投稿者: - 総合評価：★★★★☆
- 英語の文字起こし：★★★★★
Hugging Face上で試せる文字起こしツール「Whisper Web」を試してみました。このサービスは、Webブラウザ上で利用できる音声認識ツールで、手軽に音声データを文字に変換できます。GitHubのリポジトリからもダウンロードしてローカルで実行することも可能です。
Whisper Webは、OpenAIによって開発されたWhisperモデルを基にしています。このモデルは、Transformer技術を活用しており、特に英語の音声認識においては、その精度と速さに驚かされました。音声ファイルをアップロードするだけで、短時間で正確な文字起こしが得られます。
ただし、多言語対応、特に日本語で試してみましたが、こちらは改善の余地があります。実際にいくつかの日本語のサンプルを試してみましたが、そもそも認識できなかったり、誤認識が多かったりします。トレーニングデータの問題かもしれませんが、今後のアップデートで改善されることを期待しています。
筆者の独断の評価は星4つ。英語の音声認識に関しては実用レベルです。日本語を含む他言語のパフォーマンス向上に期待しつつ、英語に関してはビジネスシーンに組み込むことで相当レベルの業務効率化がはかれると思います。