キャピタルメディア株式会社 English 中文

キャピタルメディア株式会社(代表取締役: 成重鉄二 以下当社)は、複数マイクからの並列処理を実装した音声認識システムを開発しリリース致しました。認識した文字列は、ビデオカメラで撮影しているストリーミング映像に合わせてリアルタイムで話者ごとに表示いたします。

■背景
多くの音声認識システムでは、会話などの音声入力から雑音などを除去した後に特徴量を抽出してAIモデルにより文字を出力しております。しかしながら、多人数が同時に喋っている場合などは認識が難しいという課題がありました。当システムでは、複数マイクからの音声入力を並列に処理して出力することで、話者ごとの連続音声入力をより高精度に認識することを可能し、抽出した文字列も話者ごとに分けて表示することを実現しています。

■複数マイク並列処理の音声認識システム
本システムでは、音声マイクで認識した文字列を、リアルタイムで動的に任意のアプリケーションに表示いたします。複数マイクによる並列処理により、複数音源からの認識・出力ができます。個別用語の辞書を作成することで、特定の言葉を高精度に認識することもできます。日本語の他、英語、中国語(簡体字)の認識が可能で、出力テキストも日本語、英語、中国語(簡体字)で出力いたします。srtファイルなどにも対応いたします。