AI Log

新着 › AIの基本 › ニュースに出る言葉

AIの基本 ／ ニュースに出る言葉

音声認識と音声合成：声を文字に、文字を声にする技術

出典を確かめた日 2026年10月1日（木） ／ 約7分で読めます

一言で

音声認識は、人が話した声を文字（テキスト）に変える技術です。音声合成は、その逆に、文字を声にして読み上げる技術です。どちらも、ディープラーニングが入ってから大きく性能が上がった、と公的機関の文書は書いています。

このページで分かること

先に知っておく言葉

音声認識：声を文字にする

情報通信研究機構（NICT。日本の国の研究機関）の研究報告（2022年）は、音声認識を、入ってきた音声を文字に変える技術と説明し、スマートフォンでの音声検索や音声翻訳、スマートスピーカーの声での操作、映像への自動の字幕などで使われている、としています。総務省・経済産業省の AI事業者ガイドライン（第1.2版、2026年3月31日）も、2000年代以降にディープラーニングなどで活用が進んだものの1つに音声認識を挙げています。

同じ研究報告によると、仕組みは次のように移ってきました。

この報告の時点（2022年）で、NICT が実際に動かしている仕組みはハイブリッド型で、NICT の E2E は基礎研究の段階（一部の言語では試作して動作を確認）でした。E2E では新しい単語の登録などの機能を組み込むのが容易でない、と書かれています。

音声合成：文字を声にする

NICT の研究報告（2022年）とプレスリリース（2024年6月25日）は、「テキスト音声合成」（文字の読み上げ）をこう説明しています。

2つを組み合わせる：音声翻訳

NICT は、音声認識・機械翻訳・音声合成を組み合わせて、多言語の音声翻訳を作っています（アプリ VoiceTra など）。総務省の「令和2年版 情報通信白書」は、2014年の「グローバルコミュニケーション計画」のもとで、ディープラーニングの翻訳を NICT に入れるための計算機などを整え、翻訳や音声認識の精度を上げてきたこと、2025年に AI で同時通訳ができるようにすることを目指す計画を2020年3月に作ったことを書いています。

悪用の心配

関連する言葉

出典

  1. 情報通信研究機構「音声認識技術」情報通信研究機構研究報告 Vol.68 No.2、2022年 nict.go.jp ↗
  2. 情報通信研究機構「ニューラル音声合成技術」情報通信研究機構研究報告 Vol.68 No.2、2022年 nict.go.jp ↗
  3. 情報通信研究機構「スマホ上でも高速動作可能な21言語の高品質ニューラル音声合成技術を開発」2024年6月25日 nict.go.jp ↗
  4. 総務省・経済産業省「AI事業者ガイドライン（第1.2版）」2026年3月31日、第1部「AIとは」 soumu.go.jp ↗
  5. 総務省「令和2年版 情報通信白書」「多言語翻訳技術の研究開発及び社会実装の推進」 soumu.go.jp ↗
  6. NIST「NIST AI 600-1：Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile」2024年7月 doi.org ↗
  7. Google for Developers「Machine Learning Glossary」の generative AI の項 developers.google.com ↗

確認メモ：2026年10月1日に、上の出典を開いて確かめました。NICT の2本の研究報告は PDF から文字を取り出し、音声認識は「まえがき」「統計的音声認識」「ハイブリッド型音声認識」「End-to-End 音声認識」と NICT の取組の節を、音声合成は「はじめに」、波形生成の難しさ、拡散確率モデル、「おわりに」の節を読みました。2024年の速さの数字は NICT のプレスリリースのとおりです。AI事業者ガイドラインは第1.2版の第1部「AIとは」を、NIST AI 600-1 は情報の完全性と知的財産の節を読みました。出典の間で説明が食い違う所はありませんでした。NICT の研究報告の「NICT での E2E は基礎研究の段階」は2022年の時点の記述で、その後の変化は確かめていません。会社ごとの音声の製品（話し声で使えるチャットなど）は、確かめた出典で仕組みが説明されていなかったため載せていません。「音素」の言い換えは NICT の研究報告の説明にもとづき、「ディープフェイク」の言い換えは NIST の説明にもとづいています。AIログのニュースでは、この言葉はまだ出てきていないため、「ニュースでの出方」の節は置いていません。国の文書は公共データ利用規約にもとづき、内容を言い換えて使っています（出典：総務省・経済産業省「AI事業者ガイドライン（第1.2版）」、総務省「令和2年版 情報通信白書」を加工して作成）。

同じ段の言葉（ニュースに出る言葉）

  1. ハルシネーション：AI がもっともらしく誤ったことを言うこと

    ハルシネーションは、文章などを作る AI が、もっともらしく、自信を持った形で、事実と違う内容を出してしまうことです。

  2. ベンチマークと評価：AI の出来を測って比べるしくみと、その限界

    評価は、AI のモデルの出来の良し悪しを測ったり、複数のモデルを比べたりすることです。

  3. 公開モデル（オープンウェイト）と非公開モデル：中身の数値を配るか、窓口だけ開くか

    公開モデル（オープンウェイトのモデル）は、モデルの中身である「重み」の数値を、誰でもダウンロードできる形などで一般に出したモデルです。

  4. 小さいモデルと蒸留：大きいモデルの力を、小さいモデルに受け継がせる方法

    蒸留は、大きいモデル（教師）の出す答えをお手本にして、小さいモデル（生徒）を学習させ、大きいモデルに近い予測をできるようにする方法です。

  5. 量子化：モデルの数値を少ないビットで持ち、軽くする方法

    量子化は、モデルの中の数値を、より少ないビット数で表すように置き換えることです。

  6. API と料金の数え方：使ったトークンの数に、種類ごとの値段を掛ける

    AI の会社は、自社のモデルを、プログラムから呼び出して使える窓口（API）でも提供しています。

  7. 速さ（返事までの時間・1秒あたりのトークン）：「書き出すまで」と「書く速さ」は別の物差し

    AI の返事の速さは、指示を送ってから返事が来るまでの時間（レイテンシ）や、最初のトークンが出てくるまでの時間（TTFT）、1秒あたりに処理するトークンの数などで表されます。

  8. GPU と計算資源・データセンター：AI の計算を受け持つ部品と、それを置く場所

    AI のモデルを学習させたり動かしたりするには、大量の計算が要ります。

  9. スケーリング則：モデル・データ・計算の量と性能の関係を表した経験則

    スケーリング則は、言語モデルの性能が、モデルの大きさ・学習に使うデータの量・学習に使う計算の量に応じてどう良くなるかを、実験から割り出した関係です。

  10. クラウドと処理する地域：AI の計算が「どこで」動き、データが「どこに」置かれるか

    AI の会社やクラウドの会社が提供するモデルは、その会社の設備の上で計算されます。

  11. データの扱い（学習への利用・データ保持・ゼロデータ保持）：入力した内容が学習に使われるか、どれだけ残るか

    AI のサービスに入力した内容と返ってきた答えが、その後モデルの学習に使われるか、会社の設備にどれだけの間残るかは、サービス・料金の形・契約によって違います。

  12. 画像や音声を作る AI（拡散モデル）：雑音から少しずつ形にしていく仕組み

    拡散モデルは、でたらめな雑音（ノイズ）から出発し、雑音を取り除く手順を何度もくり返して、画像などを作り出す仕組みです。

AIの基本をすべて見る（42本）→