部報発行に寄せて</ti= tle>  <style>  </style>  </head> <body lang=3DJA style=3D'tab-interval:42.0pt;text-justify-trim:punctuation'> <div class=3DSection1 style=3D'layout-grid:13.35pt .1pt;mso-layout-grid-cha= r-alt: 409'> <o:p> </o:p> 　音声認識をテー&#= 12510;にした補聴機器研Ĺ= 50;部・研究会開催から= 約一年半が経過した= 2290;この間私は音声認෯= 2;を利用したパソコン&= #25945;室を試行錯誤しな= 364;らいろいろなことを= ;考えた。やっと昨秋&#= 12395;現在のシステムに{= 83;どり着いた。これは= どうやら使えそうで= 2354;る。そんなこんなӛ= 4;拙文にまとめてみた&= #12290;<o:p></o:p> <o:p> </o:p> </div> <span lang=3DEN-US style=3D'font-size:10.0pt;mso-bidi-font-size:12.0pt;font= -family: Century;mso-fareast-font-family:"MS Mincho";mso-hansi-font-family:"Times Ne= w Roman"; mso-bidi-font-family:"Times New Roman";mso-font-kerning:1.0pt;mso-ansi-lang= uage: EN-US;mso-fareast-language:JA;mso-bidi-language:AR-SA'> <div class=3DSection2 style=3D'layout-grid:13.35pt .1pt;mso-layout-grid-cha= r-alt: 409'> 声認識あれこれ= <o:p></o:p> 浜難聴&#= 65381;会員<o:p></o:p> 吉村徹&#= 36335;<o:p></o:p> 目次<o:p></o:p> １．１０年後の= ある風景<o:p></o:p> ２．ＩＴ講習会= で聴覚障害者は<o:p></o:p> ３．情報保障の= コスト<o:p></o:p> ４．音声認識は= ソフトウエア<o:p></o:p> ５．音声認識を= 実際に試してみると</s= pan><o:p></o:p> ６．認識率と誤= 変換、誤認識<o:p></o:p> ７．認識率は激= 変する<o:p></o:p> ８．情報保障と= 笑い<o:p></o:p> ９．パソコン教= 室の開発<o:p></o:p> <o:p> </o:p> １．１０年後の= ある風景<o:p></o:p> 　健聴のＡさん= と１年前に病気で聞= 2371;えなくなったＢさӛ= 5;が街角で向かい合っ&= #12390;話している。Ａさ= 435;はしきりに口を動か= ;しているところを見&#= 12427;とＢさんに話しか{= 69;ているようだ。Ｂさ= んは眼鏡型の文字表= 1034;器を装着しているӍ= 0;Ａさんの話した言葉&= #12399;瞬時に文字になっ= 390;Ｂさんの文字表示器= ;に映し出される。Ａ&#= 12373;んの首には咽喉マ|= 52;クが装着してあって= Ａさんの声が街の雑= 8899;に邪魔されずに音ࣤ= 8;信号として、Ａさん&= #12398;胸ポケットに入っ= 390;いる超小型の送信機= ;から電波に乗って基&#= 22320;局へ送られる。<o:p></o:p> 　基地局で送ら= れてきた音声は超高= 6895;音声認識システムӗ= 1;正確に文字に変換さ&= #12428;て再び電波に乗りA= 314;さんの胸ポケットに= ;入っている受信機へ&#= 23626;く。受信機から眼ź= 57;型の文字表示器へ文= 字データが送られ、= 0456;手の鼻のあたりに࿡= 8;い文字が右から左へ&= #12486;レビのテロップの= 424;うに流れて行く。文= ;字の輪郭の周辺に白&#= 12356;輪郭がついている{= 98;で文字がはっきりと= 読める。文字の隙間= 2363;ら相手の目の表情Ӛ= 0;口の動きも分かるの&= #12391;相手の気分もよく= 998;かる。<o:p></o:p> 　私の貧弱な想= 像力を駆使して音声= 5469;識について将来をӝ= 2;メージするとこんな&= #20855;合になる。実際に= 399;もっとずっとすごい= ;ことになっている可&#= 33021;性もある。先日Ｎʍ= 20;ＫＴＶで立花隆さん= が「サイボーグが人= 9006;を変える」と題しӗ= 0;サイボーグ技術の最&= #36817;の進歩についてレ= 509;ートしていた。<o:p></o:p> 　脳内に埋め込= まれた電極に電圧を= 2363;けてパーキンソンெ= 9;の発作を止める装置&= #12364;すでに実用段階に= 837;っていること、コン= ;ピュータ処理された&#= 26144;像信号を脳内に届{= 69;て光の点として認識= させる技術が視覚障= 3475;者に大きな喜びをߎ= 2;えていることや、３&= #27507;児の内耳に２２個= 398;電極をつけた細い装= ;置を入れて訓練した&#= 32080;果ほぼ普通の発音{= 64;出来るようになった= 例などが紹介されて= 2356;た。<o:p></o:p> 　脳と神経を連= 携させる技術のこと= 2434;サイボーグ技術とӓ= 6;うらしい。そのうち&= #38899;声信号をコンピュ= 540;タ処理して脳内に届= ;け、脳が音声として&#= 35469;識できる字義通り{= 98;音声認識技術が開発= されるかも知れない= 2290;<o:p></o:p> 　先ほどの想像= をさらに延長してみ= 2424;う。やがて二人はෘ= 1;し終えて互いに背を&= #21521;けて歩き出した。A= 314;さんはしばらく歩い= ;てとあるビルの階段&#= 12434;上り始めた。行きı= 28;いた先はどうやらパ= ソコン教室のようで= 2354;る。すでに数十人Ӕ= 4;着席していて講師が&= #12510;イクに話す声を天= 117;のスピーカー音声で= ;聞いている。そう、&#= 65314;さんは少し遅刻し{= 90;しまったのだ。何人= かがＢさんが先ほど= 5013;着していたような௬= 4;鏡型の文字表示器を&= #35013;着して話を目で「 = 862;いて」いる。Ｂさん= ;もすぐに教室に備え&#= 20184;けられているそのÝ= 20;具を装着して話を「= 見」始めた。Ｂさん= 2399;机の上に置いてあӖ= 7;たテキストに素早く&= #30446;を走らせて概要を= 226;握すると講師の話に= ;集中し、目で「聞き&#= 12301;ながらテキストのË= 13;白にメモを書き込み= 始めた。文字表示器= 2395;は文字が２行表示ӕ= 3;れていて一瞬前の話&= #12418;表示されているの= 391;考えを纏めやすい。= ;思いついた質問事項&#= 12418;次々に記入されて{= 56;った。<o:p></o:p> <o:p> </o:p> ２．ＩＴ講習会= で聴覚障害者は<o:p></o:p> 　横浜市が障害= 者向けに横浜ラポー= 2523;でＩＴ講習会を開ࠑ= 2;している。ＩＴ講習&= #20250;は国民全員がイン= 479;ーネットや電子メー= ;ル技能を身につける&#= 12424;うにと啓蒙するた|= 17;の講習会である。健= 常者対象のＩＴ講習= 0250;は多数の会場で開ࠑ= 2;され３年間で終了し&= #12383;が、障害者向けに= 399;教室が確保しにくい= ;横浜市では未だに開&#= 20652;を続けている。横ė= 96;市では横浜市身体障= 害者団体連合会(浜身連</= span>)が委嘱&#= 12434;受けて横浜ラポー}= 23;３階のパソコンルー= ムで開催しているが= 7096;屋の広さや設備の໶= 6;係で一度に８人しか&= #21463;け入れられない。= 467;って障害者のニーズ= ;に応じ切れていない&#= 12424;うである。「広報|= 24;こはま」にほぼ毎号= 受講生募集の記事が= 6617;る。<o:p></o:p> 　私は障害者対= 象パソコン指導ボラ= 2531;ティア団体(注１<sp= an lang=3DEN-US>)に加入&#= 12375;てこのＩＴ講習会{= 98;サポート(助手<sp= an lang=3DEN-US>)を約１&#= 24180;間勤めさせて頂い{= 83;。いろいろなタイプ= の障害者の存在を知= 2387;た。　聴覚障害者Ӕ= 4;２～３人受講生の中&= #12395;混じることも何回= 363;あった。そんな時に= ;は筆記通訳が受講生&#= 12398;うしろで講師の口Ű= 48;を要約して紙に書い= て(ノート&#= 12486;イクと言う)見せる&#= 12392;か、手話の出来るŤ= 11;師の場合は受講生に= 手話で説明するなど= 2375;ていた。<o:p></o:p> 　ＩＴ講習会は= インターネットや電= 3376;メールを活用するӡ= 7;ソコン技能の概要を&= #35299;説するに過ぎない= 398;であるがそれでも専= ;門用語を伝えなけれ&#= 12400;ならないことも多{= 56;。専門用語で説明す= ることが不可欠のい= 2431;ゆるパソコン教室ӛ= 4;聞こえない人が受講&= #12377;るのには大きな困&= 627;が伴うであろう。ま= ;た、パソコン学に通&#= 12376;た筆記通訳者を必Š= 01;なだけ確保するのは= 困難であろう。聴覚= 8556;害者はパソコン教प= 0;から阻害されている&= #12392;言っても過言では= 394;いと強く感じた。= <o:p></o:p> 　これが私が聴= 覚障害者向けのパソ= 2467;ン教室開発を思いే= 5;った動機である。<s= pan lang=3DEN-US style=3D'mso-hansi-font-family:"Times New Roman";letter-spacin= g:.1pt'><o:p></o:p> <o:p> </o:p> ３．情報保障の= コスト<o:p></o:p> 　３時間くらい= の集会に必要な情報= 0445;障の作業者は、手ੌ= 0;き筆記通訳やＰＣ文&= #23383;通訳の場合約６人= 434;必要とするようだ。= ;手話通訳者なら２名&#= 12398;場合をよく見かけ|= 27;。専門性の高い技能= 者であるから時間給</s= pan>3,000円は失&#= 31036;であろうが仮にそ{= 58;だとして３時間×６&= #21517;で54,000円、Ｐ&#= 65315;文字通訳の場合は{= 73;らに準備時間が１時= 間必要と言うことで= 5300;時間×６名で72,000円など&#= 12392;試算できよう。<o:p></o:p> 　教室は受講者= が少なくても実施す= 2427;必要があろうからࡢ= 3;講生より通訳者が多&= #25968;という一見アンバ= 521;ンスな状況が生まれ= ;ることもある。仮に&#= 21463;益者負担で受講生{= 92;講師とで負担すると= なると毎回かなりの= 7329;銭的負担を強いらӚ= 8;ることになる。<o:p></o:p> 　また専門用語= を多く含む口述を筆= 5352;通訳するとなると௥= 6;当程度専門知識に精&= #36890;した通訳者が必要= 391;要員確保はさらに困= ;難であろう。さらに&#= 25945;育の観点から専門ī= 92;語は要約になじまな= いので文字表示速度= 2398;大きなＰＣ文字通ෑ= 9;方式が望ましいが、&= #12381;れにしてもパソコ= 531;関連の専門用語は文= ;字数の多いカタカナ&#= 35486;や英語が多いのでz= 89;講師との事前打ち合= わせにより単語の辞= 6360;登録をするなどしӗ= 0;文字表示速度を上げ&= #12427;ための事前の入念= 394;準備が必要になろう= ;。これは目に見えな&#= 12356;コストである。<o:p></o:p> 　また通訳者を= 必要な人数だけ用意= 2377;る準備のためのコӟ= 3;トも必要である。通&= #35379;者は生身の人間で= 354;るから担当と決まっ= ;た後で不都合が生じ&#= 12390;辞退するなどすれ|= 00;代替要員の確保が必= 要となり混乱も生じ= 2427;であろう。しかもӕ= 1;れは日常的に起こる&= #12391;あろうから通訳者= 163;配のための人的コス= ;トもかなりあると考&#= 12360;なければならないz= 90;<o:p></o:p> 　要するに聴覚= 障害者の集会では通= 5379;コストがかなり大Ӕ= 5;いのである。いわゆ&= #12427;街のパソコン教室= 391;通訳を準備している= ;ところは先ずあるま&#= 12356;。もし通訳付ならÖ= 63;講料は跳ね上がるだ= ろう。<o:p></o:p> 　音声認識を用= いての文字表示シス= 2486;ムの実際は講師のࡣ= 5;述を聞き取った復唱&= #32773;がマイクに向かっ= 390;しゃべり、その発声= ;を音声認識した文字&#= 21015;中の誤変換、誤認Ť= 72;を別の作業者がキー= ボード入力により修= 7491;すると言うのが一ഄ= 4;的と言う。これは講&= #24107;の他に少なくともA= 298;名の作業者を要し交= ;代要員を考慮すれば&#= 12381;の数倍の人員を必Š= 01;としよう。<o:p></o:p> 　最も通訳コス= トの低い教室の形態= 2399;、講師の口述を音ࣤ= 8;認識で文字表示する&= #12371;とであろう。この= 580;合は講師が通訳を兼= ;ねているので通訳者&#= 12399;ゼロである。つま|= 26;最も低コストの教室= は音声認識に依れば= 3455;現し得ると言うこӗ= 2;である。ただし音声&= #35469;識の精度つまり認#= 672;率が高くなくては実= ;際的に成り立たない&#= 12391;あろう。この観点{= 63;ら認識率の高い音声= 認識ソフトが待望さ= 2428;るのである。<o:p></o:p> <o:p> </o:p> ４．音声認識は= ソフトウエア<o:p></o:p> 　２０年以上前= には音声認識とは言= 2431;ず音声文字変換シӟ= 3;テムと呼ばれていた&= #12392;記憶する。これは= 991;字通り音声信号を文= ;字データに変換する&#= 12471;ステムと言う意味{= 91;あろう。いつの頃か= らかこれを簡単に音= 2768;認識と呼ぶようにӗ= 4;った。<o:p></o:p> 　音声認識はコ= ンピュータが音声信= 1495;を解析して文字にࣧ= 3;換するコンピュータ&= #20966;理プログラム、つ= 414;りソフトウエアであ= ;る。<o:p></o:p> 　日本で最も知= 名度の高いのは日本= 5321;ＢＭ社のビアボイӟ= 3;(ViaVoice)であろ&#= 12358;。ビアボイスのガ|= 52;ドブックによれば３= ０年以上の歳月をか= 2369;て開発したとあるӍ= 0;<o:p></o:p> 　私が晴海など= で開催されたパソコ= 2531;関連の展示会に通ӓ= 6;出した２０年ほど前&= #12395;はＮＥＣと日本ＩA= 314;Ｍが競って音声認識= ;技術を開発研究して&#= 12356;たと記憶する。そ{= 98;ころは音声でコマン= ド(コンピ&#= 12517;ータに指示する命É= 96;)を３０&#= 65296;個認識できるよう{= 95;なったとか言うレベ= ルの話であった。<o:p></o:p> 　現在、パソコ= ンショップの店頭に= 2354;るパッケージソフӠ= 8;(箱入り&#= 12477;フト)は日本&#= 65321;ＢＭ社のビアボイ|= 73;とアスキーソリュー= ションズ社のドラゴ= 2531;スピーチ(Dragon Speech)= 398;二つくらいである。= ;<o:p></o:p> 　これらの音声= 認識ソフトは大語彙= 8899;声認識と言う分野ӗ= 8;音声認識技術と言わ&= #12428;内蔵辞書が数１０= 975;語の単語を収録して= ;いて高い認識率を示&#= 12377;という。特許の関Ì= 18;でこの２社以外は真= 似が出来ないのだと= 2356;う話もある。ビアӢ= 8;イスはＩＢＭ社(IBM Corp.(米))の、ド&#= 12521;ゴンスピーチはス|= 61;ャンソフト社(ScanSoft Inc.(= 859;))の特許&#= 25216;術に依っているよ{= 58;だ。<o:p></o:p> 　しばらく前に= はＮＥＣのスマート= 2508;イス(Smart Voice)も店頭&#= 12395;並んでいたがこれ{= 99;大語彙ではなく、今= は姿を見かけなくな= 2387;た。また東芝のパӟ= 7;コンにはララボイス<= /span>(Lala Voice)と言う&#= 38899;声認識ソフトが組|= 15;込まれている。これ= らは電子メールソフ= 2488;を声で操作し簡単ӗ= 4;文章を入力して送信&= #12377;ることが出来ると#= 328;われる。<o:p></o:p> 　これらのパソ= コン用音声認識ソフ= 2488;は２万円以下で購ࠣ= 7;できる。またパソコ&= #12531;用の基本ソフトの= 368;新版のWindows XPには音&#= 22768;認識ソフトが付属{= 75;ている。これは実質= 無料であるが「使え= 2427;」との報に接したӕ= 1;とがない。<o:p></o:p> 　音声認識専業= で黒字化したと2005年に話&#= 38988;になったのがアド|= 96;ンストメディア社で= ある。同社はアミボ= 2452;ス(AmiVoice)と言う&#= 21830;品名の例えば病院z= 89;診療所などで電子カ= ルテに医学専門用語= 2434;音声で極めて精度Ӛ= 4;く記入することが出&= #26469;ると言う医療事業= 554;用のシステムなどを= ;販売している。それ&#= 12425;のシステムの開発{= 95;は実際の音声サンプ= ルを多数集めて分析= 2377;るなど開発に多大ӗ= 8;費用がかかるようで&= #36009;売価格が極めて高= 356;ようだ。しかし同社= ;は大語彙音声認識シ&#= 12473;テムをリリースし{= 90;いない。<o:p></o:p> 　そのほかＮＴ= Ｔや日立製作所など= 2364;電話応答を自動化ӕ= 7;るための音声認識を&= #38283;発するなど国内で= 418;多数の企業が音声認= ;識システムの開発を&#= 25163;がけていて特許がä= 10;数出願されている。= 最近は音声認識を組= 2415;込んだ携帯電話も௙= 0;売されているようだ&= #12290;<o:p></o:p> 　我々がパソコ= ンで文章を作るのに= 8899;声認識を利用するӗ= 2;すればせいぜい数万&= #20870;のものしか手が届= 363;ない。大語彙タイプ= ;のものでは現実的に&#= 12399;ビアボイスとドラ|= 68;ンスピーチしかパソ= コンショップの店頭= 2395;はない。ビアボイӟ= 3;を約３０年間開発・&= #36009;売してきた日本ＩA= 314;Ｍは昨年ついに販売= ;をスキャンソフト社</= span>(日本法&#= 20154;)に移管&#= 12375;てしまった。スキ}= 15;ンソフト社のドラゴ= ンスピーチはアスキ= 2540;ソリューションズట= 8;が販売している。Ｉ&= #65314;Ｍ社のビアボイス= 399;スキャンソフト社が= ;販売している。スキ&#= 12515;ンソフト社のあるĶ= 38;員は「自分はドラゴ= ンスピーチの方が使= 2356;いいと思う」とコӣ= 3;ントしてくれた。<s= pan lang=3DEN-US style=3D'mso-hansi-font-family:"Times New Roman";letter-spacin= g:.1pt'><o:p></o:p> 　ドラゴンスピ= ーチはわずか数年前= 2395;国内で販売開始さӚ= 8;た音声認識ソフトで<= /span>2003年に新&#= 32862;、パソコン誌で紹É= 71;されて一挙に知名度= が上がったようであ= 2427;。どうもビアボイӟ= 3;よりも性能が良さそ&= #12358;に感じたので私は= 414;っ先にこれを購入し= ;た。<o:p></o:p> 　コトバ表現研= 究所を主催する渡辺= 0693;明さん(注２<sp= an lang=3DEN-US>)はドラ&#= 12468;ンスピーチの愛好ê= 78;で、ブログ(ホーム&#= 12506;ージの一種)で音声&#= 35469;識に関して幅広くţ= 42;じている。音声認識= についてこのブログ= 2363;ら多くを学んだ。</span= ><o:p></o:p> <o:p> </o:p> ５．音声認識を= 実際に試してみると</s= pan><o:p></o:p> 　次ページ左側= 列の原文を読み上げ= 8899;声認識させた結果ӛ= 4;右側列に示したもの&= #12391;ある。途中修正を= 840;く行わずそのまま普= ;通の速さで読み上げ&#= 12383;。文中の句読点やý= 24;弧などは発音してい= ない。右列の反転部= 0998;は誤変換又は誤認෯= 2;となったところであ&= #12427;。<o:p></o:p> 　結果は見ての通&#= 12426;である。認識率はʍ= 04;０％以上はありそう= である。一文を読み= 2066;わってから文字表ట= 4;が完了するまでのタ&= #12452;ムラグは約１秒、&= 263;くても３秒以内と思= ;われる。<o:p></o:p> <o:p> </o:p> ６．認識率と誤= 変換、誤認識<o:p></o:p> 　前述のビアボ= イスやドラゴンスピ= 2540;チは話者特定方式ӗ= 1;ある。話す人一人一&= #20154;の音声パターンを= 331;録する。そのために= ;用意してある文章を&#= 35501;ませて音声の癖をŠ= 26;えさせるのである。= この操作をエンロー= 2523;とかトレーニングӗ= 2;言う。要するに音声&= #35469;識ソフトのチュー= 491;ングである。<o:p></o:p> 　音声を文字に= 変換する仕組みは私= 2398;理解力の外であるӍ= 0;「隠れマルコフモデ&= #12523;」と言うのが現在= 398;主流と言う。<o:p></o:p> 　音声を文字に= 正しく変換する割合= 2434;認識率と言う。認෯= 2;率は高い方がいいに&= #27770;まっている。認識= 575;を出来るだけ高める= ;ために、静かな部屋&#= 12391;話す、明瞭に話すz= 89;抑揚のないいわゆる= 棒読みのような話し= 6041;をするなどの努力ӛ= 4;要する。また辞書に&= #12394;い単語は変換し得= 394;いので辞書を整備す= ;る必要があるという&#= 12290;<o:p></o:p> 　認識率をどの= ように測定するのか= 2399;不勉強で知らないӔ= 4;、日本語なら話した&= #38899;声をかな表記した= 392;きのかなの文字数に= ;対して正確に変換し&#= 12383;部分のかな表記文é= 83;数の割合で表す方法= が採れるだろう。私= 2399;文字表記した文章ӛ= 4;目で見て大体何パー&= #12475;ントと言っている= 364;きわめていい加減な= ;感覚的な評価である&#= 12290;尺度が同じかどう{= 63;は分からないが、聴= 覚障害学生に対する= 5611;義保障では最低約ᦂ= 3;０％以上の認識率が&= #12394;いと講義内容の理#= 299;が得られないとの研= ;究結果(注３<sp= an lang=3DEN-US>)がある&#= 12290;学校の講義の場合{= 99;前後の文脈から大き= く話題がそれること= 2364;少ないのでこの程ॷ= 0;の認識率でも内容の&= #25226;握が出来るようだ= 290;ただ<o:p></o:p> 専門用語の誤変= 換は極力排除しなけ= 2428;ばならないと議論ӕ= 3;れているが同感であ&= #12427;。<o:p></o:p> 　認識率はいか= なる場合も高い方が= 2424;い。パソコン教室ӗ= 1;は専門用語を多用す&= #12427;必要がありこれに= 550;して誤認識・誤変換= ;の割合が大きくては&#= 20462;正作業が増え講義|= 34;円滑に進めるのに困= 難が生じる。<o:p></o:p> 　正しく認識さ= れなかったところは= 5492;変換と誤認識であӚ= 7;。誤変換は発音は正&= #30906;に捉えているが別= 398;文字列に変換された= ;ものである。これは&#= 21516;音異字がある日本Ţ= 86;では止むを得ないこ= とのようで、パソコ= 2531;用日本語入力ソフӠ= 8;と同じように辞書学&= #32722;の結果使用頻度の'= 640;いつまり使う確率の= ;大きい単語に変換さ&#= 12428;るので、使い込め|= 00;認識率の向上につな= がるのでこれは許さ= 2428;ていいだろう。修ઽ= 1;も比較的容易である&= #12290;しかし誤認識は発&= 899;すら正確に捕捉され= ;ていないのだから誤&#= 22793;換以前の問題であ|= 27;。これを減らすため= には雑音の少ない環= 2659;、明瞭な発音が要૓= 4;される。また単語登&= #37682;や単語の発音練習= 418;有効のようである。= ;<o:p></o:p> <o:p> </o:p> ７．認識率は激= 変する<o:p></o:p> 　前述の渡辺知= 明さんは音声認識が= 2354;まり普及しないのӗ= 9;認識率がいまいちだ&= #12363;らと言う。発声に= 424;って文字入力する方= ;が速いのと疲れない&#= 12398;とで実用的な認識ħ= 75;が得られれば必ずや= 普及するだろうと。</s= pan><o:p></o:p> 　静かな部屋で= チューニングした音= 2768;認識を別の環境のਢ= 5;室などへ運んで使お&= #12358;とすると、チュー= 491;ングしていた時には= ;高い認識率を示して&#= 12356;たのにさっぱり働{= 63;ない。意味不明の文= 字列が羅列されたり= 6178;には変換結果が出Ӛ= 7;までにとてつもなく&= #26178;間がかかる。場合= 395;よってはそのまま黙= ;り込んでしまう。<sp= an lang=3DEN-US style=3D'mso-hansi-font-family:"Times New Roman";letter-spacin= g:.1pt'><o:p></o:p> 　最初の頃家で= チューニングして教= 3460;へ持ち込みそのまә= 4;使おうとして最初の&= #25968;分で使うのを諦め= 374;るを得なかったこと= ;が数回あった。家で&#= 12481;ューニングしたと{= 65;は簡単な挨拶文が１= ００％完璧に認識さ= 2428;るていたのにであӚ= 7;。<o:p></o:p> 　認識率が得ら= れなかった原因とし= 2390;有力なのは環境雑༱= 9;である。私の仕事部&= #23627;と教室とでは環境&= 609;音が大いに違うだろ= ;う。道路からの交通&#= 38609;音、エアコンなど{= 98;機器の音、天候由来= の雨、風の音などが= 2354;る。ある日は教室ࠦ= 9;で短時間のチューニ&= #12531;グを行って使おう= 392;したが家でのように= ;は認識率が得られず&#= 12371;の時も開始数分でË= 51;用を断念した。<o:p></o:p> 　それまでマイ= クはドラゴンスピー= 2481;に付属していたヘӠ= 3;ドセットマイクを使&= #12387;ていたがある時ア= 473;キーソリューション= ;ズ社から販売された&#= 25351;向性マイクを使っ{= 90;みた。３時間の間ほ= ぼ安定に約７０％の= 5469;識率が得られた。ෝ= 2;変換、誤認識は音声&= #12467;マンドによる修正= 392;キーボード入力でカ= ;バーした。私はタッ&#= 12481;タイピングが出来{= 94;いのでキーボードで= の修正には時間がか= 2363;る。しかしこの時ࣺ= 7;めて音声認識の可能&= #24615;を実感して胸が躍= 387;た(2005年2月)。<o:p></o:p> 　何回か教室で= その指向性マイクを= 0351;ったが必ずしもいӖ= 8;も同じ状況ではなか&= #12387;た。ある時は途中= 391;断念せざるを得ない= ;こともあった。教室&#= 12395;よっても違う。つ|= 14;り環境雑音のレベル= が違うのである。時= 8291;をかけてトレーニӥ= 1;グ(チュー&#= 12491;ング)すると&#= 35469;識率が向上する傾×= 21;を承知していたが現= 地で３０分もかかる= 2481;ューニングを実施ӕ= 7;る余裕もない。また&= #25240;角チューニングし= 390;もその雑音環境が常= ;に一定という訳でも&#= 12394;さそうである。<o:p></o:p> 　そんなある日= に重大な発見をした= 2290;その日は認識率がӖ= 1;こそこあって使えて&= #12356;たが５、６ｍ先か= 425;質問が飛んだ。大き= ;な声であった。しば&#= 12425;く音声認識が完全{= 95;死んだ。マイクに繰= り返し話しかけても= 5991;字列が表示されなӓ= 6;。話すのを止めて１&= #65296;秒待っても文字が= 694;れない。その瞬間は= ;故障したのかと思っ&#= 12383;。しかし音声入力}= 24;ベル計は緑色に振れ= ていたのだ。音声と= 2375;て捕捉しながらもਧ= 1;字変換できないでい&= #12427;ように感じた。入= 147;レベルに達していな= ;がら音声パターンを&#= 20998;析できないでいる|= 24;うに思えた。<o:p></o:p> 　現場でチュー= ニングしても環境雑= 8899;は時々刻々変化すӚ= 7;ので時には入力レベ&= #12523;に達することがあ= 427;のではないか。そん= ;な時は文字変換しよ&#= 12358;と入力音を解析す|= 27;のだが変換不能であ= ったり、解析に時間= 2364;かかるのではないӔ= 3;と推測した。<o:p></o:p> 　現場の音声を= 別の場所へ通信で送= 2426;、一人がそれを聞ӓ= 6;て復唱して音声認識&= #12373;せ、もう一人がキ= 540;ボード入力によって= ;誤変換、誤認識を修&#= 27491;して再び通信で現á= 80;に返して文字表示す= るシステムが実用化= 2373;れている。これなӚ= 5;ば雑音レベルを一定&= #12395;抑制できるので音= 768;認識にとって理想的= ;な条件が整えられる&#= 12384;ろう。<o:p></o:p> 　これを低コス= トで実現する方法は= 2394;いだろうか。遮音ঝ= 5;材料で被覆して雑音&= #20405;入を防いだ電話ボ= 483;クスのような箱を教= ;室内に設置し話者が&#= 12381;の中で発声し誤変ÿ= 63;、誤認識を修正する= のはどうであろうか= 2290;<o:p></o:p> 　とにかく雑音= が大敵なのである。</s= pan><o:p></o:p> <o:p> </o:p> ８．情報保障と= 笑い<o:p></o:p> 　講師が冗談を= 言う。聞こえていた= 0154;はすぐに反応するӌ= 9;つまり笑い声を上げ&= #12427;。筆記通訳者によ= 427;文字表示が完了して= ;から失聴者、難聴者&#= 12399;講師が面白い話をü= 59;露したのだと知る。= しかし笑い声を立て= 2394;い。いや立てられӗ= 4;いのだ。彼らはその&= #22580;の雰囲気で聞こえ= 390;いた人たちが笑った= ;ことに気がついてい&#= 12427;。文字表示を読ん{= 91;面白い話だと分かっ= た時には先に笑い声= 2364;上がってから少しਹ= 8;間が経過しているの&= #12391;そこで笑い声を立= 390;ると間が抜けて見え= ;るから笑いをこらえ&#= 12427;のである。<o:p></o:p> 　幼児の頃から= 難聴を抱えて育った= 1169;は、健聴者が人のࠨ= 7;談にほぼ瞬間的に反&= #24540;して冗談で応酬す= 427;のを見るたびに不思= ;議に感じていた。自&#= 20998;は冗談を言われて|= 18;すぐに反応出来ない= のである。何故なの= 2363;と長年考えて分かӖ= 7;たことは難聴者は聞&= #12371;えた音声がそう言= 358;言葉であると確信す= ;るのに少し時間がか&#= 12363;るのである。頭のÈ= 13;で脳が聞こえた音声= を解釈して何と言っ= 2383;のか理解して確信Ӕ= 4;持てるまでに０.１秒か&#= 65296;.２秒、&#= 12354;るいはもっと時間{= 64;かかるのである。<= span lang=3DEN-US style=3D'mso-hansi-font-family:"Times New Roman";letter-spacin= g:.1pt'><o:p></o:p> 　理解とは聞こ= えたのではなくて考= 2360;たことである。そӗ= 8;作業のために脳は疲&= #12428;てしまい、その冗#= 527;に素早く対応する余= ;裕を失ってしまうの&#= 12391;ある。人にからか|= 31;れても健聴者は直ち= に反撃出来るが難聴= 2773;はこのタイムラグӗ= 8;せいでスピーディに&= #23550;応できないのであ= 427;。気の利いたせりふ= ;が口をついて飛び出&#= 12375;てこないのであるz= 89;とこんな具合に考え= るに至った。あなが= 2385;間違いでもなさそӓ= 8;である。<o:p></o:p> 　手話は比較的= にリアルタイムの通= 5379;であるので手話が࠳= 8;かる人は殆ど遅延な&= #12375;に面白い話を理解= 377;るのではないかと思= ;う。しかし文字によ&#= 12427;情報保障に頼る人{= 99;文字表示に遅れが生= じるために聞こえる= 0154;と一緒にいる場でӗ= 9;面白い話と分かった&= #26178;に笑い声を立てる= 398;にためらいがあるの= ;である。このことを&#= 33256;場感の欠如と表現{= 77;る人もいる。<o:p></o:p> 　この話が音声= 認識とどんな関係が= 2354;るのかいぶかる向Ӕ= 5;も多いと思う。話す&= #36895;度は１分間に３０A= 296;から４００文字と言= ;う。それに対して筆&#= 35352;通訳は４０～５０ă= 91;字と言われる。情報= 量が少ない分、要約= 2375;て文字表示されるӍ= 0;しかも話し終わって&= #12363;ら文字表示が完了= 377;るまでに時間がかか= ;る。要約では冗談の&#= 38754;白みは殆どそぎ落{= 92;されてしまい、どこ= が面白いのか分から= 2394;くなっているだろӓ= 8;。特に言い回しが面&= #30333;いような場合、要 = 004;してそれを再現する= ;のは困難に違いない&#= 12290;しかもかなりの時ž= 91;経過後に文字表示が= 完了するのである。= 2497;ソコンのキーボーӠ= 9;で文字入力を行い文&= #23383;表示する通訳シス= 486;ムでは手書きの筆記= ;通訳に比べて１分間&#= 12395;表示できる文字数{= 99;数倍多いと思われ、= キーボード入力の巧= 2415;な操作者であればෘ= 1;す速度に追随して文&= #23383;表示できるようで= 354;る。こちらは比較的= ;に要約度合いが少な&#= 12367;原話の面白みがあ|= 14;り脱落せずに文字に= 表現されるであろう= 2363;ら面白さは十分にߩ= 3;わるであろう。しか&= #12375;聞こえない人は笑= 360;ないのである。何故= ;なら文字表示が完了&#= 12377;るまでに長い時間{= 64;かかるからである。= ある調査では平均１= 5297;秒であったというӍ= 0;<o:p></o:p> 　聞こえない人= は、冗談にすぐに反= 4540;して笑うことを諦ә= 7;なければならないの&= #12384;ろうか。どのくら= 356;の遅れなら許される= ;のだろうか。このよ&#= 12358;な問題を取り扱っ{= 90;いる研究者はいるの= だろうか。<o:p></o:p> 　音声認識はコ= ンピュータ用のソフ= 2488;ウエアである。コӥ= 1;ピュータの処理能力&= #12364;きわめて大きいか= 354;るいはソフトウエア= ;の変換速度が大きけ&#= 12428;ば話し言葉を高速{= 91;変換して文字表示出= 来るのではないかと= 4605;うのは間違いだろӓ= 8;か。<o:p></o:p> 　早稲田大学の= 白井克彦総長は「Ｎ= 5320;Ｋのリアルタイムढ= 3;幕製作システムを実&= #29992;化の域へ導いた話$= 895;変換技術の研究指導= ;など」の業績に対し&#= 12390;放送文化賞を受け{= 83;(注４<sp= an lang=3DEN-US>)。その&#= 25216;術を紹介するテレ|= 99;ニュースを見たが武= 田真一アナウンサー= 2364;ニュースをしゃべӚ= 7;と殆ど間(ま)をおか&#= 12378;に文字が次々に画ƃ= 54;上に流れ込んだ。そ= の間(ま)は０<sp= an lang=3DEN-US>.１秒か&#= 12381;こいらのように感{= 76;た。これなら健聴者= とほぼ同時に笑える= 2392;思えた。話速変換ӗ= 4;ら聞こえない人でも&= #20250;議や集会がスムー= 474;に進められるのでは= ;ないか。そこでは参&#= 21152;者の意見・質問な{= 93;の発言が重要だから= である。そう、これ= 2399;まさしく臨場感とӓ= 6;えるだろう。<o:p></o:p> 　リアルタイム= の音声認識であれば= 4605;考が妨げられずにૈ= 4;較的スムーズに話の&= #20869;容を理解すること= 364;出来るのではないだ= ;ろうか。話者の顔が&#= 35211;えている現場ではă= 91;字表示の遅れは臨場= 感の欠如、ひいては= 9702;解力の低下に繋がӚ= 7;のではないだろうか&= #12290;私が言いたいのは= 522;アルタイム性(即時性</= span>)も情報&#= 20445;障の重要な要素で{= 99;ないかということで= ある。<o:p></o:p> 　ちなみにドラ= ゴンスピーチで話し= 2066;わってから文字表ట= 4;されるまでの時間は&= #21069;述のように１、２= 186;と筆記通訳システム= ;などより格段に速い&#= 12290;認識率が１００％{= 91;あれば修正に要する= 時間がゼロとなるの= 2391;ほぼ理想的なシスӠ= 6;ムとなるであろう。<= /span><o:p></o:p> <o:p> </o:p> ９．聴覚= 8556;害者向けパソコンਢ= 5;室の開発<o:p></o:p> 　パソコン教室= で講師が一人で情報= 0445;障するためには、௅= 0;労の最も少ない音声&= #35469;識が最適と思われ= 427;。これまでに数１０= ;回の教室開催をこな&#= 12375;てきたが音声認識{= 64;うまく動作したケー= スは少なく、キーボ= 2540;ド入力やマーカーӢ= 6;ンで板書する方法を&= #20341;用せざるを得なか= 387;た。認識率が期待す= ;るほど高くないのと&#= 22793;動それも激変する{= 83;め使用不能に陥るか= らである。その原因= 2398;大部分はＳ／Ｎ比ӗ= 8;変動にあるらしいと&= #27671;がつくに至った。= 288;Ｓ／Ｎ比とは信号／= ;雑音の比率のことで&#= 12354;る。大きい方が好|= 14;しい。「静かな部屋= 」はＳ／Ｎ比が大き= 2356;のだがこの状態を໲= 3;時間にわたって確保&= #12377;ることは不可能に$= 817;い。Ｓ／Ｎ比を高く= ;維持するにはどうし&#= 12383;らよいか。マイク{= 98;選定では指向性マイ= クの他ノイズキャン= 2475;リング型のマイクә= 8;試してみたが思わし&= #12367;なかった。<o:p></o:p> 　前述の渡辺知= 明氏さんがブログで= 2057;介していたカラオӞ= 5;練習用のマイクが比&= #36611;的よい結果を示し= 383;。これは半円状のプ= ;ラスチック製のカバ&#= 12540;で口の周りを覆いz= 89;その中に装着されて= いるダイナミックマ= 2452;クが音声を受けるઔ= 3;造になっているもの&= #12391;ある。このカバー= 364;話者の発声以外のす= ;べての音を遮断する&#= 12371;とにより擬似的に{= 00;静かな部屋」を作り= 出すのである。2005年10月24日に初&#= 12417;て使用して以来10回以上&#= 12398;教室で常に８０％Š= 11;当の認識率が得られ= た。使い込むことと= 6766;書の整備などで今঎= 0;さらにいくらか認識&= #29575;を上げられるので= 399;ないかと期待してい= ;る。<o:p></o:p> 　このほかにも= 検討したいマイクが= 2354;るので逐次試してශ= 1;る予定でいる。結果&= #12434;別の機会に報告し= 383;いと思う。<o:p></o:p> </div> <span lang=3DEN-US style=3D'font-size:10.0pt;mso-bidi-font-size:12.0pt;font= -family: Century;mso-fareast-font-family:"MS Mincho";mso-hansi-font-family:"Times Ne= w Roman"; mso-bidi-font-family:"Times New Roman";mso-font-kerning:1.0pt;mso-ansi-lang= uage: EN-US;mso-fareast-language:JA;mso-bidi-language:AR-SA'> <div class=3DSection3 style=3D'layout-grid:13.35pt .1pt;mso-layout-grid-cha= r-alt: 409'> (注１)Dream Navigator Yokohama(<span style=3D'font-size:7.0pt;font-family:"MS Mi= ncho"; mso-ascii-font-family:Century;mso-hansi-font-

MIME-Version: 1.0 Content-Type: multipart/related; boundary="----=_NextPart_01C644F1.02EC8560" このドキュメントは単一ファイル Web ページ (Web アーカイブファイル) です。お使いのブラウザ、またはエディタは Web アーカイブファイルをサポートしていません。Microsoft Internet Explorer など、Web アーカイブをサポートするブラウザをダウンロードしてください。 ------=_NextPart_01C644F1.02EC8560 Content-Location: file:///C:/591B31C9/ninsiki.htm Content-Transfer-Encoding: quoted-printable Content-Type: text/html; charset="us-ascii" 部報発行に寄せて</ti= tle>  <style>  </style>  </head> <body lang=3DJA style=3D'tab-interval:42.0pt;text-justify-trim:punctuation'> <div class=3DSection1 style=3D'layout-grid:13.35pt .1pt;mso-layout-grid-cha= r-alt: 409'> <o:p> </o:p> 　音声認識をテー&#= 12510;にした補聴機器研Ĺ= 50;部・研究会開催から= 約一年半が経過した= 2290;この間私は音声認෯= 2;を利用したパソコン&= #25945;室を試行錯誤しな= 364;らいろいろなことを= ;考えた。やっと昨秋&#= 12395;現在のシステムに{= 83;どり着いた。これは= どうやら使えそうで= 2354;る。そんなこんなӛ= 4;拙文にまとめてみた&= #12290;<o:p></o:p> <o:p> </o:p> </div> <span lang=3DEN-US style=3D'font-size:10.0pt;mso-bidi-font-size:12.0pt;font= -family: Century;mso-fareast-font-family:"MS Mincho";mso-hansi-font-family:"Times Ne= w Roman"; mso-bidi-font-family:"Times New Roman";mso-font-kerning:1.0pt;mso-ansi-lang= uage: EN-US;mso-fareast-language:JA;mso-bidi-language:AR-SA'> <div class=3DSection2 style=3D'layout-grid:13.35pt .1pt;mso-layout-grid-cha= r-alt: 409'> 声認識あれこれ= <o:p></o:p> 浜難聴&#= 65381;会員<o:p></o:p> 吉村徹&#= 36335;<o:p></o:p> 目次<o:p></o:p> １．１０年後の= ある風景<o:p></o:p> ２．ＩＴ講習会= で聴覚障害者は<o:p></o:p> ３．情報保障の= コスト<o:p></o:p> ４．音声認識は= ソフトウエア<o:p></o:p> ５．音声認識を= 実際に試してみると</s= pan><o:p></o:p> ６．認識率と誤= 変換、誤認識<o:p></o:p> ７．認識率は激= 変する<o:p></o:p> ８．情報保障と= 笑い<o:p></o:p> ９．パソコン教= 室の開発<o:p></o:p> <o:p> </o:p> １．１０年後の= ある風景<o:p></o:p> 　健聴のＡさん= と１年前に病気で聞= 2371;えなくなったＢさӛ= 5;が街角で向かい合っ&= #12390;話している。Ａさ= 435;はしきりに口を動か= ;しているところを見&#= 12427;とＢさんに話しか{= 69;ているようだ。Ｂさ= んは眼鏡型の文字表= 1034;器を装着しているӍ= 0;Ａさんの話した言葉&= #12399;瞬時に文字になっ= 390;Ｂさんの文字表示器= ;に映し出される。Ａ&#= 12373;んの首には咽喉マ|= 52;クが装着してあって= Ａさんの声が街の雑= 8899;に邪魔されずに音ࣤ= 8;信号として、Ａさん&= #12398;胸ポケットに入っ= 390;いる超小型の送信機= ;から電波に乗って基&#= 22320;局へ送られる。<o:p></o:p> 　基地局で送ら= れてきた音声は超高= 6895;音声認識システムӗ= 1;正確に文字に変換さ&= #12428;て再び電波に乗りA= 314;さんの胸ポケットに= ;入っている受信機へ&#= 23626;く。受信機から眼ź= 57;型の文字表示器へ文= 字データが送られ、= 0456;手の鼻のあたりに࿡= 8;い文字が右から左へ&= #12486;レビのテロップの= 424;うに流れて行く。文= ;字の輪郭の周辺に白&#= 12356;輪郭がついている{= 98;で文字がはっきりと= 読める。文字の隙間= 2363;ら相手の目の表情Ӛ= 0;口の動きも分かるの&= #12391;相手の気分もよく= 998;かる。<o:p></o:p> 　私の貧弱な想= 像力を駆使して音声= 5469;識について将来をӝ= 2;メージするとこんな&= #20855;合になる。実際に= 399;もっとずっとすごい= ;ことになっている可&#= 33021;性もある。先日Ｎʍ= 20;ＫＴＶで立花隆さん= が「サイボーグが人= 9006;を変える」と題しӗ= 0;サイボーグ技術の最&= #36817;の進歩についてレ= 509;ートしていた。<o:p></o:p> 　脳内に埋め込= まれた電極に電圧を= 2363;けてパーキンソンெ= 9;の発作を止める装置&= #12364;すでに実用段階に= 837;っていること、コン= ;ピュータ処理された&#= 26144;像信号を脳内に届{= 69;て光の点として認識= させる技術が視覚障= 3475;者に大きな喜びをߎ= 2;えていることや、３&= #27507;児の内耳に２２個= 398;電極をつけた細い装= ;置を入れて訓練した&#= 32080;果ほぼ普通の発音{= 64;出来るようになった= 例などが紹介されて= 2356;た。<o:p></o:p> 　脳と神経を連= 携させる技術のこと= 2434;サイボーグ技術とӓ= 6;うらしい。そのうち&= #38899;声信号をコンピュ= 540;タ処理して脳内に届= ;け、脳が音声として&#= 35469;識できる字義通り{= 98;音声認識技術が開発= されるかも知れない= 2290;<o:p></o:p> 　先ほどの想像= をさらに延長してみ= 2424;う。やがて二人はෘ= 1;し終えて互いに背を&= #21521;けて歩き出した。A= 314;さんはしばらく歩い= ;てとあるビルの階段&#= 12434;上り始めた。行きı= 28;いた先はどうやらパ= ソコン教室のようで= 2354;る。すでに数十人Ӕ= 4;着席していて講師が&= #12510;イクに話す声を天= 117;のスピーカー音声で= ;聞いている。そう、&#= 65314;さんは少し遅刻し{= 90;しまったのだ。何人= かがＢさんが先ほど= 5013;着していたような௬= 4;鏡型の文字表示器を&= #35013;着して話を目で「 = 862;いて」いる。Ｂさん= ;もすぐに教室に備え&#= 20184;けられているそのÝ= 20;具を装着して話を「= 見」始めた。Ｂさん= 2399;机の上に置いてあӖ= 7;たテキストに素早く&= #30446;を走らせて概要を= 226;握すると講師の話に= ;集中し、目で「聞き&#= 12301;ながらテキストのË= 13;白にメモを書き込み= 始めた。文字表示器= 2395;は文字が２行表示ӕ= 3;れていて一瞬前の話&= #12418;表示されているの= 391;考えを纏めやすい。= ;思いついた質問事項&#= 12418;次々に記入されて{= 56;った。<o:p></o:p> <o:p> </o:p> ２．ＩＴ講習会= で聴覚障害者は<o:p></o:p> 　横浜市が障害= 者向けに横浜ラポー= 2523;でＩＴ講習会を開ࠑ= 2;している。ＩＴ講習&= #20250;は国民全員がイン= 479;ーネットや電子メー= ;ル技能を身につける&#= 12424;うにと啓蒙するた|= 17;の講習会である。健= 常者対象のＩＴ講習= 0250;は多数の会場で開ࠑ= 2;され３年間で終了し&= #12383;が、障害者向けに= 399;教室が確保しにくい= ;横浜市では未だに開&#= 20652;を続けている。横ė= 96;市では横浜市身体障= 害者団体連合会(浜身連</= span>)が委嘱&#= 12434;受けて横浜ラポー}= 23;３階のパソコンルー= ムで開催しているが= 7096;屋の広さや設備の໶= 6;係で一度に８人しか&= #21463;け入れられない。= 467;って障害者のニーズ= ;に応じ切れていない&#= 12424;うである。「広報|= 24;こはま」にほぼ毎号= 受講生募集の記事が= 6617;る。<o:p></o:p> 　私は障害者対= 象パソコン指導ボラ= 2531;ティア団体(注１<sp= an lang=3DEN-US>)に加入&#= 12375;てこのＩＴ講習会{= 98;サポート(助手<sp= an lang=3DEN-US>)を約１&#= 24180;間勤めさせて頂い{= 83;。いろいろなタイプ= の障害者の存在を知= 2387;た。　聴覚障害者Ӕ= 4;２～３人受講生の中&= #12395;混じることも何回= 363;あった。そんな時に= ;は筆記通訳が受講生&#= 12398;うしろで講師の口Ű= 48;を要約して紙に書い= て(ノート&#= 12486;イクと言う)見せる&#= 12392;か、手話の出来るŤ= 11;師の場合は受講生に= 手話で説明するなど= 2375;ていた。<o:p></o:p> 　ＩＴ講習会は= インターネットや電= 3376;メールを活用するӡ= 7;ソコン技能の概要を&= #35299;説するに過ぎない= 398;であるがそれでも専= ;門用語を伝えなけれ&#= 12400;ならないことも多{= 56;。専門用語で説明す= ることが不可欠のい= 2431;ゆるパソコン教室ӛ= 4;聞こえない人が受講&= #12377;るのには大きな困&= 627;が伴うであろう。ま= ;た、パソコン学に通&#= 12376;た筆記通訳者を必Š= 01;なだけ確保するのは= 困難であろう。聴覚= 8556;害者はパソコン教प= 0;から阻害されている&= #12392;言っても過言では= 394;いと強く感じた。= <o:p></o:p> 　これが私が聴= 覚障害者向けのパソ= 2467;ン教室開発を思いే= 5;った動機である。<s= pan lang=3DEN-US style=3D'mso-hansi-font-family:"Times New Roman";letter-spacin= g:.1pt'><o:p></o:p> <o:p> </o:p> ３．情報保障の= コスト<o:p></o:p> 　３時間くらい= の集会に必要な情報= 0445;障の作業者は、手ੌ= 0;き筆記通訳やＰＣ文&= #23383;通訳の場合約６人= 434;必要とするようだ。= ;手話通訳者なら２名&#= 12398;場合をよく見かけ|= 27;。専門性の高い技能= 者であるから時間給</s= pan>3,000円は失&#= 31036;であろうが仮にそ{= 58;だとして３時間×６&= #21517;で54,000円、Ｐ&#= 65315;文字通訳の場合は{= 73;らに準備時間が１時= 間必要と言うことで= 5300;時間×６名で72,000円など&#= 12392;試算できよう。<o:p></o:p> 　教室は受講者= が少なくても実施す= 2427;必要があろうからࡢ= 3;講生より通訳者が多&= #25968;という一見アンバ= 521;ンスな状況が生まれ= ;ることもある。仮に&#= 21463;益者負担で受講生{= 92;講師とで負担すると= なると毎回かなりの= 7329;銭的負担を強いらӚ= 8;ることになる。<o:p></o:p> 　また専門用語= を多く含む口述を筆= 5352;通訳するとなると௥= 6;当程度専門知識に精&= #36890;した通訳者が必要= 391;要員確保はさらに困= ;難であろう。さらに&#= 25945;育の観点から専門ī= 92;語は要約になじまな= いので文字表示速度= 2398;大きなＰＣ文字通ෑ= 9;方式が望ましいが、&= #12381;れにしてもパソコ= 531;関連の専門用語は文= ;字数の多いカタカナ&#= 35486;や英語が多いのでz= 89;講師との事前打ち合= わせにより単語の辞= 6360;登録をするなどしӗ= 0;文字表示速度を上げ&= #12427;ための事前の入念= 394;準備が必要になろう= ;。これは目に見えな&#= 12356;コストである。<o:p></o:p> 　また通訳者を= 必要な人数だけ用意= 2377;る準備のためのコӟ= 3;トも必要である。通&= #35379;者は生身の人間で= 354;るから担当と決まっ= ;た後で不都合が生じ&#= 12390;辞退するなどすれ|= 00;代替要員の確保が必= 要となり混乱も生じ= 2427;であろう。しかもӕ= 1;れは日常的に起こる&= #12391;あろうから通訳者= 163;配のための人的コス= ;トもかなりあると考&#= 12360;なければならないz= 90;<o:p></o:p> 　要するに聴覚= 障害者の集会では通= 5379;コストがかなり大Ӕ= 5;いのである。いわゆ&= #12427;街のパソコン教室= 391;通訳を準備している= ;ところは先ずあるま&#= 12356;。もし通訳付ならÖ= 63;講料は跳ね上がるだ= ろう。<o:p></o:p> 　音声認識を用= いての文字表示シス= 2486;ムの実際は講師のࡣ= 5;述を聞き取った復唱&= #32773;がマイクに向かっ= 390;しゃべり、その発声= ;を音声認識した文字&#= 21015;中の誤変換、誤認Ť= 72;を別の作業者がキー= ボード入力により修= 7491;すると言うのが一ഄ= 4;的と言う。これは講&= #24107;の他に少なくともA= 298;名の作業者を要し交= ;代要員を考慮すれば&#= 12381;の数倍の人員を必Š= 01;としよう。<o:p></o:p> 　最も通訳コス= トの低い教室の形態= 2399;、講師の口述を音ࣤ= 8;認識で文字表示する&= #12371;とであろう。この= 580;合は講師が通訳を兼= ;ねているので通訳者&#= 12399;ゼロである。つま|= 26;最も低コストの教室= は音声認識に依れば= 3455;現し得ると言うこӗ= 2;である。ただし音声&= #35469;識の精度つまり認#= 672;率が高くなくては実= ;際的に成り立たない&#= 12391;あろう。この観点{= 63;ら認識率の高い音声= 認識ソフトが待望さ= 2428;るのである。<o:p></o:p> <o:p> </o:p> ４．音声認識は= ソフトウエア<o:p></o:p> 　２０年以上前= には音声認識とは言= 2431;ず音声文字変換シӟ= 3;テムと呼ばれていた&= #12392;記憶する。これは= 991;字通り音声信号を文= ;字データに変換する&#= 12471;ステムと言う意味{= 91;あろう。いつの頃か= らかこれを簡単に音= 2768;認識と呼ぶようにӗ= 4;った。<o:p></o:p> 　音声認識はコ= ンピュータが音声信= 1495;を解析して文字にࣧ= 3;換するコンピュータ&= #20966;理プログラム、つ= 414;りソフトウエアであ= ;る。<o:p></o:p> 　日本で最も知= 名度の高いのは日本= 5321;ＢＭ社のビアボイӟ= 3;(ViaVoice)であろ&#= 12358;。ビアボイスのガ|= 52;ドブックによれば３= ０年以上の歳月をか= 2369;て開発したとあるӍ= 0;<o:p></o:p> 　私が晴海など= で開催されたパソコ= 2531;関連の展示会に通ӓ= 6;出した２０年ほど前&= #12395;はＮＥＣと日本ＩA= 314;Ｍが競って音声認識= ;技術を開発研究して&#= 12356;たと記憶する。そ{= 98;ころは音声でコマン= ド(コンピ&#= 12517;ータに指示する命É= 96;)を３０&#= 65296;個認識できるよう{= 95;なったとか言うレベ= ルの話であった。<o:p></o:p> 　現在、パソコ= ンショップの店頭に= 2354;るパッケージソフӠ= 8;(箱入り&#= 12477;フト)は日本&#= 65321;ＢＭ社のビアボイ|= 73;とアスキーソリュー= ションズ社のドラゴ= 2531;スピーチ(Dragon Speech)= 398;二つくらいである。= ;<o:p></o:p> 　これらの音声= 認識ソフトは大語彙= 8899;声認識と言う分野ӗ= 8;音声認識技術と言わ&= #12428;内蔵辞書が数１０= 975;語の単語を収録して= ;いて高い認識率を示&#= 12377;という。特許の関Ì= 18;でこの２社以外は真= 似が出来ないのだと= 2356;う話もある。ビアӢ= 8;イスはＩＢＭ社(IBM Corp.(米))の、ド&#= 12521;ゴンスピーチはス|= 61;ャンソフト社(ScanSoft Inc.(= 859;))の特許&#= 25216;術に依っているよ{= 58;だ。<o:p></o:p> 　しばらく前に= はＮＥＣのスマート= 2508;イス(Smart Voice)も店頭&#= 12395;並んでいたがこれ{= 99;大語彙ではなく、今= は姿を見かけなくな= 2387;た。また東芝のパӟ= 7;コンにはララボイス<= /span>(Lala Voice)と言う&#= 38899;声認識ソフトが組|= 15;込まれている。これ= らは電子メールソフ= 2488;を声で操作し簡単ӗ= 4;文章を入力して送信&= #12377;ることが出来ると#= 328;われる。<o:p></o:p> 　これらのパソ= コン用音声認識ソフ= 2488;は２万円以下で購ࠣ= 7;できる。またパソコ&= #12531;用の基本ソフトの= 368;新版のWindows XPには音&#= 22768;認識ソフトが付属{= 75;ている。これは実質= 無料であるが「使え= 2427;」との報に接したӕ= 1;とがない。<o:p></o:p> 　音声認識専業= で黒字化したと2005年に話&#= 38988;になったのがアド|= 96;ンストメディア社で= ある。同社はアミボ= 2452;ス(AmiVoice)と言う&#= 21830;品名の例えば病院z= 89;診療所などで電子カ= ルテに医学専門用語= 2434;音声で極めて精度Ӛ= 4;く記入することが出&= #26469;ると言う医療事業= 554;用のシステムなどを= ;販売している。それ&#= 12425;のシステムの開発{= 95;は実際の音声サンプ= ルを多数集めて分析= 2377;るなど開発に多大ӗ= 8;費用がかかるようで&= #36009;売価格が極めて高= 356;ようだ。しかし同社= ;は大語彙音声認識シ&#= 12473;テムをリリースし{= 90;いない。<o:p></o:p> 　そのほかＮＴ= Ｔや日立製作所など= 2364;電話応答を自動化ӕ= 7;るための音声認識を&= #38283;発するなど国内で= 418;多数の企業が音声認= ;識システムの開発を&#= 25163;がけていて特許がä= 10;数出願されている。= 最近は音声認識を組= 2415;込んだ携帯電話も௙= 0;売されているようだ&= #12290;<o:p></o:p> 　我々がパソコ= ンで文章を作るのに= 8899;声認識を利用するӗ= 2;すればせいぜい数万&= #20870;のものしか手が届= 363;ない。大語彙タイプ= ;のものでは現実的に&#= 12399;ビアボイスとドラ|= 68;ンスピーチしかパソ= コンショップの店頭= 2395;はない。ビアボイӟ= 3;を約３０年間開発・&= #36009;売してきた日本ＩA= 314;Ｍは昨年ついに販売= ;をスキャンソフト社</= span>(日本法&#= 20154;)に移管&#= 12375;てしまった。スキ}= 15;ンソフト社のドラゴ= ンスピーチはアスキ= 2540;ソリューションズట= 8;が販売している。Ｉ&= #65314;Ｍ社のビアボイス= 399;スキャンソフト社が= ;販売している。スキ&#= 12515;ンソフト社のあるĶ= 38;員は「自分はドラゴ= ンスピーチの方が使= 2356;いいと思う」とコӣ= 3;ントしてくれた。<s= pan lang=3DEN-US style=3D'mso-hansi-font-family:"Times New Roman";letter-spacin= g:.1pt'><o:p></o:p> 　ドラゴンスピ= ーチはわずか数年前= 2395;国内で販売開始さӚ= 8;た音声認識ソフトで<= /span>2003年に新&#= 32862;、パソコン誌で紹É= 71;されて一挙に知名度= が上がったようであ= 2427;。どうもビアボイӟ= 3;よりも性能が良さそ&= #12358;に感じたので私は= 414;っ先にこれを購入し= ;た。<o:p></o:p> 　コトバ表現研= 究所を主催する渡辺= 0693;明さん(注２<sp= an lang=3DEN-US>)はドラ&#= 12468;ンスピーチの愛好ê= 78;で、ブログ(ホーム&#= 12506;ージの一種)で音声&#= 35469;識に関して幅広くţ= 42;じている。音声認識= についてこのブログ= 2363;ら多くを学んだ。</span= ><o:p></o:p> <o:p> </o:p> ５．音声認識を= 実際に試してみると</s= pan><o:p></o:p> 　次ページ左側= 列の原文を読み上げ= 8899;声認識させた結果ӛ= 4;右側列に示したもの&= #12391;ある。途中修正を= 840;く行わずそのまま普= ;通の速さで読み上げ&#= 12383;。文中の句読点やý= 24;弧などは発音してい= ない。右列の反転部= 0998;は誤変換又は誤認෯= 2;となったところであ&= #12427;。<o:p></o:p> 　結果は見ての通&#= 12426;である。認識率はʍ= 04;０％以上はありそう= である。一文を読み= 2066;わってから文字表ట= 4;が完了するまでのタ&= #12452;ムラグは約１秒、&= 263;くても３秒以内と思= ;われる。<o:p></o:p> <o:p> </o:p> ６．認識率と誤= 変換、誤認識<o:p></o:p> 　前述のビアボ= イスやドラゴンスピ= 2540;チは話者特定方式ӗ= 1;ある。話す人一人一&= #20154;の音声パターンを= 331;録する。そのために= ;用意してある文章を&#= 35501;ませて音声の癖をŠ= 26;えさせるのである。= この操作をエンロー= 2523;とかトレーニングӗ= 2;言う。要するに音声&= #35469;識ソフトのチュー= 491;ングである。<o:p></o:p> 　音声を文字に= 変換する仕組みは私= 2398;理解力の外であるӍ= 0;「隠れマルコフモデ&= #12523;」と言うのが現在= 398;主流と言う。<o:p></o:p> 　音声を文字に= 正しく変換する割合= 2434;認識率と言う。認෯= 2;率は高い方がいいに&= #27770;まっている。認識= 575;を出来るだけ高める= ;ために、静かな部屋&#= 12391;話す、明瞭に話すz= 89;抑揚のないいわゆる= 棒読みのような話し= 6041;をするなどの努力ӛ= 4;要する。また辞書に&= #12394;い単語は変換し得= 394;いので辞書を整備す= ;る必要があるという&#= 12290;<o:p></o:p> 　認識率をどの= ように測定するのか= 2399;不勉強で知らないӔ= 4;、日本語なら話した&= #38899;声をかな表記した= 392;きのかなの文字数に= ;対して正確に変換し&#= 12383;部分のかな表記文é= 83;数の割合で表す方法= が採れるだろう。私= 2399;文字表記した文章ӛ= 4;目で見て大体何パー&= #12475;ントと言っている= 364;きわめていい加減な= ;感覚的な評価である&#= 12290;尺度が同じかどう{= 63;は分からないが、聴= 覚障害学生に対する= 5611;義保障では最低約ᦂ= 3;０％以上の認識率が&= #12394;いと講義内容の理#= 299;が得られないとの研= ;究結果(注３<sp= an lang=3DEN-US>)がある&#= 12290;学校の講義の場合{= 99;前後の文脈から大き= く話題がそれること= 2364;少ないのでこの程ॷ= 0;の認識率でも内容の&= #25226;握が出来るようだ= 290;ただ<o:p></o:p> 専門用語の誤変= 換は極力排除しなけ= 2428;ばならないと議論ӕ= 3;れているが同感であ&= #12427;。<o:p></o:p> 　認識率はいか= なる場合も高い方が= 2424;い。パソコン教室ӗ= 1;は専門用語を多用す&= #12427;必要がありこれに= 550;して誤認識・誤変換= ;の割合が大きくては&#= 20462;正作業が増え講義|= 34;円滑に進めるのに困= 難が生じる。<o:p></o:p> 　正しく認識さ= れなかったところは= 5492;変換と誤認識であӚ= 7;。誤変換は発音は正&= #30906;に捉えているが別= 398;文字列に変換された= ;ものである。これは&#= 21516;音異字がある日本Ţ= 86;では止むを得ないこ= とのようで、パソコ= 2531;用日本語入力ソフӠ= 8;と同じように辞書学&= #32722;の結果使用頻度の'= 640;いつまり使う確率の= ;大きい単語に変換さ&#= 12428;るので、使い込め|= 00;認識率の向上につな= がるのでこれは許さ= 2428;ていいだろう。修ઽ= 1;も比較的容易である&= #12290;しかし誤認識は発&= 899;すら正確に捕捉され= ;ていないのだから誤&#= 22793;換以前の問題であ|= 27;。これを減らすため= には雑音の少ない環= 2659;、明瞭な発音が要૓= 4;される。また単語登&= #37682;や単語の発音練習= 418;有効のようである。= ;<o:p></o:p> <o:p> </o:p> ７．認識率は激= 変する<o:p></o:p> 　前述の渡辺知= 明さんは音声認識が= 2354;まり普及しないのӗ= 9;認識率がいまいちだ&= #12363;らと言う。発声に= 424;って文字入力する方= ;が速いのと疲れない&#= 12398;とで実用的な認識ħ= 75;が得られれば必ずや= 普及するだろうと。</s= pan><o:p></o:p> 　静かな部屋で= チューニングした音= 2768;認識を別の環境のਢ= 5;室などへ運んで使お&= #12358;とすると、チュー= 491;ングしていた時には= ;高い認識率を示して&#= 12356;たのにさっぱり働{= 63;ない。意味不明の文= 字列が羅列されたり= 6178;には変換結果が出Ӛ= 7;までにとてつもなく&= #26178;間がかかる。場合= 395;よってはそのまま黙= ;り込んでしまう。<sp= an lang=3DEN-US style=3D'mso-hansi-font-family:"Times New Roman";letter-spacin= g:.1pt'><o:p></o:p> 　最初の頃家で= チューニングして教= 3460;へ持ち込みそのまә= 4;使おうとして最初の&= #25968;分で使うのを諦め= 374;るを得なかったこと= ;が数回あった。家で&#= 12481;ューニングしたと{= 65;は簡単な挨拶文が１= ００％完璧に認識さ= 2428;るていたのにであӚ= 7;。<o:p></o:p> 　認識率が得ら= れなかった原因とし= 2390;有力なのは環境雑༱= 9;である。私の仕事部&= #23627;と教室とでは環境&= 609;音が大いに違うだろ= ;う。道路からの交通&#= 38609;音、エアコンなど{= 98;機器の音、天候由来= の雨、風の音などが= 2354;る。ある日は教室ࠦ= 9;で短時間のチューニ&= #12531;グを行って使おう= 392;したが家でのように= ;は認識率が得られず&#= 12371;の時も開始数分でË= 51;用を断念した。<o:p></o:p> 　それまでマイ= クはドラゴンスピー= 2481;に付属していたヘӠ= 3;ドセットマイクを使&= #12387;ていたがある時ア= 473;キーソリューション= ;ズ社から販売された&#= 25351;向性マイクを使っ{= 90;みた。３時間の間ほ= ぼ安定に約７０％の= 5469;識率が得られた。ෝ= 2;変換、誤認識は音声&= #12467;マンドによる修正= 392;キーボード入力でカ= ;バーした。私はタッ&#= 12481;タイピングが出来{= 94;いのでキーボードで= の修正には時間がか= 2363;る。しかしこの時ࣺ= 7;めて音声認識の可能&= #24615;を実感して胸が躍= 387;た(2005年2月)。<o:p></o:p> 　何回か教室で= その指向性マイクを= 0351;ったが必ずしもいӖ= 8;も同じ状況ではなか&= #12387;た。ある時は途中= 391;断念せざるを得ない= ;こともあった。教室&#= 12395;よっても違う。つ|= 14;り環境雑音のレベル= が違うのである。時= 8291;をかけてトレーニӥ= 1;グ(チュー&#= 12491;ング)すると&#= 35469;識率が向上する傾×= 21;を承知していたが現= 地で３０分もかかる= 2481;ューニングを実施ӕ= 7;る余裕もない。また&= #25240;角チューニングし= 390;もその雑音環境が常= ;に一定という訳でも&#= 12394;さそうである。<o:p></o:p> 　そんなある日= に重大な発見をした= 2290;その日は認識率がӖ= 1;こそこあって使えて&= #12356;たが５、６ｍ先か= 425;質問が飛んだ。大き= ;な声であった。しば&#= 12425;く音声認識が完全{= 95;死んだ。マイクに繰= り返し話しかけても= 5991;字列が表示されなӓ= 6;。話すのを止めて１&= #65296;秒待っても文字が= 694;れない。その瞬間は= ;故障したのかと思っ&#= 12383;。しかし音声入力}= 24;ベル計は緑色に振れ= ていたのだ。音声と= 2375;て捕捉しながらもਧ= 1;字変換できないでい&= #12427;ように感じた。入= 147;レベルに達していな= ;がら音声パターンを&#= 20998;析できないでいる|= 24;うに思えた。<o:p></o:p> 　現場でチュー= ニングしても環境雑= 8899;は時々刻々変化すӚ= 7;ので時には入力レベ&= #12523;に達することがあ= 427;のではないか。そん= ;な時は文字変換しよ&#= 12358;と入力音を解析す|= 27;のだが変換不能であ= ったり、解析に時間= 2364;かかるのではないӔ= 3;と推測した。<o:p></o:p> 　現場の音声を= 別の場所へ通信で送= 2426;、一人がそれを聞ӓ= 6;て復唱して音声認識&= #12373;せ、もう一人がキ= 540;ボード入力によって= ;誤変換、誤認識を修&#= 27491;して再び通信で現á= 80;に返して文字表示す= るシステムが実用化= 2373;れている。これなӚ= 5;ば雑音レベルを一定&= #12395;抑制できるので音= 768;認識にとって理想的= ;な条件が整えられる&#= 12384;ろう。<o:p></o:p> 　これを低コス= トで実現する方法は= 2394;いだろうか。遮音ঝ= 5;材料で被覆して雑音&= #20405;入を防いだ電話ボ= 483;クスのような箱を教= ;室内に設置し話者が&#= 12381;の中で発声し誤変ÿ= 63;、誤認識を修正する= のはどうであろうか= 2290;<o:p></o:p> 　とにかく雑音= が大敵なのである。</s= pan><o:p></o:p> <o:p> </o:p> ８．情報保障と= 笑い<o:p></o:p> 　講師が冗談を= 言う。聞こえていた= 0154;はすぐに反応するӌ= 9;つまり笑い声を上げ&= #12427;。筆記通訳者によ= 427;文字表示が完了して= ;から失聴者、難聴者&#= 12399;講師が面白い話をü= 59;露したのだと知る。= しかし笑い声を立て= 2394;い。いや立てられӗ= 4;いのだ。彼らはその&= #22580;の雰囲気で聞こえ= 390;いた人たちが笑った= ;ことに気がついてい&#= 12427;。文字表示を読ん{= 91;面白い話だと分かっ= た時には先に笑い声= 2364;上がってから少しਹ= 8;間が経過しているの&= #12391;そこで笑い声を立= 390;ると間が抜けて見え= ;るから笑いをこらえ&#= 12427;のである。<o:p></o:p> 　幼児の頃から= 難聴を抱えて育った= 1169;は、健聴者が人のࠨ= 7;談にほぼ瞬間的に反&= #24540;して冗談で応酬す= 427;のを見るたびに不思= ;議に感じていた。自&#= 20998;は冗談を言われて|= 18;すぐに反応出来ない= のである。何故なの= 2363;と長年考えて分かӖ= 7;たことは難聴者は聞&= #12371;えた音声がそう言= 358;言葉であると確信す= ;るのに少し時間がか&#= 12363;るのである。頭のÈ= 13;で脳が聞こえた音声= を解釈して何と言っ= 2383;のか理解して確信Ӕ= 4;持てるまでに０.１秒か&#= 65296;.２秒、&#= 12354;るいはもっと時間{= 64;かかるのである。<= span lang=3DEN-US style=3D'mso-hansi-font-family:"Times New Roman";letter-spacin= g:.1pt'><o:p></o:p> 　理解とは聞こ= えたのではなくて考= 2360;たことである。そӗ= 8;作業のために脳は疲&= #12428;てしまい、その冗#= 527;に素早く対応する余= ;裕を失ってしまうの&#= 12391;ある。人にからか|= 31;れても健聴者は直ち= に反撃出来るが難聴= 2773;はこのタイムラグӗ= 8;せいでスピーディに&= #23550;応できないのであ= 427;。気の利いたせりふ= ;が口をついて飛び出&#= 12375;てこないのであるz= 89;とこんな具合に考え= るに至った。あなが= 2385;間違いでもなさそӓ= 8;である。<o:p></o:p> 　手話は比較的= にリアルタイムの通= 5379;であるので手話が࠳= 8;かる人は殆ど遅延な&= #12375;に面白い話を理解= 377;るのではないかと思= ;う。しかし文字によ&#= 12427;情報保障に頼る人{= 99;文字表示に遅れが生= じるために聞こえる= 0154;と一緒にいる場でӗ= 9;面白い話と分かった&= #26178;に笑い声を立てる= 398;にためらいがあるの= ;である。このことを&#= 33256;場感の欠如と表現{= 77;る人もいる。<o:p></o:p> 　この話が音声= 認識とどんな関係が= 2354;るのかいぶかる向Ӕ= 5;も多いと思う。話す&= #36895;度は１分間に３０A= 296;から４００文字と言= ;う。それに対して筆&#= 35352;通訳は４０～５０ă= 91;字と言われる。情報= 量が少ない分、要約= 2375;て文字表示されるӍ= 0;しかも話し終わって&= #12363;ら文字表示が完了= 377;るまでに時間がかか= ;る。要約では冗談の&#= 38754;白みは殆どそぎ落{= 92;されてしまい、どこ= が面白いのか分から= 2394;くなっているだろӓ= 8;。特に言い回しが面&= #30333;いような場合、要 = 004;してそれを再現する= ;のは困難に違いない&#= 12290;しかもかなりの時ž= 91;経過後に文字表示が= 完了するのである。= 2497;ソコンのキーボーӠ= 9;で文字入力を行い文&= #23383;表示する通訳シス= 486;ムでは手書きの筆記= ;通訳に比べて１分間&#= 12395;表示できる文字数{= 99;数倍多いと思われ、= キーボード入力の巧= 2415;な操作者であればෘ= 1;す速度に追随して文&= #23383;表示できるようで= 354;る。こちらは比較的= ;に要約度合いが少な&#= 12367;原話の面白みがあ|= 14;り脱落せずに文字に= 表現されるであろう= 2363;ら面白さは十分にߩ= 3;わるであろう。しか&= #12375;聞こえない人は笑= 360;ないのである。何故= ;なら文字表示が完了&#= 12377;るまでに長い時間{= 64;かかるからである。= ある調査では平均１= 5297;秒であったというӍ= 0;<o:p></o:p> 　聞こえない人= は、冗談にすぐに反= 4540;して笑うことを諦ә= 7;なければならないの&= #12384;ろうか。どのくら= 356;の遅れなら許される= ;のだろうか。このよ&#= 12358;な問題を取り扱っ{= 90;いる研究者はいるの= だろうか。<o:p></o:p> 　音声認識はコ= ンピュータ用のソフ= 2488;ウエアである。コӥ= 1;ピュータの処理能力&= #12364;きわめて大きいか= 354;るいはソフトウエア= ;の変換速度が大きけ&#= 12428;ば話し言葉を高速{= 91;変換して文字表示出= 来るのではないかと= 4605;うのは間違いだろӓ= 8;か。<o:p></o:p> 　早稲田大学の= 白井克彦総長は「Ｎ= 5320;Ｋのリアルタイムढ= 3;幕製作システムを実&= #29992;化の域へ導いた話$= 895;変換技術の研究指導= ;など」の業績に対し&#= 12390;放送文化賞を受け{= 83;(注４<sp= an lang=3DEN-US>)。その&#= 25216;術を紹介するテレ|= 99;ニュースを見たが武= 田真一アナウンサー= 2364;ニュースをしゃべӚ= 7;と殆ど間(ま)をおか&#= 12378;に文字が次々に画ƃ= 54;上に流れ込んだ。そ= の間(ま)は０<sp= an lang=3DEN-US>.１秒か&#= 12381;こいらのように感{= 76;た。これなら健聴者= とほぼ同時に笑える= 2392;思えた。話速変換ӗ= 4;ら聞こえない人でも&= #20250;議や集会がスムー= 474;に進められるのでは= ;ないか。そこでは参&#= 21152;者の意見・質問な{= 93;の発言が重要だから= である。そう、これ= 2399;まさしく臨場感とӓ= 6;えるだろう。<o:p></o:p> 　リアルタイム= の音声認識であれば= 4605;考が妨げられずにૈ= 4;較的スムーズに話の&= #20869;容を理解すること= 364;出来るのではないだ= ;ろうか。話者の顔が&#= 35211;えている現場ではă= 91;字表示の遅れは臨場= 感の欠如、ひいては= 9702;解力の低下に繋がӚ= 7;のではないだろうか&= #12290;私が言いたいのは= 522;アルタイム性(即時性</= span>)も情報&#= 20445;障の重要な要素で{= 99;ないかということで= ある。<o:p></o:p> 　ちなみにドラ= ゴンスピーチで話し= 2066;わってから文字表ట= 4;されるまでの時間は&= #21069;述のように１、２= 186;と筆記通訳システム= ;などより格段に速い&#= 12290;認識率が１００％{= 91;あれば修正に要する= 時間がゼロとなるの= 2391;ほぼ理想的なシスӠ= 6;ムとなるであろう。<= /span><o:p></o:p> <o:p> </o:p> ９．聴覚= 8556;害者向けパソコンਢ= 5;室の開発<o:p></o:p> 　パソコン教室= で講師が一人で情報= 0445;障するためには、௅= 0;労の最も少ない音声&= #35469;識が最適と思われ= 427;。これまでに数１０= ;回の教室開催をこな&#= 12375;てきたが音声認識{= 64;うまく動作したケー= スは少なく、キーボ= 2540;ド入力やマーカーӢ= 6;ンで板書する方法を&= #20341;用せざるを得なか= 387;た。認識率が期待す= ;るほど高くないのと&#= 22793;動それも激変する{= 83;め使用不能に陥るか= らである。その原因= 2398;大部分はＳ／Ｎ比ӗ= 8;変動にあるらしいと&= #27671;がつくに至った。= 288;Ｓ／Ｎ比とは信号／= ;雑音の比率のことで&#= 12354;る。大きい方が好|= 14;しい。「静かな部屋= 」はＳ／Ｎ比が大き= 2356;のだがこの状態を໲= 3;時間にわたって確保&= #12377;ることは不可能に$= 817;い。Ｓ／Ｎ比を高く= ;維持するにはどうし&#= 12383;らよいか。マイク{= 98;選定では指向性マイ= クの他ノイズキャン= 2475;リング型のマイクә= 8;試してみたが思わし&= #12367;なかった。<o:p></o:p> 　前述の渡辺知= 明氏さんがブログで= 2057;介していたカラオӞ= 5;練習用のマイクが比&= #36611;的よい結果を示し= 383;。これは半円状のプ= ;ラスチック製のカバ&#= 12540;で口の周りを覆いz= 89;その中に装着されて= いるダイナミックマ= 2452;クが音声を受けるઔ= 3;造になっているもの&= #12391;ある。このカバー= 364;話者の発声以外のす= ;べての音を遮断する&#= 12371;とにより擬似的に{= 00;静かな部屋」を作り= 出すのである。2005年10月24日に初&#= 12417;て使用して以来10回以上&#= 12398;教室で常に８０％Š= 11;当の認識率が得られ= た。使い込むことと= 6766;書の整備などで今঎= 0;さらにいくらか認識&= #29575;を上げられるので= 399;ないかと期待してい= ;る。<o:p></o:p> 　このほかにも= 検討したいマイクが= 2354;るので逐次試してශ= 1;る予定でいる。結果&= #12434;別の機会に報告し= 383;いと思う。<o:p></o:p> </div> <span lang=3DEN-US style=3D'font-size:10.0pt;mso-bidi-font-size:12.0pt;font= -family: Century;mso-fareast-font-family:"MS Mincho";mso-hansi-font-family:"Times Ne= w Roman"; mso-bidi-font-family:"Times New Roman";mso-font-kerning:1.0pt;mso-ansi-lang= uage: EN-US;mso-fareast-language:JA;mso-bidi-language:AR-SA'> <div class=3DSection3 style=3D'layout-grid:13.35pt .1pt;mso-layout-grid-cha= r-alt: 409'> (注１)Dream Navigator Yokohama(<span style=3D'font-size:7.0pt;font-family:"MS Mi= ncho"; mso-ascii-font-family:Century;mso-hansi-font-