録音の条件を定める
使用される言語、想定されるアクセント、音声の収録元、話者が言語を切り替えるかどうかを書き出します。実際の使用環境に近い雑音や語彙を含む短いサンプルを用意してください。
言語ガイド
音声に適したdeepgramの対応言語を評価する方法
deepgramの対応言語を評価する際は、まず録音で実際に話されている言語を確認し、次に使用予定のモデルとワークフローに関する最新のドキュメントを確認してください。対応言語として掲載されているだけでは、正確な文字起こしは保証されません。
関連する3つの音声ワークフロー
言語の選択は、リクエストの設定だけでなく、ワークフロー全体に影響します。以下の関連ガイドでは、入力と出力に関する判断を取り上げます。
言語サポートの限界
対応言語の一覧は出発点であり、すべての話者や録音で同じように機能するという保証ではありません。
- 対応言語としての掲載は精度を示すものではありません
-
話されている言語がサポートされていても、背景雑音、遠くにあるマイク、話者の発話の重なり、馴染みのない名前によって結果は変わる可能性があります。
対処法実際の使用状況を反映した録音でテストし、名前、数字、その他の重要な単語を手作業で確認してください。
- 1つの言語指定では混在した発話に対応しきれない場合があります
-
録音中に文の途中で言語が切り替わったり、借用語が含まれたりすることがあります。単一言語の設定ですべての切り替えに対応できるとは限りません。
対処法複数言語が混在するサンプルでテストし、現行のモデルのドキュメントにそのユースケースが記載されているか確認してください。
- 地域ごとの言語の違いは個別に確認する必要があります
-
アクセントや地域特有の語彙は、広範な言語サポートの説明に使われている例とは異なる結果になる場合があります。
回避策評価用データには、対象ユーザーの地域の話者を含めてください。
- 音声入力と音声出力は異なる
-
音声認識に対応していても、対応する合成音声、発音、または出力言語が利用できるとは限りません。
回避策多言語でのやり取りを設計する前に、音声テキスト変換とテキスト音声変換の機能を個別に確認してください。
対応状況を順を追って確認する
1つのデモ音声だけに頼らず、プロジェクトで必要な言語ごとに同じ簡単な評価を行ってください。
現在のモデルを確認する
対象のモデルと音声処理のワークフローについて、Deepgramの最新ドキュメントを確認してください。その構成で言語の指定が必要か、自動検出できるか、または対応していないかを確かめます。
正解データと比較する
実際の使用場面を反映した音声を処理し、結果を人が確認した文字起こしと比較して、名前、数字、言語が切り替わる箇所の誤りを記録します。モデルや入力音声が変わった場合は、評価を繰り返してください。
対象ユーザーに合わせて確認する
適切なテストは、結果を何に使うかによって異なります。シナリオごとに、必要な入力音声と評価基準は異なります。
インタビュー調査者
録音には、複数の話者、地域特有のアクセント、専門用語が含まれます。
実際のインタビューの抜粋で言語への対応状況を確認し、文字起こしで話者の切り替わりと専門用語を点検します。
deepgramの文字起こし音声アシスタントの設計者
発信者はある言語で話しますが、別の言語での返答を期待しています。
音声認識と音声出力は別々の機能として検証してください。一方がうまく動いても、もう一方がうまく動くとは限りません。
deepgramの音声動画編集者
イベントの録画には、参加者からの質問や、時折の言語の切り替えが含まれています。
公開前に、抽出した音声をテストし、字幕のタイミングと言語が混在する箇所を確認してください。
deepgramの動画文字起こし言語選択の方法を比較する
これらは評価のための方法であり、すべてのDeepgramモデルで両方の選択肢を利用できるという意味ではありません。選択したモデルで利用できる設定を確認してください。
言語を指定する
利用可能な場合は言語検出を使用する
1
最初に試す方法
言語を指定する
録音された音声の言語が事前にわかっている場合。
利用可能な場合は言語検出を使用する
音声が届いた時点で、話されている言語が不明な場合。
2
入力時の判断
言語を指定する
選択したモデルがサポートする言語を設定します。
利用可能な場合は言語検出を使用する
選択したモデルとワークフローで言語検出を利用できることを確認します。
3
考えられる利点
言語を指定する
対象の言語を明示できます。
利用可能な場合は言語検出を使用する
処理前に言語を指定する必要がありません。
4
主なリスク
言語を指定する
誤った言語を指定すると、録音内容が正しく表現されない可能性があります。
利用可能な場合は検出を使用する
検出された言語ラベルが間違っていたり、タスクには大まかすぎたりすることがあります。
5
複数言語が混在する音声
言語を指定する
1つの設定では、すべての発話部分を適切に扱えない場合があります。
利用可能な場合は検出を使用する
検出機能が利用できるだけでは、言語の切り替わりを確実に処理できるとは限りません。
6
確認手順
言語を指定する
選択した言語の参照サンプルと出力を比較します。
利用可能な場合は検出を使用する
特定された言語と、生成された文字起こしの両方を確認します。
音声ワークフローをさらに探る
音声ツールで次のステップへ
このガイドは、言語対応のテストを計画する際に役立ちます。リンク先は別の音声製品です。プロジェクトで使用する前に、その製品の機能と利用規約を確認してください。
- 実際の使用例を代表する音声を用意する
- リンク先で対応しているワークフローを確認する
- 重要な出力は自分で確認する
言語対応に関するよくある質問
対応状況はモデルと音声ワークフローによって異なり、対応言語の一覧は変更される場合があります。一般的な一覧や古い例に頼らず、使用予定のモデルについてDeepgramの最新のドキュメントを確認してください。
すべてのモデルや設定で検出機能を利用できるとは限りません。選択したワークフローの最新のドキュメントを確認し、ご自身が扱うものと同様の録音で言語を確実に特定できるかテストしてください。
複数の言語が混在する音声は、個別にテストする必要があります。2つの言語にそれぞれ対応していても、言語を切り替えながら話す音声を適切に処理できるとは限りません。サンプルに実際のコードスイッチングを含む発話を入れ、文字起こし結果を詳しく確認してください。
対応言語として挙げられていても、地域ごとの話し方、話者、録音環境によって精度が同じとは限りません。対象ユーザーに関係するアクセントや環境で収録した音声を使って評価してください。
いいえ。音声の認識と生成は異なるタスクであり、使用するモデルや対応言語も異なる場合があります。ワークフローで両方が必要なら、それぞれの対応状況を確認してください。