音声認識の最前線:専門用語の誤認識は学習で直すか、推論で直すか|Nishika AI Product Lab #4
- 種別
- 勉強会
- 開催日時
- 2026年12月10日(木) 19:00〜20:00
- 開催形式
- オンライン(Zoomウェビナー)
- 参加費
- 無料
- 主催
- Nishika株式会社
イベント概要
Whisper、Parakeet、Canary、ReazonSpeech、Kotoba-Whisperなど、公開されている音声認識モデルの精度は大きく向上しました。それでも実際の会議音声に当ててみると、専門用語や固有名詞はまだまだ間違えます。しかもよく見ると、モデルは音そのものは聞き取れていて、「書き方」だけを間違えていることが少なくありません。
この「最後の1語」を正しく書かせるには、どこに手を入れればいいのでしょうか。モデルはそのままに、推論(デコード)の工夫で直すのか。それとも、学習データを良くして、モデルそのものを学習で直すのか。推論時の工夫は再学習なしですぐに試せる一方で、学習で直すにはデータが必要になり、正解ラベル付きの会議音声はなかなか手に入りません。どちらの道にも、それぞれの難しさがあります。
本イベントでは、会議AIエージェント「SecureMemo」シリーズの研究開発に携わるNishikaの技術者2名が、「学習で直す」「推論で直す」それぞれの立場から、R&Dで実際に試したこと・うまくいかなかったことをお話しします。2つのアプローチを並べて聞くことで、ご自身の課題にはどちらが合いそうかを考えるヒントにしていただければと思います。
テーマはコアですが、音声認識の専門知識がなくても大丈夫です。普段APIやSDKで音声認識を呼び出しているアプリエンジニアの方にも、「あの文字起こしの裏側ではこんなことが起きているのか」と持ち帰っていただけるよう、前提からかみくだいてお話しします。
こんな方におすすめ
- 音声認識やAI機能をプロダクトに組み込んでいるアプリエンジニアで、その裏側で何が起きているかを知りたい方(音声認識の知識は不要です)
- 音声認識の仕組みに興味があり、モデルの中身や周辺の工夫まで踏み込んで知りたい方
- 専門用語や固有名詞の誤認識に悩んでいる方
- 公開モデルを自社のデータや業界の言葉に合わせて使いたいと考えている方
- 再学習するか、推論時の工夫で済ませるか、判断に迷っている方
- 正解ラベル付きの音声データが足りず、学習をどう進めるか困っている方
- 「ベンチマークでは良いのに、実データではいまいち」という経験がある方
- これからAIエンジニア・MLエンジニアを目指している方、学生の方
- 研究の成果がどうやってプロダクトになるのか、現場の話を聞いてみたい方
プログラム
- 19:00-19:10 オープニング・イベントのご紹介(髙山/エンジニアリングマネージャー)
- 19:10-19:30 正解ラベルがなくても学習したい —— LLMで校正した擬似ラベルによる音声認識モデルの追加学習(仮)(藤井/データサイエンティスト)
- 19:30-19:50 検討中(大竹/機械学習エンジニア)
- 19:50-19:55 全体Q&A
- 19:55-20:00 各種ご案内
登壇者
藤井 健悟|データサイエンティスト
製造メーカにて商業用プリンタのメカ設計・ソフトウェア開発から社内のデータサイエンス活用や関連プロジェクトを複数担当、音声・言語などの社内特化モデル構築などを推進。現在はグループリーダーとして従事。Nishikaには2022年から副業として参画し、音声認識モデル開発や会議AIエージェント「SecureMemo」シリーズの要約機能などを担当。
大竹 真太|機械学習エンジニア
大学院で機械学習を用いた音声処理を研究し、現在は株式会社AI Shiftにて日本語の電話音声エージェントの研究開発に携わる。Nishikaには音声認識コンペへの参加をきっかけに業務委託として参画し、最新の音声認識モデルの性能検証や固有名詞の認識精度改善などに取り組んでいる。
髙山 雄貴|エンジニアリングマネージャー
SIerに新卒入社しエンジニアとしてキャリアをスタート。その後、ソフトウェアベンダーでデータベースの設計・開発支援やクラウド導入支援に従事。自社製品の機械学習機能をきっかけにAIに強い興味を持ち、Kaggleを開始。副業期間を経て2023年にAIエンジニアとして参画し、現在は会議AIエージェント「SecureMemo」シリーズのスクラムマスターを務めている。
ご参加にあたって
- お申し込みはconnpassのイベントページから受け付けています。
- 参加用URLは開催1日前までにご連絡いたします。
- ウェビナー形式のため、参加者の方のカメラ・マイクはオフのままご視聴いただけます。
- プログラムの内容は変更になる場合があります。
音声認識の「中身」に踏み込んだ話を、専門の方もそうでない方も、ぜひ気軽に聞きにきてください。皆さまのご参加をお待ちしております!