ログインしてさらにmixiを楽しもう

コメントを投稿して情報交換!
更新通知を受け取って、最新情報をゲット!

音声入力を始めよう!コミュの「音声入力に魅せられて」

  • mixiチェック
  • このエントリーをはてなブックマークに追加
私が「音声入力」に本格的に取り組んで以来、4年が経過しました。
今、ようやく実用化のメドがつきましたので、この先は、私の経験を生かして、多くの方に「音声入力」の魅力を伝えていきたいと思っています。

今回、mixiのこのコミュニティーに入会したのも、「音声入力」のことにご関心のある方が沢山おられるので、皆様のお役に立てればという考えからです。

また、皆様が「音声入力」をどういう文章作成に活用されようとしているのか、今普及している「キー入力」を皆様はどう活用されているのか、逆にそういう点も是非、皆様から教えてほしいと思ったからです。

具体的な説明に入ります。私が現在使用している音声認識ソフトは、ドラゴンスピーチ・セレクト(USB)2005版です。マイクはヘッドセットタイプのものは一切使用していません。その理由は、私のブログに詳しく説明していますので、それを参照してください。

使用しているマイクは、Philips社のスピーチマイクかデジタルポケットメモです。

「音声入力」を使用したことによって、従来の「キー入力」ではできなかった文章作成があるのか、ここが大きな問題です。それが発見できれば、どんな困難があっても、「音声入力」は その人の技術に必ずなります。私は、その経験者です。
 
私は、今から30年前に(当時はまだ日本語ワープロさえ存在しませんでした。)ひらがなタイプライターとディクテーションマシン(輸入品)を武器に、日本語の効率的な文章作成法を開発しようと、ある商社の開発部門でこの仕事を担当した経験があります。

 この開発事業は、1983年の第一次オイルショックのために挫折してしまいましたが、この時にはたせなかった夢に、もう一度挑戦しようと、この「音声入力」に取り組んだのでした。

 今の私はすでに70歳を超えた年齢ですが、私の若かりし頃に情熱を傾けた開発テーマに再度立ち向かっての仕事に、年齢を越えて興奮しております。それくらい、この30年間に、音声データの処理技術が革命的な進歩を遂げたからです。まさに夢のような現実が実現するようになりました。

 しかし、残念ながら、今の音声認識ソフトメーカーにしてもハードメーカーにしても、このすばらしい技術の持つ大きな夢を、ユーザーの方々に十分に提供していません。そんな現実を見るにつけ、私の今までの経験が多少なりとも皆様に役に立つのではないか、と考えています。

 特に、これからの日本を背負って立つ若い人たちに、「音声入力」の魅力を十分に知っていただき、文章を書く力を磨いてほしいのです。文章は「音声で書く」時代がまさに始まっているのです。

これから、おりにふれて、私の経験を説明させていただきますが、私の今までやってきた開発活動については、次の私のブログから読み取ってください。
 
 http://blog.livedoor.jp/stone06/ 「音声入力に魅せられて」ー理想の文章作成術を求めて 
 このアドレスにアクセスしてみてください。
そしてもし、その中で興味を引いた項目がありましたら、このコミュニティーでお問い合わせください。必ず、返事をさしあげます。

この記事は、mixiの原稿作成の画面に直接「音声入力」で入力した、と報告したいところですが、別な画面で作成した記事を、コピー&ペーストでmixiの画面に移動しました。「音声入力」での直接入力ができないわけではないのですが、まだ私自身その経験が少ないことと、発声しても文字に変換しない文字とか記号が
mixiの作成画面にはあって、作業面で不都合があったからです。

 この点については、ブログの中の「逐一変換方式と全文一括変換方式」の項をお読みください。mixi画面で、「音声入力」での直接入力ができないわけではありません。

 では、会員の皆様 よろしくご指導ください。
                                以上

コメント(10)

ストンさん、こんぱんは。いのっちです。
ストンさんの「音声入力に魅せられて」を拝見しました。
私もドラゴンスピーチを使って文章入力しているのですが、ドラゴンエディタにヘッドセットを使っての音声入力を活用しています。

質問は、Philips社が発売したDPM9400なる小型レコーダーに音声で全文の入力をした後、そのファイルを読み込んで音声認識させるという方法についてです。


DPM9400なる小型レコーダーと、普通のICレコーダーとはどのような点が性能として違うのでしょうか。

また、ヘッドセットで録音機能を使ってパソコンに全文を録音してから、その音声ファイルを読み込んで音声認識させるという方法も使えそうですが、こちらはいかがなものでしょうか。
 いのっちさま、ごめんください。

 私のブログに対して、早速のお問い合わせありがとうございました。

 第一のお問い合わせですが、大変に的を得たご質問です。
 フィリップス社は、「ポケットメモ」と呼ばれるブランドのレコーダーとICレコーダーともに製造販売していますが、この二つは全く製品コンセプトが違います。値段も「ポケットメモ」がICレコーダーの2倍以上いたします。
 しかし形状から見ると、この二つの製品にはまったく違いがありませんから、その相違点を見極めることがなかなか困難です。

 その違いを簡単に説明いたします。「ポケットメモ」はスピークマシンですし、その用途は、メモマシンであり、文章作成用です。

 一方ICレコーダーは、テープレコーダーであり、その用途は音楽用、会議・講演の録音用
です。そのため、録音機能を働かせる場合、スイッチを入れると、そのまま放置しておけばすむような用途です。再生の場合には、一度聞き出すと、その音が止まるまでスイッチには手をつけない使い方です。
 
 これに対して、「ポケットメモ」は、ディクテーションマシンですから、録音の際には、頻繁にスイッチのオン・オフを繰り返します。再生の場合には、録音した部分で音声が聞き取りにくい箇所では、何回もその箇所を繰り返して再生する必要があります。

 同じ音声を録音する場合でも、このくらい使い方が違いますと、その用途に合わせてレコーダーは選定する必要があるのです。

ところが、日本人はこういう用途別に製品を限定する使い方が苦手です。家電製品をみるとこれがよくわかります。典型的にあるサンプルは、多機能用途の製品群です。

 物資が乏しい時代には通用したかもしれませんが、今なおこのような製品が堂々とまかり通っていることが、結局、その製品の特徴を生かせないで終わっています。

 この中で、「ウォークマン」というソニーの再生オンリーのテープレコーダーが大ヒットしたとき、発想の逆転と言われたのも、日本人にはめずらしい考えかたをしたからです。でも、欧米人から言えば、めずらしいことではなく、それが当たり前なのです。これは日本では例外的なケースだったのです。

 このポケットメモ(DPMはデジタル・ポケットメモの略称です)と一段のICレコーダーの違いについては、私のブログの9月11日―13日の3回にわたってかなり詳しく説明していますので、それをお読みください。

 私のブログは、
http://blog.livedoor.jp/stone06/ です。

 お問い合わせの他社製品との比較という点に関しては、正直なところ、国産品については余り良く知りません。少なくとも、ICレコーダーで音声認識ソフトに対応していないものが大半ですから、これは論外とすべきです。

 問題は、音声認識ソフト対応のICレコーダーを販売している機種です。私の知るところ、オリンパス、ソニー、ナショナルにあります。しかし、肝心のICレコーダーはテープレコーダー用として販売されていますから、ユーザーの方の大半の需要は、講演とか会議とかで録音した音声ファイルを文字化したい、という用途です。これは、残念ながら、音声認識ソフトが一番弱い分野でして、私もこの用途はいろいろと試みてみましたが、お奨めできません。あくまでも自分の音声を文字化することにこのソフトは限定して使用しています。

 これらのメーカーの中で、オリンパス社は、外国にICレコーダーを輸出していますから、比較的フィリップス社の戦略に近いやり方を外国ではしているようです。国内では良く知りません。オリンパス社のホームページを見ると、その点はうかがえます。
 でもこれは全て輸出用ですから、もし入手できたとしても国内での製品保証はないでしようから、残念ながらお勧めできません。

 この問題についてさらに追加しておくべきことは、フィリップス社のDPMの中にも製品がいろいろとあり、ご指摘のあったDPM9400という
製品は、今年になってから発売されたものです。
 今までのDPMになかった素晴らしい機能を持っています。それは、単なるメモマシンだけではなく、音声認識ソフト(ドラゴンスピーチもその中に入ります)を動かすマイクの機能を持つようになったことです。

 メモマシンとして活動できるだけではなく、その音声ファイルをドラゴンスピーチのソフトに連結させて、音声認識ソフトを稼働させる役割を果たします。しかもマイクの役割を果たしますから、文字化された文章の訂正作業をもこのDPM9400が果たします。これだけの機能を持ったDPMは、今まではありませんでした。

 次の質問に移ります。いのっちさまが持参しているヘッドセットマイクで録音した音声ファイルは、DPM9400をお持ちであれば、フィリップス社の提供するSpeech Exec-Pro Dictateというソフトが稼働し、フィリップス社の音声ファイル形式(DSS)にコンバートいたします。

 多様にある音声ファイル形式(一般的にはwavが多いかと思いますが)を指定の音声ファイル形式に変換するソフトとフィリップス社は
Work Listと呼んでいますが、今までですと、その整理がきわめてやっかいだった音声ファイルを見事にコントロールするソフトが完成したことが、ユーザーが安心してこれらの音声ファイルをいろいろと活用できる背景にあります。

 音声ファイルとそれに対応する文書が見事に対応するシステムがあるので、大変に活用しやすくなっています。
 このシステムをご覧になれば、音声情報が今や文書データと全く変わらないやり方で、いろいろと活用できる環境を知るだろうと思います。

 いのっちさまの、今持っている音声ファイルは、フィリップス社のWork Listに乗せることが可能であれば、ドラゴンスピーチによって文字化されるはずです。

この返事は、「音声入力」で作成いたしました。ドラゴンスピーチ・エディター画面を開いて、そこに「逐一変換方式」で音声入力して文字原稿を作成しました。これをコピー&ペーストの機能を使って、mixiの入力画面に移動しました。

以上が私の回答です。
Kikaさま、ごめんください。

 私のブログに対しお問い合わせありがとうございました。
 今回、Kikaさまが私に質問してこられたことは、「音声入力」に関しての基本的な問題で、とても大事な問題を突き付けられた思いです。

「論理的な構文をランダムに話すことは慣れればそうむずかしくはないでしょうか?」というご質問は、正直なところ私には答えられません。
 実は、ここが1番大事なポイントになりますが、私はKikaさんとは少し違った発想で「音声入力」を考えているからだと思います。
 そのことを、今回は、お伝えしたいと思います。

  私の「音声入力」の基本的な使い方は、「全文一括変換方式」というやり方でして、まさにディクテーション方式で文章をつくるやり方です。
 この場合に注意していただきたいのは、この場合の文章作成では、完全なる文章をつくるという意図は全くありません。あくまでも下書き(草稿・ドラフト)をつくるための作業を、最初に重点的に、集中的に行うやり方です。

 下書き作成ですから、その文章が論理的な構文になっているかどうかは二の次です。どうでも良い問題です。自分が考えたことをまずはどんな文章でも良いから文章化してみる、これの作成に全力投球をいたします。

 この下書き文章を前にして、これに手を加えていく作業、すなわち推敲することが次の作業になります。このときになって初めて、Kikaさんのご指摘になられた、論理的な構文に文章がなっているかどうか、今度はその問題に徹底的に検討を加えるわけです。

 文章作成のプロセスをよく観察してみると、その作業内容が質的に全く違うものから構成されていることがよくわかります。ところが、私たちは昔から、すべて手書きの発想で文書作成を考えてきましたから、文章作成上の構造的な欠点に気がつかないできました。

 この方法の最大の欠陥とは、文書作成のプロセスで、質的に違う作業を行う限り、それを同時並行的にやっていては効率が落ちるということです。この構造的な欠陥を知らないで「音声入力」をやっていると、結局、「キー入力」
と同じような使い方しか考えつきません。これが「逐一変換方式」での使い方の限界です。

 もっとも、これはこれで使い道はあるのですが、あくまでも、校正作業とか推敲作業で活躍すべき使い方なのです。これを文書作成の最初から使う限り、「音声入力」のパワーは半減してしまいます。

 私の今までの「音声入力」の開発経験からの結論ですが、「音声入力」の使い方を「キー入力」と同じスタイルの「逐一変換方式」で行なっている限り、「音声入力」の実力の半分も出せないだろうと思います。

 「音声入力」の魅力は、「全文一括変換方式」というやり方にこそ存在すると、確信いたします。

 以上が、私の回答ですが、詳しくは、私のブログをご参照ください。
特に、9月4日の「逐一変換方式と全文一括変換方式」と9月5日・6日「どうしたら上手に書けるようになれるか?」(NO・1)(NO・2)をお読みいただきましたら幸です。

私のブログアドレスは
http://blog.livedoor.jp/stone06/ です。

                以上です。
すとんさん、こんにちは。いのっちです。
早速のご返答ありがとうございました。

下記の説明について再質問します。

――――――――――――――――――――――――――
 今までのDPMになかった素晴らしい機能を持っています。それは、単なるメモマシンだけではなく、音声認識ソフト(ドラゴンスピーチもその中に入ります)を動かすマイクの機能を持つようになったことです。

 メモマシンとして活動できるだけではなく、その音声ファイルをドラゴンスピーチのソフトに連結させて、音声認識ソフトを稼働させる役割を果たします。しかもマイクの役割を果たしますから、文字化された文章の訂正作業をもこのDPM9400が果たします。これだけの機能を持ったDPMは、今まではありませんでした。

―――――――――――――――――――――――――――

ドラゴンスピーチとこのDPM9400を連結させて訂正作業ができるとのことですが、具体的にはどのように行うのでしょうか。

まず、DPM9400に吹き込んだ音声ファイルをドラゴンスピーチに読み込んで、音声の文字化を行う。

そのあとのことなのですが、いったんその文字化したテキストを音声データと合わせて、ドラゴンスピーチで保存する。

そして、改めて「DPM9400」をマイクとして登録してあるユーザーをドラゴンスピーチで開く。

先ほど保存した「テキスト+音声データ」ファイルを、ドラゴンスピーチで読み込む。

そして、「DPM9400」で修正作業をするという形なのでしょうか。

私もwaveファイルのデータを全文一括方式で「音声の文字化」したのですが、その修正作業をするには、キーボードを使うしかないのかなあと思っていましたので、質問します。
いのっち さま、ごめんください。

お問い合わせの件について 説明いたします。

いのっち さまは、すでに 全文一括変換方式で
音声ファイルを 全て文章化する ご経験があるようですので、その文字化された文章の画面から 説明いたします。

私の場合、たいてい その画面は、ドラゴンスピーチ・エディターの画面です。

この画面には DPM9400が 最初から(音声ファイルをダウンロードしたときから)レコーディングコードを介してつながっています。

この状態のまま、文章の最初にカーソルをもっていき、DPM9400の音声再生ボタンを押すと 音声ファイルの音声が流れてきます。これが 正しい原稿です。もし、音声の表記が違っていましたら、その部分でストップさせ 正しい文章なり、単語を DPM9400に向かってしゃべれば、それが 正しい文章なり、単語になって 今表示されている文章の中に追加されます。こんな要領で、「音声入力」で直接、今出来あがった文章の修正作業を行うわけです。

  このDPM9400にはいくつかのボタンがついています。重要なボタンは、録音のスタート・ストップ、修正機能を示すものです。あとはバックスペースで 1文字ずつ削除するボタンとか、修正した単語とか 文章を 選択し、それを確定する機能ボタン、自分の好きな箇所にすぐ カーソルを移動させるボタンとか、が考えられるのですが、今のDPM9400では、重要なボタンだけです。後の機能が必要なときは、キーやマウスも
動員して 文章の修正作業をしています。その点では、Speech Mikeの方が ボタン機能は豊富です。

しかし、実際に使用してみると、ここで指摘する重要なボタンさえできれば、後の機能はほとんど必要ありません。他の方法で 簡単に代弁できますから さほど不便を感じません。

この音声を聞きながら「修正作業」を行う作業が、最高に楽しい仕事だと思います。少々認識率が悪くても、音声でその正しい原稿を教えてくれますから、あわてることはありません。

 また、DPM9400であれば、それがすぐそのまま
マイクがわりになりますから、最初の音声ファイルを作成したときと 同じ要領で、今度は
出来あがった文章の修正作業を 同じ「音声入力」でできるわけです。原稿は 音声で聞こえますから、とても楽しい修正作業になります。

 こんな説明で、おわかりでしょうか。
もしご興味があれば、一度 実物をごらんになることをお勧めいたします。
 
 Philips社のDPM9400の輸入元は、セントラル産業といいます。ここの山本社長に電話をされて、実物を見せてほしい、とご相談になれば
喜んで便宜を図ってくれると 思います。

もしお時間がとれましたら、会社の帰りなどに
セントラル産業にお立ち寄りになってみてはどうでしょうか。地下鉄日比谷線の神谷町駅のすぐそばです。
私から紹介された、とおつしゃって結構です。

 セントラル産業の電話 (03)3433-2361

                  以上
ストンさん、早速のご返事ありがとうございました。

何となく、わかってきたのですが、次のところについて質問します。

―――――――――――――――――――――――――――
この画面には DPM9400が 最初から(音声ファイルをダウンロードしたときから)レコーディングコードを介してつながっています。
―――――――――――――――――――――――――――

ということは、音声ファイルの指定をするときに、DPM9400の中の音声ファイルを読み込むのでしょうか。

私の場合、「録音の文字化」ダイアログボックスの中の「オーディオファイルとして文字化したいwaveファイル」を読み込みます。するとドラゴンスピーチ・エディターの画面にwaveファイルを読み込みながら文字化されていきます。しかしながら、画面上で修正するには、キーボードを使うしか手がありません。しかし、DPM9400の場合は、その画面上で音声入力できるのでしょうか。

それとも、もともとDPM9400で録音したファイルを読み込むとき、ICレコードをコンピュータに接続してのICレコーダーからの文字化を実行するのでしょうか。
つまり、ユーザーを作成するときに「使用する機器…DPM9400」を指定して、ユーザーを登録する。その場合は、ICレコーダーがマイクとして使えるということなのでしょうか。
いのっち さま、ごめんください。

 お問い合わせに答えます。今回は、ご質問事項に直接 返答するスタイルをとります。

******************************************
私の場合、「録音の文字化」ダイアログボックスの中の「オーディオファイルとして文字化したいwaveファイル」を読み込みます。するとドラゴンスピーチ・エディターの画面にwaveファイルを読み込みながら文字化されていきます。しかしながら、画面上で修正するには、キーボードを使うしか手がありません。しかし、DPM9400の場合は、その画面上で音声入力できるのでしょうか。
******************************************

 その通りです。その画面上で、音声入力ができます。

******************************************
ユーザーを作成するときに「使用する機器…DPM9400」を指定して、ユーザーを登録する。その場合は、ICレコーダーがマイクとして使えるということなのでしょうか。
******************************************

その通りです。以上、どちらの質問に対しても「使えます」という返事をするしかありません。

DPM9400がマイクとして使用できるだけではなく、SpeechMileというマイクでも ドラゴンスピーチの使用マイクとして登録しておけば、修正用のマイクとして 使用できます。もちろん、ご質問の 文章の修正作業も、DPM9400のマイクから「音声入力」で可能なのです。

                  以上
 
ストンさん、DPM9400の機能のすばらしさがわかりました。

ここまでのご説明から、DPM9400は、次のような機能があることがわかりました。以下の私の認識でいいのでしょうか。

?一度録音したファイルの途中に、新しく音声を追加した場合、その新しく追加した音声分を追加することができる。

?一度録音したファイルの一部分を訂正したい場合、訂正したい部分を指定して新に録音すると時間的に長さが違っても置き換えることができる。

普通のICレコーダーでは、パソコン上で音声編集ソフトを使わないとできないことが、DPM9400本体だけでできるようですね。
いのっち さま、ごめんください。

DPM9400の特徴についての ご理解は まさにその通りです。
いのっち さまの おつしゃるとおりです。

DPM9400が普通のICと どう違うかは、レコーダーだけを比較した場合は 正直なところ よくわかりません。ところが 音声認識ソフトを 活用するマイクとして考えると、その差は歴然としています。特に、「全文一括変換」での文章作法という 画期的な 文章作成法をやってみるとこのレコーダーの差は 決定的です。

要するに、DPM9400はディクテーションマシンであり、ICレコーダーはテープレコーダーなのです。今の国産のICレコーダーの発売目的がテープレコーダーである限り、文章作成目的には 基本的に不適です。この大事なことを ICレコーダーのメーカーが消費者に説明しないで販売している点に、大きな問題を感じます。

なお ディクテーションのことは、今現在、私のブログに書いているとろですから、また、ごついでの際にでも、私のブログでの説明を読んでみてください。

DPM9400のメーカーのPhilips社は 普通のテープレコーダーであるICレコーダーを製造販売しています。しかし、音声ファイルを 文章作成用に
活用する目的では、必ず自社のディクテーションマシンを勧めます。この見識が 日本のメーカーにはありません。とんでもないことをやっている、という反省すらありません。

ですから、音声認識ソフトがICレコーダーの音声ファイルを受け付けるということを 平気でその性能の中につけ加えて販売しているメーカーもあるのです。

でも、肝心のICレコーダーそれ自体が、すでに録音したファイルに、更に新たに音声ファイルを追加したり、挿入したり、部分訂正する、いわゆる修正機能ができない製品ですから、(最大の用途は音楽用ですから、その必要がない)肝心の音声認識ソフトを活用できるケースは、せいぜい会議録とか、講演録とか、他人の声を集めるものにしか利用できません。

残念ながら、このような用途は、音声認識ソフトては、今の技術では もっとも苦手とするところです。今のICレコーダーで「音声認識ソフト」を活用しようとしても それは無理というものです。ユーザーで、そのことを知らずして手をつけてしまうと、ユーザーは大変な迷惑をこうむること明らかです。この点が、日本のICメーカーには見識がない、と言いたいところなのです。

 最後になりましたが、いのっち さんには、お詫びを申し上げねばなりません。

 実は、私のブログを読んで、DPM9400についてのご理解を深めたものと思います。しかし、私のブログを読み直してみましたら、一つ重大なミス表示をした箇所がありまして、これがいのっちさんのご理解を大きくさまたげたのではないか、と反省しております。

その箇所とは、ブログの書き方(1)の「続く」から数えて17行目の部分です。ドラゴンスピーチ・エディターの画面に向かって、DPM9400を通して原稿をしゃべります、という箇所です。もちろん、エディター画面に向かってDPM9400を使う場面もありますが、その場合は出来あがった文章の修正をDPM4300で行うか、ないしは音読で
文章作成を行うケースです。

少なくとも、ブログ原稿を「音声入力」で作成する最初の局面では、DPM9400は使いますが、エディター画面とは一切無関係です。この場合の
DPM9400では、レコーダー単体の中に、ブログに書く原稿を音声でしゃべり、録音するわけです。

この録音が終わった後で、この音声ファイルを
パソコンにダウンロードし、そこから音声ソフトとドッキングさせて文章化するわけです。この後の作業は、このブログに記したとおりです。

この間違った記述は、すでに私のブログでは訂正しましたが、重大なミス表示をしたために、いのっちさまにも多大なご迷惑をおかけしたことと思い、ここに お詫びを申し上げる次第です。
                  以上

ログインすると、みんなのコメントがもっと見れるよ

mixiユーザー
ログインしてコメントしよう!

音声入力を始めよう! 更新情報

音声入力を始めよう!のメンバーはこんなコミュニティにも参加しています

星印の数は、共通して参加しているメンバーが多いほど増えます。

人気コミュニティランキング