マイクロソフト、会話の文字起こしやバーチャルマイクロフォンアレイを推進

　Microsoftは米国時間5月6～8日に開催した「Build 2019」で、スマートミーティングに関する最新の興味深いデモを実施した。同社は「Azure Speech Service」の一部である新たな「Conversation Transcription」機能をアピールした。現在プレビュー段階となっているこの新機能を使うことで、複数のユーザーによる会話の文字起こしをリアルタイムで、しかも会話が交錯している場合であっても自動的に話者の特徴を認識して行えるようになる。

提供：Microsoft

　また今回のBuildで実施されたデモのなかで、あまりにもあっさり紹介されたために多くの人が気にも留めなかったことがあった。それは、Azure Speech Serviceが同社のマイクロフォンアレイの参照ハードウェア（「Build 2018」で紹介されたような製品）上だけではなく、クラウドを活用したバーチャルマイクロフォンアレイでも利用できるという点だ。

　このサービスをバーチャル／クラウドで実現するという機能は現在のところ、Microsoft Researchにおけるプロジェクト（コード名：「Project Denmark」）の段階でしかない。Project Denmarkの目的は、ユーザーが専用のマイクロフォンアレイを用意せずとも、普通のマイクを搭載した携帯電話やノートPCといったコンシューマー機器を用いて「バーチャルな」マイクロフォンアレイを実現できるようにすることだ。これはMicrosoftが推進しているアンビエントコンピューティング戦略に合致している。

　Project Denmarkのリサーチャーらは、「発話情報をさまざまなかたちで組み合わせるアルゴリズムによって、接話型マイクによるアプローチに匹敵する精度の文字起こしが可能になる」と述べた。Microsoft ResearchのウェブサイトにはProject Denmarkのプロジェクトページが追加されており（教えてくれたWalkingCatに感謝したい）、Project Denmarkに関するテクニカルレポートも公開されている。

　2019年のBuildでの発表に関する同社ブログには「Project Denmarkによって、Azure Speech Serviceを使用し、いつでも、どこでも、そして専用のマイクロフォンアレイデバイス開発者キット（DDK）を使用するかしないかにかかわらず、会話の容易な文字起こしを支援できる可能性が生み出される。このため、将来的には幅広い応用が期待できる。例えば、携帯電話と『Microsoft Translator』アプリケーションを複数用意すれば、多くの人々のコミュニケーションをより効率的にして、言語の壁を乗り越えられるようになるだろう」と記されている。

　同社は先週、Build 2018で披露したサーキュラー形式のマイクロフォンアレイ（詳細は明らかにされなかった）を、DDKの形式によって社外での製品化を可能にすると発表した（コード名：「Princeton　Tower」）。音声のみのマイクロフォンアレイDDKは、およそ100ドルでhttp://ddk.roobo.comから購入できる。音声と画像を処理できる先進的なマイクロフォンアレイDDKは、Microsoftのシステムインテグレーションパートナーを通じて入手可能だ。

　「Speech Devices SDK」は、カスタム型のバーチャルアシスタントや会話のテキスト起こし、スマートスピーカーを開発する人々のための製品だ（ちなみに「Azure Kinect DK」も会話の文字起こしを取り扱えることは述べておく価値があるだろう）。