音声・動画データを音声認識技術を用いてテキスト化するサービス「AI文字起こし」を展開する株式会社東京アーカイブセンター様。AmiVoice API 採用の背景と効果について、同社取締役である田辺英司様に伺いました。

製品・サービス概要

1件100円～で簡単に音声・動画をテキスト化するサービス

AI文字起こしは、音声または動画1ファイルごとにテキスト化が注文できます。文字化の際は、AmiVoice API、Google、Microsoft Azureの3種類の音声認識エンジンで冒頭1分間のテキスト化を無料で試すことができ、精度を確認した上で購入ができます。
日本語は圧倒的にAmiVoiceが選択され※、AmiVoiceのエンジンの精度の高さを実感しています。

※参考：AI音声認識エンジン利用動向レポート～AI文字起こし10,000件ご利用状況

＞サービス詳細はこちら

「AI文字起こし」の画面。音声または動画ファイルをドラッグ＆ドロップするだけで簡単に利用できる

導入の決め手

精度とAPIの実装しやすさ、サポートの利便性を評価

サービス開始前に複数の音声認識エンジンの比較評価を行いましたが、日本語の精度およびAPIの実装しやすさの観点からAmiVoice APIを採用しました。日本語でのサポート、また、質問に対する対応・レスポンスタイムなど、利便性が高く安心して導入することができました。
開発時の相談をはじめ、サービスローンチ後も機能向上や情報提供など手厚いサポート体制により、安心してサービス運用を続けることができている点をありがたく感じています。

実装の難易度は

多様な言語のクライアントライブラリとサンプルプログラムが用意されており、円滑に実装することができました。
またAPIから返却されるデータの構造が秀逸で、様々なアプリケーション開発にも利活用できる点が非常に有用だと感じています。

導入の効果と今後の展望

「日本語のテキスト化」の注文リピート率が高い

「日本語のテキスト化」を利用されたお客さまのリピート注文率が高いことに注目しています。
主にライターなど、自身で最終原稿を作成される方が作業負荷軽減を図るために利用されているようです。すぐに結果が確認でき、精度が高く、音声内容を大まかにつかむことができる当社サービスを評価いただいています。

今後の展望としては、音声認識技術で精度の高いテキスト化を実現できれば、最終成果物として仕上げる人間の作業時間を生み出すことができ、品質の高い原稿を作り込むことが可能になると感じています。
高い精度を実現するAmiVoice APIの今後の進化に期待をしています。

認識結果の画面