デジタルツインと電話応対における音声合成と音声認識

Digital Twin Label ではデジタルツインの声として音声合成が使われています。その音声合成を高品質に実現するためには，高品質な学習データを用意する必要があります。その高品質なデータを作るためには人手作業が発生しがちですが，そのコストを減らすために音声認識手法を様々に活用しており，その活用法について紹介します。また，株式会社AI Shiftと共に『AI Messenger Voicebot』の音声認識手法を作っていますが，電話応対で聞き取らねばならないパターンのうち，数値表現を認識させるための工夫を紹介します。

Transcript