製造現場で音声認識技術の活用を成功させるには

　音声認識技術を導入する際、評価段階などで諦めてしまう、また、導入したものの思ったような効果が得られなかったというケースを聞くこともある。こうした失敗の主な原因は以下の2つであると考えている（表2）。

（1）騒音環境で認識精度が出ない

　騒音環境下で音声認識技術を利用する場合、騒音、つまり周辺の雑音によって作業者の声がかき消されてしまうことがある。この対策としてはノイズキャンセルなどさまざまな技術が使われているが、一番重要なのは、マイクとハードウェアの選定である。

図4 音声認識専用ウェアラブル型マイクデバイス「AmiVoice Front WT01」

　近年多く使われるスマートデバイス（iPod touchやiPad、Android端末など）の内蔵マイクはほとんど無指向性マイクであり、このまま利用すると、周辺雑音で作業者の声はつぶされてしまう。そこでBluetoothヘッドセットの指向性マイクを利用する対策がある。こうしたヘッドセットの指向性マイクならばかき消される心配は減るが、周りの騒音レベルが高いと作業者の声が大きくなってしまい、マイクの処理できる音量を超えてしまう。この場合、マイクからスマートデバイスに音声が入力（録音）される前段階でマイク感度を低くする必要があるが、スマートデバイス用の通常マイクではこのようなマイク感度調整ができない。

　つまり、マイクやハードウェアの特性により音声認識処理に適した録音が行えないと、音声認識の精度が悪くなってしまうのである。そこで対応策として、アドバンスト・メディアの音声認識専用ウェアラブル型マイクデバイス「AmiVoice Front WT01」のように、音声認識に適した特性を持つハードウェアを導入するという方法がある。

　デバイスは、このハードウェア内でマイク感度を調整でき、工場などの騒音環境に適切な感度に調整できる。必ずしもこのデバイスでなければならないという事ではないが、マイクデバイス側で感度調整できるものは数少ないと思われる（図4）。

　スマートデバイスの内蔵マイクとこのAmiVoice Front WT01で、90dBの騒音環境下にて作業者の声を録音すると下記のような波形になる（図5）。

図5 騒音90dBでのスマートデバイスの内蔵マイクと、AmiVoice Front WT01の比較

　波形を見ると分かるが、スマートデバイスの内蔵マイクだと発話者の声がつぶれてしまうところ、AmiVoice Front WT01があれば鮮明に発話のみを捉えることができており、正確な音声認識処理が行える。つまり、適切なマイクやハードウェアを選定し、適切な設定を行うことが非常に重要である。音声認識技術やその周辺技術（マイクやハードウェアなど）の知識や知見がないと、音声認識精度が悪くなる原因を正しく把握することができないこともあるので注意したい。