Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Speaker Recognitionを触ってみた
Search
Hikari
January 26, 2022
Technology
0
240
Speaker Recognitionを触ってみた
Cogbot Meetup Online #35 - 2022 新春 LT 祭りで話した時のスライドです。
https://cogbot.connpass.com/event/234749/
Hikari
January 26, 2022
Tweet
Share
Other Decks in Technology
See All in Technology
ServiceNow Knowledge 24の歩き方 EYストラテジー・アンド・コンサルティング
manarobot
0
170
検証を通して見えてきたTiDBの性能特性
lycorptech_jp
PRO
6
3.7k
開発生産性大幅アップ!Postman VS Code拡張機能
nagix
2
340
ワールドカフェI /チューターを改良する / World Café I and Improving the Tutors
ks91
PRO
0
110
Java EE/Jakarta EEの現状と将来―クラウドネイティブ時代にJava EEは対応できるのか?―
takakiyo
1
120
20240418_Google ColabにLLMが搭載されたようなのでPython x データ分析の勉強方法を考えてみる
doradora09
0
120
Postman v10リリース後を振り返る / Looking back at Postman v10 after release
yokawasa
1
150
現代CSSフレームワークの内部実装とその仕組み
poteboy
8
3.4k
コンパウンドスタートアップのためのスケーラブルでセキュアなInfrastructure as Codeパイプラインを考える / Scalable and Secure Infrastructure as Code Pipeline for a Compound Startup
yuyatakeyama
3
4.5k
FrontDoorとWebAppsを組み合わせた際のリダイレクト処理の注意点
kenichirokimura
1
430
長期運用プロジェクトでのMySQLからTiDB移行の検証
colopl
2
800
Cloud Native Java with Spring Boot (CNCF Aarhus, April 2024)
thomasvitale
1
150
Featured
See All Featured
Learning to Love Humans: Emotional Interface Design
aarron
266
39k
Infographics Made Easy
chrislema
238
18k
Pencils Down: Stop Designing & Start Developing
hursman
117
11k
ピンチをチャンスに:未来をつくるプロダクトロードマップ #pmconf2020
aki_iinuma
77
42k
VelocityConf: Rendering Performance Case Studies
addyosmani
320
23k
Unsuck your backbone
ammeep
662
57k
WebSockets: Embracing the real-time Web
robhawkes
59
7k
Making Projects Easy
brettharned
108
5.5k
Navigating Team Friction
lara
177
13k
How GitHub Uses GitHub to Build GitHub
holman
468
290k
The MySQL Ecosystem @ GitHub 2015
samlambert
242
12k
Teambox: Starting and Learning
jrom
128
8.4k
Transcript
Speaker Recognition を触ってみた!
自己紹介 • 氏名:影中 光(カゲナカ ヒカリ) • 経歴: – オンプレのインフラエンジニアからスタート –
ソフトウェア開発の部署に配属になり、Azureに出会う – 最近の仕事は要件定義、C#あたりを触っている – 最近はチームビルディングに凝っている • ブログ :https://mitsunooon.hatenablog.com/ • Twitter :@_mi_lin_
最近の悩み • 議事録を書くことが多い • オンライン会議が多い • 誰が何を発言したのかを記録するのは大変
Speech to Text:音声をテキストに書き起こす機能 Speaker Recognition:音声に基づいて話者識別する機能 ? Speech to Text Speaker
Recognition
Speaker Recognitionを触ってみよう! • まずはクイックスタートから • https://docs.microsoft.com/ja-jp/azure/cognitive-services/speech-service/get- started-speaker-recognition?tabs=script&pivots=programming-language-csharp • GitHubにも同様のドキュメントがある •
https://github.com/MicrosoftDocs/azure-docs/blob/master/articles/cognitive- services/Speech-Service/includes/how-to/speaker-recognition-basics/speaker- recognition-basics-csharp.md
結論 クイックスタートすら終わらず…
やったこと • AzureでSpeech Serviceを作成する。キーと場所を取得する。
やったこと • 元になるソースコードを用意する。 • https://github.com/Azure-Samples/cognitive-services-speech- sdk/tree/master/quickstart/csharp/dotnet/speaker-recognition
やったこと • ソースコードをVisual Studioで開く。 • 環境を整える。 • クイックスタートに沿って、Speech SDKのインストール
やったこと • 話者識別部分のコードを追記する。 • キーと場所を自分用のものを埋め込む。 • 実行する
やったこと • 止まる
やったこと • phraseResultの中身を見てみる • エラーが出ている • サブスクリプションが許可されていない的な内容…
やったこと • Speaker Recognitionには使用許可が必要だった! • 有害なディープフェイクを防ぐため等
やったこと • 使用目的ひとつにつき、1つの申請が必要。 • 会社名、Azureのサブスクリプション(組織に属しているもの)など必要な情報が多い。 • 申請後、約10営業日以内に連絡が来る。 • (1/4に申請し、現在未だ連絡なし)
わかったこと • ドキュメントに書いてあることはちゃんと読む。 • Speaker Recognitionはちゃんとした理由がないと使えなさそう。 • Speaker Recognitionを使用するときは余裕を持って計画的に。
おまけ • 申請の返事を待つ間に他のクイックスタートをやってみた • テキスト読み上げ • https://docs.microsoft.com/ja-jp/azure/cognitive-services/speech-service/text-to- speech • 打ち込んだ文字を読み上げてくれる
• 文字数制限はあった(半角250文字くらい) • 適当な文字列を入れたときは読めるところまで頑張って読もうとしてくれる
おまけ • MS Learnの音声サービスを使用して音声対応アプリを作成する • https://docs.microsoft.com/ja-jp/learn/modules/transcribe-speech-input-text/ • “What time is
it?”って話すと今の時間を表示してくれる • つたない英語でもちゃんと伝わる