機械学習の発展が吹き替え技術の向上にどのように役立つか

翻訳者 | 李睿

校正 | 梁哲、孫淑娟

人工知能 (AI) テクノロジーはここ数年で急速に発展し、ビジネスプロフェッショナルにディープラーニングモデルを提供しています。 AI がオーディオの世界で大きなインパクトを与えるには、まだ時間がかかるでしょうが、ビデオや画像処理の分野ではすでに AI の台頭が見られます。

人工知能の一部として、機械学習は吹き替え技術の使用方法を変えました。 Cortana、Siri、Alexa などのよく知られている音声アシスタントの多くは、ダビング技術を使用しています。また、人工知能技術の進歩により、AI によって生成される音声はこれまで以上にリアルになり、自然な音声処理も向上しました。

この記事では、機械学習と人工知能の進歩と、それが音声技術の進歩にどのような影響を与えるかについて説明します。

1. 機械学習が音声技術をどのように改善するか

（１）よりスマートなオーディオ

音声テクノロジーの需要が高まり始めるにつれて、自動音声認識 (ASR) プロバイダーは、より多くの人々のニーズを満たすために音声認識製品の革新を強化しています。

音声認識技術のユーザー数は増加しており、市場規模も拡大しています。ある調査によると、世界の音声認識市場は2026年までに220億ドルに成長するだろう。この大きな変化は自動音声認識 (ASR) に挑戦し、その革新を推進し、異なる国や地域 (オーストラリア、イングランド、スコットランド、米国など) の英語を母国語とする人々が使用する異なる方言など、同じ言語の異なる方言にうまく対処することを可能にします。

自動音声認識 (ASR) は、機械学習 (ML) と人工知能 (AI) の両方の機能によって駆動される場合にのみ、同じ言語の異なる方言で話された単語をテキストに変換できます。さらに、言語からより多くの方言やアクセントを認識することができます。つまり、いつの日か、世界中で使用されているあらゆる音声技術で、リアルな AI 音声ジェネレータが使用されるようになるのです。

オーディオ技術における機械学習の実際の例には、次のようなものがあります。

iZotope & Neutron 2: Intimate Track Assistant は、人工知能と機械学習機能を使用してプリセットされた楽器を検出し、ユーザーに直接トラッキング支援を提供します。また、オーディオ内の会話を分離するユーティリティも備えています。
LANDR: デジタルオーディオ処理に関するパラメータを設定するために人工知能と機械学習に完全に依存している自動オーディオマスタリングサービス。
Google Wavenet: 生成オーディオ録音のための学習モデル。

（２）データが原動力

コンピュータによる音波の処理は音声認識の最初のステップであり、ここで音声がデータに変換されます。したがって、音声認識ソーシャルエンジニアリングを成功させるには、プロセスに次の内容を含める必要があります。

音声コレクションのサンプルは完全にアクセス可能であり、信頼できる音声データベースが存在します。
データセットを特徴付ける特徴の数が少ないため、アルゴリズムの学習能力を向上させる有用な特徴が排除されます。
機械学習アルゴリズムは、信頼性の高い分類子を作成し、機械学習アルゴリズムが新しい観察のためのトレーニングサンプルから学習できるようにするために使用されます。

最後に、ディープラーニングは音声認識技術に適用可能であり、あらゆる環境での日常使用において正確性を維持するため、音声認識システムは特定の環境でスムーズに動作することができます。

実際には、音声認識システムを作成したい開発者には、大量のトレーニングデータが必要です。経済的に意味があるなら、正しい転写データを収集するには数百万ドルの費用がかかる可能性があります。この方法でのみ、音声認識システムは転写されたデータに基づいて適切にトレーニングされます。

（３）人工知能と機械学習におけるデジタル信号処理

オーディオ処理における人工知能と機械学習の応用はまだ初期段階ですが、ディープラーニング手法により、現在オーディオ業界の大多数のユーザーに無視されている信号処理の問題を別の角度から取り組むことができます。一般的なサウンドと信号処理を理解することは複雑であり、言葉で説明するのは困難です。

たとえば、2 人以上の人が話しているのを聞いた場合、2 人の間の会話のパラメータはどのように説明されるでしょうか。考慮すべき要素は多数ありますが、その一部を以下に示します。

性格（年齢、性別、エネルギー）はこれらの音にどのように影響しますか?
室内の音響と距離は理解度にどの程度影響しますか?
会話中に発生する可能性のあるその他のノイズについてはどうでしょうか?

ご覧のとおり、ダビングの測定は多くのパラメータから導き出すことができ、それらに注意を払う必要があります。この文脈において、AI は人々が学習に必要な条件を作り出すための実用的な方法を提供することができます。

ディープニューラルネットワークによるオーディオ処理は進歩していますが、解決すべき問題がまだ多く残っています。

高忠実度のオーディオ再構築: 小型で低品質のマイク。
ルームシミュレーション: バイノーラル処理と残響用。
選択的ノイズ低減: 車の交通などの特定の要素を除去します。
アナログオーディオシミュレーション: 非線形アナログオーディオコンポーネント間の複雑な相互作用を推定します。

（4）吹替アーティスト

ディープラーニング（機械学習）を使用して自然なサウンドを作成するための重要なステップは、プロセスにオリジナルのオーディオを用意することです。相対的に言えば、世界中の多くの企業がナレーションアーティストと協力して吹き替え製品を制作しています。ほとんどの声優は、AI 音声が使用されるたびにロイヤリティを受け取ることで、十分な報酬を得ています。

しかし、ナレーターも騙されるという問題に遭遇する可能性があります。ナレーションは録音されていたものの、ユーザーが誰なのか詳しくは分かりませんでした。たとえば、Siriのオリジナルの声を担当したスーザン・ベネットはスキャンソフト社と契約していたが、彼女は自分の録音が実際にはApple社向けに行われたことを知らなかった。彼女はナレーションの録音に対して一度だけ報酬を支払われただけで、継続的な収入は得られなかった。

さらに、ナレーションアーティストが直面している他の問題としては、現在の技術を考慮すると、業界内の契約や料金があまり改善されていないことが挙げられます。さらに、吹き替えは悪用される可能性があり、吹き替えアーティストの評判を損なう可能性さえあると考える人もいます。例えば、一緒に仕事をしたくない企業や下品な言葉に対しても使えます。

（５）ユースケースの増加

人工知能と機械学習により、カスタマイズされたエクスペリエンスを追加したり、ソリューションを見つけたり、サービスにアクセスしたり、最も自然な方法で製品を返品したりできるようになるため、音声テクノロジーは業界全体で成長を続けています。機械学習と AI が自然言語処理のユースケースをどのように変えているのか、いくつかの例を次に示します。

消費者が注文する: 消費者業界における音声認識と文字起こしに関連するもう 1 つのアプリケーション。消費者はより迅速かつ効率的に注文できるようになります。顧客はメニュー全体を閲覧するのに時間を費やす代わりに、音声リクエストだけで数秒で注文することができます。
仮想アシスタント: ある調査によると、2024 年までに市場には 84 億を超える音声アシスタントが登場すると予想されています。音声アシスタントは、IT ヘルプデスクチームなどをサポートできます。仮想アシスタントに多くのことを依頼することで、従業員は日々のタスクを完了する時間を増やし、時間をより効率的に活用できるようになります。
顧客親密性分析: 小売企業は、コールセンターの会話をより適切に分析し、顧客を理解するために、オーディオマイニングソフトウェアを使い始めています。機械学習と人工知能を活用した自動音声認識 (ASR) は、顧客を正確に理解し、顧客との会話から貴重な洞察を引き出すことができます。