音声認識は、どういうしくみなのか？

ステップごとに

1. 音を数値に。マイクが空気の圧力を電気信号に変え、変換器がそれを1秒間に何千回も測ります。
2. 数値を画像に。信号を短く区切り、それぞれにどの周波数が含まれているかを分析します。それを時間順に積み重ねたものがスペクトログラムで、話し声の音はそこに見分けのつく形で現れます。
3. 画像を言葉に。ニューラルネットワークがスペクトログラムを読み、音と言語の両方について学んだことを使って、最も可能性の高い文字列を少しずつ予測します。
4. 言葉を意味に。アシスタントの場合、その文字列は次に言語モデルに渡され、あなたが何を求めているかを読み取ります。

膨大な音声から学ぶ

以前のシステムは、音、発音、単語のための別々の部品を組み合わせてつくられていました。現在のシステムの多くは、文字起こし付きの音声で学習した1つのニューラルネットワークです。2022年、OpenAI の研究者たちは、インターネットから集めた、文字起こし付きの多言語音声68万時間で学習したシステムを発表しました。できあがったモデルは、標準的なテストに合わせた調整をしなくても良い成績を収め、精度と頑健性で人間に近づきました。

精度の測り方

単語誤り率は、システムが間違えた単語、抜かした単語、余計に加えた単語を数え、話された単語数に対する割合で表します。5%なら、およそ20語に1語が違っているということです。同じシステムでも、静かな部屋での読み上げと、にぎやかな通りでのもごもごした声とでは、結果が大きく変わります。だからこそ、条件の示されていない数字1つだけでは、ほとんど何もわかりません。

いまも間違いが起きる理由

• 雑音と距離：マイクが遠いほど、部屋や通りの音が多く入り込みます。
• あまり聞いたことのない声：学習データに少なかったなまり、方言、年齢層の声は、誤りが多くなります。音声アシスタントとなまり（英語）。
• 名前や珍しい言葉：初めて出会う名前は、よくある言葉と聞き間違えやすくなります。
• もごもごした話し方や、話し声の重なり：信号が少ないぶん、推測が増えます。

端末で処理するか、クラウドで処理するか

小さなモデルはスマホやドック（据え置きの機器）で動かせますが、最大級のモデルはデータセンターで動きます。一方にプライバシーとバッテリー、もう一方に精度と対応言語があり、そのあいだのトレードオフになります。エッジAIとクラウドAI。

私たちの取り組み

リングは口元ではなく手元であなたの声を聞きます。そこで私たちは、リングのマイクをシミュレーションで再現し、雑音、距離、もごもごした声を加えて、6つの言語で音声認識をテストしています。リングはもごもごした声を聞き取れるか（英語）。Lychnos Ring では、あなたの声はボタンを押している間だけ送られ、EU内の当社クラウドで文字に変換され、音声データはその直後に削除されます。Lychnos Ring は開発中です。

出典（2026年11月4日閲覧）：Radford ほか「robust speech recognition via large-scale weak supervision」2022年（arXiv）。