スウェーデンの音声文字起こしサービス「Klang」は、展示会で録音した立ち話を8人の話者に分け、文字起こしできたと、ITmediaの小寺信良氏が報告しました。録音には複数のブース取材や雑談が含まれていました。
同じ箇所では、比較対象のPlaudは話者をうまく分けられず、一部を文字にできなかったとのことです。一方、要約はPlaudのほうが得意で、Klangは録音の状況を説明する指示を受けて、ブースごとの要約を作りました。Klangの日本語版は2026年8月に提供開始済みですが、日本語モデルの学習と評価はこれからです。
なぜ重要か
複数人の雑談を記録する取材者には話者の確認作業を減らせる可能性がありますが、記事の試用例だけでは、ほかの録音でも同じ精度が出るかは分かりません。
