NVIDIA、文字起こしAIを公開。日本語など40言語で話者区別や翻訳も

CNET Japanによると、NVIDIAは文字起こしのAIを公開した。日本語を含む40の言語に対応し、話者の区別や翻訳の機能も備えるという。

確認できたのは見出しの範囲で、モデルの名称、精度、必要な計算資源、公開の形式は分からない。商用で利用できるのか、料金がかかるのかも今回の材料からは確認できていない。

技術面では、音声を文字にするだけでなく、誰が話したのかを分け、別の言語へ訳すところまでを扱う点が特徴といえる。

意味合いとしては、会議の記録や字幕の作成といった用途で、選択肢が増える可能性がある。エンジニアにとっては日本語の精度と動作環境が、事業会社にとってはライセンスと費用が判断材料になる。公開元の情報で条件を確かめたい。今後の評価の報告にも注目したい。