独自音声認識AIshirushiとは

shirushi は、SecureMemoCloud の文字起こし・話者認識を支える自社開発AIです。

読み上げ音声のような整った音声ではなく、複数人が参加する実際の会議音声を前提に設計しています。

マイクとの距離、周囲の雑音、同時発話、言い直し、専門用語など、ビジネス会議で起こりやすい条件に対応し、会議後に読み返しやすい記録を作成します。

会議音声には、空調音、キーボード音、紙をめくる音、遠くの発言、複数人の重なりなど、文字起こしを難しくする要素が多く含まれます。

shirushi は、こうした実会議特有のノイズを前提にチューニングされています。

録音環境が常に理想的でなくても、発言内容をできるだけ正確に文字化し、会議後の確認・共有に使いやすいテキストへ変換します。

会議で使われる言葉は、一般的な日本語だけではありません。製品名、略語、部署名、顧客名、業界固有の専門用語など、一般的な音声認識では誤変換されやすい言葉が頻繁に登場します。

shirushi は、業界特化型音声認識AI、オリジナル辞書登録、パーソナライズ校正を組み合わせることで、専門用語に強い文字起こしを実現します。

一般的なWeb会議サービスの文字起こしは、アカウント情報をもとに話者を扱うことがあります。しかし、対面会議、共有端末、会議室マイク、ハイブリッド会議では、アカウントと実際の発話者が一致しないケースがあります。

shirushi は、発話そのものの声の特徴をもとに話者を認識します。誰が何を話したかを発言単位で整理できるため、会議後に読み返したときの確認や責任所在の把握がしやすくなります。