から必要な特徴量を抽出する処理
--フォルマント：音声の複数の周波数のピーク
--ケプストラム：周波数スペクトルをフーリエ変換して得る。
-以下の二つの問題を解決できる。
--計算量が多くなる。
--ノイズを含んでいる。
-前処理
--アナログデジタル変換~
アナログな連続値を離散的なデジタル値に変換する。
--高域強調
---人間は高域の音を小さく感じる。
---補償で一般に1オクターブ上がる毎に6dB大きくする。
--音声フレーム
---時系列音声分析をするとき、一定の時間感覚で特徴量を抽出
---切り出す間隔をフレーム周期や窓長
---切り出された分析の対象を音声フレーム
---窓関数をかけることで両端を滑らかにしつつ切り出す。
--音声区間検出~
音声が存在する区間のみを検出する
-特徴量の抽出~
音声フレームの信号は定常であると仮定して、~
それに対して高域強調を施した時系列信号を形成します。
--特徴量
---音声信号スペクトル：~
声の高さを表す（使用しない特徴量）。
---スペクトル包絡：~
音声の音色の違いを表す（音声認識で使用する特徴量）。
---メル周波数ケプストラム係数（MFCC）：~
音色・楽器音の音色の違いを表す（音声認識、音楽ジャンル認...
--高速フーリエ変換~
音声波形から周波数スペクトログラムを得る。
---サンプリング周波数をS、窓長をNとしたとき、周波数分解能...
---周波数レンジ = サンプリング周波数 / 2
---周波数情報が得られる等分点の数 = (サンプリング点数 / 2...
-尺度
--メル尺度：音高の知覚尺度
---周波数による音の変化は低い場合に敏感で高い場合に鈍感
---周波数域が低いと分解能が高く、高いと分解能が低い。
---定義にはファントの式がよく用いられる（グラフ参照）
---1000melの音高の上昇は低周波では2000Hz、高周波では4000H...
--バーク尺度：音域の知覚尺度
***HMM（隠れマルコフモデル） [#xa24bf6a]
[[ベイズ統計のHMM（隠れマルコフモデル）>ベイズ統計#p5dfe0...
-単語音声認識
--１つの単語クラスに１つの音響モデル（HMM）を与える。
--単語クラスが未知であるデータXが与えられた場合、~
単語クラスに与えられた音響モデル（HMM）から、~
データXがどれぐらいの確率で出ててくるか？求める。
--確率が一番大きいものをデータXの単語クラスとして選ぶ（認...
-連続音声認識
--音響モデルではなく言語モデルを考える。
--前述の「単語」でやったことを「単語列」でやる。
--音素レベルの誤りを認めた上で、文として成立する単語列に...
-観測データに対し、音響モデルと言語モデルの積を~
最大化する単語系列を組み合わせ最適化によって求める。
--音響モデル：Left-to-Right HMM（隠れマルコフモデル）
--言語モデル：[[N-gram LM>言語処理（AI）#e233a5df]]（マル...
-以下の組合せ最適化（一体化したサーチの問題）
|>|>|↓ ↓ ↓&br;音声パターン&br;↓ ↓ ↓|
|音響モデル|←|音声コーパス|
|辞書|←|音声規則＋テキスト・コーパス|
|>|>|↓ ↓ ↓&br;単語、連続音声&br;↓ ↓ ↓|
|言語モデル|←|テキスト・コーパス|
|>|>|↓ ↓ ↓&br;単語列（文）&br;↓ ↓ ↓|
-サブワードモデル
--サブワード：単語より短い音素、音節
--単語はサブワードの連結により構成する。
***DNN（ディープ・[[ニューラルネットワーク]]） [#na46b5f8]
-[[深層学習>深層学習（deep learning）]]のDNN（ディープ・[...
-系列データを処理できる[[ニューラルネットワーク（CNN、RNN...
-言語処理で開発された系列変換処理技術（[[エンコーダ・デコ...
-CTC、LAS、Speech Transformer、Conformer、CMLM（？）
--Connectionist Temporal Classification (CTC)
---入力（Heello、Helloo）が音素数と一致しない問題を解決し...
---RNNの音声認識などの知覚タスクには不向きな問題を解決し...
---与えられた入力配列を条件として可能な全てのラベル配列に...
---ネットワークの出力をラベルシーケンスの[[条件付き確率>...
--LAS
---Encoder, DecoderにLSTMが用いられる。
---Attention based Encoder-Decoderとほとんど同じ。
--RNN-Transducer~
CTCにおける「条件付独立性」を排除するため前の出力の文字を...
--Speech Transformer~
Transformerが出たことで、DNN-HMMも凌駕するようになって、...
--Conformer~
TransformerとCNNを組み合わせたモデル
--Conditional Masked Language Model（CMLM）
**活用例 [#r330a3de]
***自動音声口述筆記 [#u82a1a0a]
-会話音声書面記録
-コミュニケーション支援（問診など
***エンリッチメント系 [#c28cf878]
音声アノテーション
-音そのものに対するタグ付け
-音声が示す意味に対するタグ付け
*参考 [#kf56d280]
-音声認識 - Wikipedia~
https://ja.wikipedia.org/wiki/%E9%9F%B3%E5%A3%B0%E8%AA%8D...
-音声認識・合成技術の代表的アルゴリズム「WaveNet」を詳細...
https://deepsquare.jp/2020/04/wavenet/
-WaveNet - A Generative Model for Raw Audio [arXiv:1609.0...
http://musyoku.github.io/2016/09/18/wavenet-a-generative-...
-「DNN-HMM」から「End-to-End」へ LINEが取り組む音声認識...
https://logmi.jp/tech/articles/323498
-Google、音声認識APIを公開。Nuanceと直接対決へ | TechCrun...
http://jp.techcrunch.com/2016/03/24/20160323google-opens-...
**Qiita [#ef9109da]
-WaveNetの解説とkeras実装~
https://qiita.com/kshina76/items/910ab0b863cb9d13c2ca
-音声処理で参考になったサイトまとめ~
http://qiita.com/eve_yk/items/07bc094538f2d50841f4
**ライブラリ [#r2eb7830]
***オープンソース [#oa24f16e]
***プロダクト [#j8bc15eb]
**サービス [#n4cdeb66]
***Google Cloud Speech API [#h3334ef0]
-Speech API - 音声認識 | Google Cloud Platform~
https://cloud.google.com/speech/
***Bing Speech API [#a16caa1d]
-Bing Speech API — 音声認識 | Microsoft Azure~
https://azure.microsoft.com/ja-jp/services/cognitive-serv...
***Speech to Text [#w87b8338]
-IBM - Speech to Text 音声認識 | Watson Developer Cloud -...
https://www.ibm.com/watson/jp-ja/developercloud/speech-to...
**ソリューション [#y241d14d]
***AmiVoice [#a23bd152]
-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...
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...
http://writer.hateblo.jp/entry/2016/12/01/155944
***Voice-Series [#v096c666]
-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....
--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....
--音声合成(TTS)ソリューション FutureVoice~
http://www.ntt-it.co.jp/product/v-series/futurevoice/inde...
終了行:
「[[.NET 開発基盤部会 Wiki>http://dotnetdevelopmentinfras...
-[[戻る>音声処理]]（[[要素技術 > 非構造化データ処理 / 人...
--[[言語処理（AI）]]
--音声処理（AI）
--[[画像処理（AI）>画像処理とコンピュータビジョン（AI）]]
*目次 [#j4dbc895]
#contents
*概要 [#w2a024a8]
音声処理について纏める。
**音声合成 [#p26ca711]
-[[音声認識>#r69c330c]]の逆プロセス。
-文章から自然な音声を生成する（text to speach）
**音声認識 [#r69c330c]
音声データを解析して、何を発音しているのかを判別
***精度測定 [#d5d73c26]
-文字誤り率(CER)
-単語誤り率(WER)：コチラが一般的な評価尺度
***プロセス [#sf8ac612]
音声 → 音素 → 文字列 → 単語 → 単語列
-プロセス1
--雑音・残響抑圧 (入力：音声 出力：音声）
--音声を認識したい対象以外の雑音を分離する
-プロセス2
--音素状態認識 (入力：音声 出力：音素）
--音声の周波数スペクトル,すなわち音響特徴量を~
インプットとして,音素状態のカテゴリに分類する
-プロセス3
--音素モデル (入力：音素 出力：文字列）
--音素がどの文字であるかを推定する
-プロセス4
--単語辞書 (入力：文字列 出力：単語）
--認識した文字列から単語を特定し認識する
-プロセス5
--言語モデル (入力：単語 出力：単語列）
--単語系列仮説の尤度を評価する
-プロセス1～5
プロセス1～5を纏めて,すなわち,
--入力：音声
--出力：単語列
>とする学習手法のことをEnd-to-End音声認識と呼ぶ。
*詳細（音声合成） [#rec89900]
-従来：波形接続型音声合成と統計的パラメトリック音声合成
-WaveNet：深層学習を用い既存の音声合成モデルより自然な音...
**体系 [#d8727c5e]
***波形接続型音声合成 [#i7fefb1d]
-あらかじめ録音された音声を分解し、その素片を連結して音声...
-録音されたテキストに近い文章が入力なら自然な音声で文章が...
-問題点
--発話速度や抑揚が多少変更できる程度
--急激な抑揚や感情を加えることが難しい(機械っぽさが残る）
--録音されている音声以外で読みあげることができない。
***統計的パラメトリック音声合成 [#lbe6d8d5]
-生の音声を入力しその音声を学習したモデルを構築
-生成モデルの出力をもとに音声を合成する手法。
-モデルへの入力（男性女性・言語指定等）を変えれば多様な音...
-問題点
--生成された音声の品質が劣る
***深層学習を用いた音声合成（WaveNet） [#td2a4f7a]
-WaveNet~
https://en.wikipedia.org/wiki/WaveNet~
音声認識と音声合成のどちらもできるらしいが基本は音声合成。
--DNNでRNN的な回帰接続が無いので学習が速い。
--1秒に16,000個の音声データを学習可能。
-データの前処理
--音声データ取得
--無音区間の除去
--正規化
--μ-law量子化
--paddingとtrimming
-モデルの構築~
過去のデータ入力にRNNやLSTMではなく畳み込み層を用いる。
--Causal Convolution
---通常のCovolutionでは将来の時間ステップ xt+1,xt+2,... ...
---Causal Covolutionは過去の時間ステップ x1,x2,...,xt−1 ...
---WaveNetではこれをさらに改良したDilated Causal Convolut...
|#ref(CausalConvolution.png,left,nowrap,イメージ,50%)|
|https://zenn.dev/bilzard/articles/a1d930e42299bf|
--Dilated Causal Convolution~
Dilated Causal Convolutionは過去の入力データをできるだけ...
---音声データの典型的なサンプリング周波数16kHzで~
1秒間の依存関係は16000サンプル間の依存関係に相当。
---これほど長い系列信号を自己回帰モデルで扱うのは極めて難...
---層が深くなるにつれて、畳み込むノード（=Dilation）を離...
入力できる過去のサンプル数を指数関数的に増やすことが可能...
|#ref(DilatedCausalConvolution.gif,left,nowrap,イメージ)|
|https://procedural-generation.isaackarth.com/2016/09/09/...
--Gated Activation Unit~
Dilated Causal Convolutionの出力に活性化関数のtanhとsigmo...
--Residual Block
---Dilated Causal Convolution + Gated Activation Unit か...
---[[ResNet>畳み込みニューラルネットワーク（CNN）#z4eca8c...
--Residual Net~
次のResidual block への入力は一個前のResidual blockの出力...
|Residual Block|Residual Net|h
|#ref(ResidualBlock.png,left,nowrap,イメージ,50%)|#ref(Re...
|>|#ref(WaveNet.png,left,nowrap,イメージ)|
|>|https://qiita.com/kshina76/items/910ab0b863cb9d13c2ca|
**活用例 [#n87b792f]
***アナウンス、ナレーション [#jc2c567a]
***ナビゲーション / トレーニング・システム [#uaab51e5]
*詳細（音声認識） [#gd320b19]
**体系 [#u902a467]
[[HMM>#xa24bf6a]] → [[DNN>#na46b5f8]]で、[[音声認識>#r69c...
***音声分析 [#n856b454]
-音声から必要な特徴量を抽出する処理
--フォルマント：音声の複数の周波数のピーク
--ケプストラム：周波数スペクトルをフーリエ変換して得る。
-以下の二つの問題を解決できる。
--計算量が多くなる。
--ノイズを含んでいる。
-前処理
--アナログデジタル変換~
アナログな連続値を離散的なデジタル値に変換する。
--高域強調
---人間は高域の音を小さく感じる。
---補償で一般に1オクターブ上がる毎に6dB大きくする。
--音声フレーム
---時系列音声分析をするとき、一定の時間感覚で特徴量を抽出
---切り出す間隔をフレーム周期や窓長
---切り出された分析の対象を音声フレーム
---窓関数をかけることで両端を滑らかにしつつ切り出す。
--音声区間検出~
音声が存在する区間のみを検出する
-特徴量の抽出~
音声フレームの信号は定常であると仮定して、~
それに対して高域強調を施した時系列信号を形成します。
--特徴量
---音声信号スペクトル：~
声の高さを表す（使用しない特徴量）。
---スペクトル包絡：~
音声の音色の違いを表す（音声認識で使用する特徴量）。
---メル周波数ケプストラム係数（MFCC）：~
音色・楽器音の音色の違いを表す（音声認識、音楽ジャンル認...
--高速フーリエ変換~
音声波形から周波数スペクトログラムを得る。
---サンプリング周波数をS、窓長をNとしたとき、周波数分解能...
---周波数レンジ = サンプリング周波数 / 2
---周波数情報が得られる等分点の数 = (サンプリング点数 / 2...
-尺度
--メル尺度：音高の知覚尺度
---周波数による音の変化は低い場合に敏感で高い場合に鈍感
---周波数域が低いと分解能が高く、高いと分解能が低い。
---定義にはファントの式がよく用いられる（グラフ参照）
---1000melの音高の上昇は低周波では2000Hz、高周波では4000H...
--バーク尺度：音域の知覚尺度
***HMM（隠れマルコフモデル） [#xa24bf6a]
[[ベイズ統計のHMM（隠れマルコフモデル）>ベイズ統計#p5dfe0...
-単語音声認識
--１つの単語クラスに１つの音響モデル（HMM）を与える。
--単語クラスが未知であるデータXが与えられた場合、~
単語クラスに与えられた音響モデル（HMM）から、~
データXがどれぐらいの確率で出ててくるか？求める。
--確率が一番大きいものをデータXの単語クラスとして選ぶ（認...
-連続音声認識
--音響モデルではなく言語モデルを考える。
--前述の「単語」でやったことを「単語列」でやる。
--音素レベルの誤りを認めた上で、文として成立する単語列に...
-観測データに対し、音響モデルと言語モデルの積を~
最大化する単語系列を組み合わせ最適化によって求める。
--音響モデル：Left-to-Right HMM（隠れマルコフモデル）
--言語モデル：[[N-gram LM>言語処理（AI）#e233a5df]]（マル...
-以下の組合せ最適化（一体化したサーチの問題）
|>|>|↓ ↓ ↓&br;音声パターン&br;↓ ↓ ↓|
|音響モデル|←|音声コーパス|
|辞書|←|音声規則＋テキスト・コーパス|
|>|>|↓ ↓ ↓&br;単語、連続音声&br;↓ ↓ ↓|
|言語モデル|←|テキスト・コーパス|
|>|>|↓ ↓ ↓&br;単語列（文）&br;↓ ↓ ↓|
-サブワードモデル
--サブワード：単語より短い音素、音節
--単語はサブワードの連結により構成する。
***DNN（ディープ・[[ニューラルネットワーク]]） [#na46b5f8]
-[[深層学習>深層学習（deep learning）]]のDNN（ディープ・[...
-系列データを処理できる[[ニューラルネットワーク（CNN、RNN...
-言語処理で開発された系列変換処理技術（[[エンコーダ・デコ...
-CTC、LAS、Speech Transformer、Conformer、CMLM（？）
--Connectionist Temporal Classification (CTC)
---入力（Heello、Helloo）が音素数と一致しない問題を解決し...
---RNNの音声認識などの知覚タスクには不向きな問題を解決し...
---与えられた入力配列を条件として可能な全てのラベル配列に...
---ネットワークの出力をラベルシーケンスの[[条件付き確率>...
--LAS
---Encoder, DecoderにLSTMが用いられる。
---Attention based Encoder-Decoderとほとんど同じ。
--RNN-Transducer~
CTCにおける「条件付独立性」を排除するため前の出力の文字を...
--Speech Transformer~
Transformerが出たことで、DNN-HMMも凌駕するようになって、...
--Conformer~
TransformerとCNNを組み合わせたモデル
--Conditional Masked Language Model（CMLM）
**活用例 [#r330a3de]
***自動音声口述筆記 [#u82a1a0a]
-会話音声書面記録
-コミュニケーション支援（問診など
***エンリッチメント系 [#c28cf878]
音声アノテーション
-音そのものに対するタグ付け
-音声が示す意味に対するタグ付け
*参考 [#kf56d280]
-音声認識 - Wikipedia~
https://ja.wikipedia.org/wiki/%E9%9F%B3%E5%A3%B0%E8%AA%8D...
-音声認識・合成技術の代表的アルゴリズム「WaveNet」を詳細...
https://deepsquare.jp/2020/04/wavenet/
-WaveNet - A Generative Model for Raw Audio [arXiv:1609.0...
http://musyoku.github.io/2016/09/18/wavenet-a-generative-...
-「DNN-HMM」から「End-to-End」へ LINEが取り組む音声認識...
https://logmi.jp/tech/articles/323498
-Google、音声認識APIを公開。Nuanceと直接対決へ | TechCrun...
http://jp.techcrunch.com/2016/03/24/20160323google-opens-...
**Qiita [#ef9109da]
-WaveNetの解説とkeras実装~
https://qiita.com/kshina76/items/910ab0b863cb9d13c2ca
-音声処理で参考になったサイトまとめ~
http://qiita.com/eve_yk/items/07bc094538f2d50841f4
**ライブラリ [#r2eb7830]
***オープンソース [#oa24f16e]
***プロダクト [#j8bc15eb]
**サービス [#n4cdeb66]
***Google Cloud Speech API [#h3334ef0]
-Speech API - 音声認識 | Google Cloud Platform~
https://cloud.google.com/speech/
***Bing Speech API [#a16caa1d]
-Bing Speech API — 音声認識 | Microsoft Azure~
https://azure.microsoft.com/ja-jp/services/cognitive-serv...
***Speech to Text [#w87b8338]
-IBM - Speech to Text 音声認識 | Watson Developer Cloud -...
https://www.ibm.com/watson/jp-ja/developercloud/speech-to...
**ソリューション [#y241d14d]
***AmiVoice [#a23bd152]
-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...
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...
http://writer.hateblo.jp/entry/2016/12/01/155944
***Voice-Series [#v096c666]
-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....
--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....
--音声合成(TTS)ソリューション FutureVoice~
http://www.ntt-it.co.jp/product/v-series/futurevoice/inde...
ページ名:
![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
