入力音声の言語識別技術

人の発話が何語であるのかを入力音声のみから識別する10言語（日、英、中、韓、タイ、ミャンマー、ベトナム、インドネシア、フランス、スペイン）の言語識別技術を開発しています。（令和2年8月に、対象言語にフランス語、スペイン語を追加し、10言語を識別可能となりました）。

従来の一般的な方式では、10秒程度の長い発話でないと識別が困難であるため、実際の音声アプリケーションではあまり使われていませんでした。これに対して、言語識別に必要な発話の特徴を精度よく抽出し、かつ、高速演算できるニューラルネットワークを使用することにより、発話の先頭1.06秒程度の短い時間で10言語に対して92%以上の識別率を実現しました。

本技術により、何語を話しているか分からない外国人の言葉も即座に識別し、言語設定の必要もなく音声認識や自動翻訳ができるようになります。VoiceTraでもこの機能をお試しいただけます。

現在、さらなる識別精度向上や、識別言語数の拡大を目指して研究開発を行っています。 (2025年6月19日更新)