#speech recognition のAIニュース
5件の記事
長文音声エンコーディングを用いたセグメントアテンションデコーディング
Apple Machine Learning は、従来の注意機構ベースのモデルが長文音声で位置情報を失う問題を解決するため、キーとバリューの順列不変性を克服する新しい「セグメントアテンションデコーディング」手法を提案した。
Apple Machine Learning·7月6日·★★★★
Python で NVIDIA Canary-1B-v2 を使用した音声認識・翻訳・自動 SRT サブタイトルエクスポートの方法
NVIDIA は Canary-1B-v2 モデルを用いて、GPU 環境で効率的に音声認識と多言語翻訳を行い、単語タイムスタンプを生成して SRT 形式の字幕ファイルを出力するワークフロー構築方法を解説している。
MarkTechPost·6月24日·★★★★
Microsoft AI、MAI-Transcribe-1.5 を発表：人工分析で WER2.4%、FLEURS 精度は業界最高水準、長音響変換速度は最大 5 倍向上
マイクロソフト AI は自社開発音声認識モデル「MAI-Transcribe-1.5」を発表し、43 言語・雑音環境に対応し、人工分析で WER2.4%、FLEURS 精度は業界最高水準、長音響変換速度を最大 5 倍向上させた。
MarkTechPost·6月8日·★★★★
あなたの言語・ドメイン、またはアクセント向けに Nemotron 3.5 ASR をファインチューニングする方法
Hugging Face は、Nemotron 3.5 ASR モデルを特定の言語や業界ドメイン、話者のアクセントに合わせてカスタマイズするファインチューニングの手順を解説した。
Hugging Face Blog·6月4日·★★★★
卒業式で AI アナウンサーが名前を誤読・飛ばす
The Verge は、近年人気を集める卒業式の AI 音声アナウンスシステムが、学生の名前を誤って発音したり読み飛ばしたりする事例が多発していることを報じた。
The Verge AI·5月20日