音声認識ソフトウェアの一覧

音声認識ソフトウェアは、様々なコンピューティングプラットフォーム、オペレーティングシステム、使用モデル、ソフトウェアライセンスで利用可能です。ここでは、それらを様々な便利な方法でグループ化したリストをご紹介します。

音響モデルと音声コーパス（編集）

次のリストには、注目すべき音声認識ソフトウェア エンジンとその特徴の簡単な概要が記載されています。

アプリケーション名説明オープンソースライセンスオペレーティング·システムプログラミング言語サポートされている言語、注記オフラインまたはオンライン
CMU スフィンクスふーむはいBSDスタイルクロスプラットフォームジャワ英語、ドイツ語、フランス語、中国語、ロシア語オフライン
HTKHMM ニューラルネットいいえHTK専用クロスプラットフォームC英語; バージョン3.5、2015年12月リリース
ジュリアスHMMトライグラムはいBSDスタイル、非商用クロスプラットフォームC日本語、英語; [1]オフライン
カルディニューラルネットはいアパッチクロスプラットフォームC++英語
RWTH ASRアーヘン工科大学いいえRWTH ASR、非商用のみLinux、macOSC++英語
ささやきエンコーダ/デコーダトランスはいMITライセンスクロスプラットフォームPython（プログラミング言語）多言語対応オンライン（API経由）とオフライン

マッキントッシュ

アプリケーション名説明オープンソースライセンス価格注記
Dragon for Mac（2018年に廃止）macOS ; Nuance製いいえ独自の
ドラゴンディクテート（販売終了）macOS; Nuance製いいえ独自の
MacSpeech Scribe（販売終了）録音テキストからの転写。Nuanceが取得
iListen（廃止）PowerPC Macintosh。MacSpeech が販売を中止し、Nuance が買収。
話せるアイテムmacOSに付属
ViaVoice（廃止）IBM製品、Nuanceに買収
音声ナビゲーターオリジナルGUI音声コントロール; 1989
ウィースパー・ネオン・フローmacOS 11以降対応の音声入力ソフトウェア。100%オフライン処理。アプリ間での音声入力が可能。いいえ独自の月額5ユーロ（無料トライアル）デバイス上でローカル音声テキスト変換機能を提供します。macOSとWindowsで利用可能です[1]

Chrome ベースのクロスプラットフォーム ウェブ アプリ

以下のリストは、Chromeブラウザでウェブアプリとして動作する注目すべき音声認識ソフトウェアです。これらはHTML5 Web-Speech-APIを利用しています。[2]

アプリケーション名説明オープンソースライセンス価格注記
スピーチマティクス[3]クラウドベースおよびオンプレミスの自動音声認識いいえ独自の音声1分あたり0.06ポンドから

モバイルデバイスとスマートフォン

フィーチャーフォンやiPhone、BlackBerryなどのスマートフォンを含む多くの携帯電話端末には、基本的な音声ダイヤル機能が組み込まれています。多くのサードパーティ アプリでは、次のような自然言語音声認識サポートが実装されています。

アプリケーション名説明オープンソースライセンス価格注記
アシスタント.aiAndroid、iOS、Windows Phone向けアシスタントいいえプロプライエタリ、フリーウェア無料製造中止
ドラゴンディクテーションいいえプロプライエタリ、フリーウェア無料
Google NowAndroid音声検索いいえプロプライエタリ、フリーウェア無料
Google音声検索いいえプロプライエタリ、フリーウェア無料
マイクロソフト コルタナマイクロソフトの音声検索いいえプロプライエタリ、フリーウェア無料
SiriパーソナルアシスタントAppleの仮想パーソナルアシスタントいいえプロプライエタリ、フリーウェア無料
アレクサ – アマゾンエコーAmazonのパーソナルアシスタントいいえ独自の
シルビアAndroidとiOSいいえ
ヴリンゴ語

ウィンドウズ

Windows内蔵の音声認識

MicrosoftによるWindows 音声認識バージョン8.0 は、 Windows Vista、Windows 7、Windows 8、Windows 10に組み込まれています。音声認識は、英語、フランス語、スペイン語、ドイツ語、日本語、簡体字中国語、繁体字中国語でのみ、対応するバージョンの Windows でのみ使用できます。つまり、別の言語の Windows バージョンを使用している場合は、ある言語の音声認識エンジンは使用できません。Windows 7 Ultimate および Windows 8 Pro では、システム言語を変更できるため、使用できる音声エンジンも変更できます。Windows 音声認識は、 Windows 10に含まれるパーソナル アシスタントのCortana (ソフトウェア)に進化しました。

Windows 7、8、10、11 サードパーティ製音声認識

  • Braina – サードパーティのソフトウェアやウェブサイトに音声入力し、[4]ウェブフォームに入力して音声コマンドを実行します。[5]
  • Nuance CommunicationsのDragon NaturallySpeaking – 旧製品DragonDictateの後継製品。ディクテーション機能に特化しています。バージョン10.1以降、64ビットWindowsに対応しています。
  • Tazti – PCゲームをプレイしたり、アプリケーション（プログラム）を操作したりするための音声コマンドプロファイルを作成します。ファイル、フォルダ、ウェブページ、アプリケーションを開くための音声コマンドを作成します。Windows 7、Windows 8、Windows 8.1に対応しています。[6]
  • Voice Finger – Windowsの音声認識システムに複数の拡張機能を追加することで機能を強化するソフトウェアです。このソフトウェアを使用すると、音声だけでマウスとキーボードを操作できます。特に、障害の克服やコンピューター関連の怪我の回復を支援するのに役立ちます。

Microsoft 音声 API

Microsoft Speech APIの最初のバージョンは、1995 年に Windows NT 3.51 および Windows 95 向けにリリースされ、その後 Windows Vista まで Windows の一部でした。この初期バージョンには、アプリケーションがエンジンを直接制御するために使用できる Direct Speech Recognition API と Direct Text To Speech API、および簡素化された「高レベル」の Voice Command API と Voice Talk API が既に含まれていました。音声認識機能は、Microsoft Office の一部であり、 Microsoft Windows XP Tablet PC Edition を実行するTablet PCにも含まれています。Windows アプリケーション用の Speech SDK 5.1 の一部としてダウンロードすることもできますが、これは音声アプリケーションを構築する開発者を対象としているため、純粋な SDK 形式にはユーザーインターフェイスがありません (多数のアプリケーションが利用可能でした)。そのため、エンドユーザーには適していません。

組み込みソフトウェア

対話型音声応答

対話型音声応答(IVR) システムは次のとおりです。

Unixライクなx86およびx86-64音声転写ソフトウェア

  • ヤヌス認識ツールキット（JRTk）[8] [9]
  • Mozilla DeepSpeechは[10] 、Baiduのディープスピーチ研究論文[11]に基づいてオープンソースの音声テキスト変換エンジンを開発していました。
  • Weesper Neon Flow – macOSとWindowsでローカルAIモデルを用いてオフライン音声テキスト変換処理を提供する、プロフェッショナル向け音声ディクテーションソフトウェア。オープンソースではなく、15日間の無料トライアル期間終了後に有料サブスクリプションが提供される。[12]

販売終了したソフトウェア

  • IBM VoiceType（旧称IBMパーソナルディクテーションシステム）
  • IBM ViaVoice – 組み込み版は現在もIBMによってメンテナンスされています。[13] Windows Vista以降のバージョンではサポートされていません。[14] macOS 10.4以降またはIntelチップセット搭載のMacintoshではテストされていません。[15]
  • Quack.comはAOLに買収され、現在では iPad 検索アプリにその名前が再利用されています。
  • Nuance CommunicationsのSpeechWorks。
  • Yap Speech Cloud – Amazon.comが買収した音声テキスト変換プラットフォーム。

参照

参考文献

  1. ^ "ダウンロード – Weesper Neon Flow".ウィースパーのネオンフロー。2025 年 10 月 29 日に取得。
  2. ^ 「Web Speech API仕様」dvcs.w3.org . 2016年6月21日時点のオリジナルよりアーカイブ。
  3. ^ アンドリュー・オルロウスキー「Total recog: British AI makes universal speech breakthrough」The Register . Situation Publishing . 2018年5月17日閲覧。
  4. ^ 「Windows PC用音声認識ソフトウェア - Braina」www.brainasoft.com。2015年4月7日時点のオリジナルよりアーカイブ。
  5. ^ 「Dynamic Faceting - List of Most 57 Speech Recognition SWs and Web Services」。2019年2月13日時点のオリジナルよりアーカイブ。2019年2月23日閲覧。
  6. ^ O'Neill, Mark (2013年11月6日). 「5つの音声認識プログラムでPCを操作」. PC World . 2014年1月1日時点のオリジナルよりアーカイブ。2013年12月30日閲覧。
  7. ^ 「Interactive Voice Response」. Genesys . 2016年10月14日時点のオリジナルよりアーカイブ。
  8. ^ 「Janus Recognition Toolkit (JRTk) 公式ホームページ」KIT . 2025年11月28日閲覧。
  9. ^ Lavie, A.; Waibel, A.; Levin, L.; Finke, M.; Gates, D.; Gavalda, M.; Zeppenfeld, T.; Zhan, Puming (1997年4月1日). 「Janus-III: 複数言語における音声翻訳」. 1997 IEEE 国際音響・音声・信号処理会議. 第1巻. IEEE Xplore. pp.  99– 102. CiteSeerX 10.1.1.36.6967 . doi :10.1109/ICASSP.1997.599557. ISBN  978-0-8186-7919-3. S2CID  1514209。
  10. ^ 「Mozilla DeepSpeech githubページ、廃止」。2025年9月8日。
  11. ^ 「BaiduのDeepSpeechアーキテクチャのTensorFlow実装」Mozilla. 2017年12月5日. 2017年12月5日閲覧。
  12. ^ "ダウンロード – Weesper Neon Flow".ウィースパーのネオンフロー。2025 年 10 月 29 日に取得。
  13. ^ 「IBM - Embedded ViaVoice - Embedded ViaVoice - ソフトウェア」。2010年8月8日時点のオリジナルよりアーカイブ。2010年6月29日閲覧。
  14. ^ 「Microsoft Windows 7のNuance製品サポート」。Nuance Communications、カスタマーヘルプ。2019年3月16日閲覧。
  15. ^ 「Intelチップセット搭載Mac OS X用ViaVoice」。Nuance Communications、カスタマーヘルプ。2019年3月16日閲覧。
「https://en.wikipedia.org/w/index.php?title=List_of_speech_recognition_software&oldid=1324576939」より取得