音声AIの使い分け
H社のコールセンターでは、①通話を文字にして要約し、応対の記録を残すことと、②電話の自動音声案内で文章を読み上げることを計画している。技術の使い方として、適切なものを2つ選べ。
- A
①は、音声合成モデルに通話の録音を入力し、話している内容をテキストに変換させる。
- B
声の複製には数時間分の録音が必要なので、短い通話の録音が流出しても、なりすましに使われる心配はない。
- C
①は、音声認識で通話をテキストにし、そのテキストをLLMに渡して要約させる。
- D
②は音声合成で文章を読み上げる。実在の人物に似た声を使う場合は、その本人の同意を得る。
正解と解説を見る
正解:C・D
音声認識(音声→テキスト)と音声合成(テキスト→音声)は、変換の向きが逆である。LLMと組み合わせると、文字起こしと要約、自動応答などを作れる。声の複製には、同意となりすましのリスクへの配慮が必要である。
- A
誤り。音声合成は、テキストから音声を作る技術である。音声からテキストを作るのは音声認識で、入力と出力の向きが逆になっている。
- B
誤り。数秒から数十秒の音声で声を似せられる技術がある。録音の管理と、なりすまし詐欺への対策が必要である。
- C
正しい。音声をテキストに変えるのが音声認識で、要約はテキストを扱うLLMが得意な処理である。
- D
正しい。テキストを音声にするのが音声合成(TTS)である。声を似せる場合は、本人の同意と権利の確認が必要になる。
このサイトの問題は、各試験の公開されているシラバスに沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。日本ディープラーニング協会(JDLA)・一般社団法人生成AI活用普及協会(GUGA)の公式サービスではありません。