ViaVoice98で音声入力してみました

パッケージWindows98の発売と同時に日本IBMからViaVoice98が発売されました。この文章も実際にViaVoice98を使って音声入力しています。実はこの製品、ニュースリリースがあったころからとても気になっていました。

音声入力といえば、単語をひとつひとつ発音して入力していくのを想像しますが、ViaVoice98は連続した音声で自然に話すだけで日本語をすらすらと入力してくれます。発売されたら絶対買ってみようと思っていた製品でしたが、7月25日にお店に行っても製品が見当たりません。こうなってくるとますます使ってみたくなります。それをやっと昨日入手することができました。

ところがドッコイ、説明書をよく読んでみると買ってすぐに使えるという製品ではありません。SMAPの慎吾くんがやっているあのテレビCMを見たときは、だれでもすらすらと簡単に入力できるかと勘違いしてしまいますが、最初に数時間かけて自分の声をソフトに思え込ませていく作業が必要です。この作業を行わないと最初はまったく認識してくれません。やっぱりそんなにうまい話ではないようです。全部で300文のテキスト文章を声を出しながら読み上げていく作業なんですが、これが結構大変な作業なんです。最初のうちは認識率が悪いので、5回も10回も読みあげなければなりません。10回位で認識してくれればいい方です。とうとうあきらめて次の文書に移ってしまうこともしばしばあります。

『300文も繰り返していたら明日になっても終わらないよぉ』、思っていたら、80個くらい読み上がったところで、ソフトがトレーニングを開始しました。トレーニングなんていうからまた人間がなにかするのかよぉ、と、ちょっと不安になってしまいましたが、録音した音声でソフトが学習することのようです。このトレーニングという作業はえんえん数十分は続きます。あんまり時間がかかるのでちょっと放っておきました。気がついてみると計算も終わり、または普通の状態にもどっています。 

2回目のエンロールは1回目に少し学習したおかげで、少し認識が良くなっています。1回目は時はあんなに苦労したのがちょっとうれしくなりました。1回目でなかなか認識しない文があるときは、パスしてしまって、後で認識が良くなってからも読み上げた方が良いようです。

さて、本当に音声で入力できるのかな?マニュアルに書かれた次の文書を読み上げて、どれくらい認識してくれるか試してみます。まずは読み上げる原文はこれです。

これは製品情報です。
ViaVoiceはIBMの30年近くにおよぶ基礎研究に基づいて開発した音声認識プログラムです。コンピューターに話しかけてプログラムを操作したり、日本語のテキストを入力できます。コンピューターの新しい世界をお楽しみください。

これをViaVoiceで入力すると次のようなテキストになります。

これは製品情報です。
IBMの30年近くいう句基礎研究に基づいて開発した音声認識プログラムです。コンピューターに話しかけてプログラムを操作したり、日本語のテキストを入力できます。コンピューターの新しい世界をお楽しみください。

自分の製品名なのに認識してくれません。、や。はテン、マルと発音します。改行はココデカイギョウといいます。1カ所の認識の違いがありますがなかなか優秀な成績だと思いませんか?このような定型文は苦手なようで、私が今話しているようなしゃべりかけた方が認識してくれます。認識率は90%程度だと言っているので、重要な文書の入力には向かないかもしれませんが、あとでで必ず校正を入れるとすればなかなか使える製品だと思います。入力するよりは2倍早いような気がするし、たくさん文章の入力しても手が疲れることはありません。しかし、私のような話すことがあまり少ない人間は、だんだん声が枯れてきて、結局のキーボードで入力した方が良いのかもしれません。まあ、実際に役に立つかたたないかは別にして現在の音声認識技術のレベルを確認するにはなかなか良いプログラムだと思います。

ここで私が発見した問題があります。音声の入力は普通はスピーチパッドという付属のワードパッドに似たようなソフトを使います。マイクロソフトのワード97やワード98はこの音声入力に対応したディクテーションという機能が追加されます。他のアプリケーションはダイレクト音声入力という方法で文章を入力します。ところがこの方法だとテキストの入力を途中止めた場合に、再開すると、前に入力した文章が1部消えてしまって悔しい思いをすることになります。
またスピークパッドで入力した文章を、FrontPageExpressにコピー&ペーストすると、日本語の文字がすべて漢字コードに変わってしまい、全然読めなくなります。FrontPageExpressだって、マイクロソフトの製品なんですから、ディクテーションを付け加えることなんて簡単なことだとおもうのですが、早く対応してもらえないものでしょうか。。。

これまでが音声入力で入力した文書ですが、キーボードで入力してもあまり速度は変わらないような気がします。
でも、いずれ学習が進んで、音声で入力した方が早くなるような予感がします。ところでこの覚えた辞書はどうやったらバックアップできるのでしょうか、誰か知っていたら教えてください。と思ったら、オプションで辞書をファイルに保存できました。ファイルのサイズは1MBになりました。やっぱり、結構でかいもんですね。