ITパスポート試験 テクノロジ系 練習問題 第58問: 次のAIの活用例のうち、音声の認識の技術を主に使うものとして、最も適切なものはどれか。

正解: 4. 電話の通話を録音したデータから、話された言葉を文字の列に変換する

シラバスは、AIの技術として、自然言語処理と、音声・画像（静止画・動画）の認識・合成を分けて挙げている。録音された人の声から、話された言葉を文字の列に変換するのは、音声の認識（音声認識）である（4が適切）。 1は話している内容を扱うが、手がかりにするのは動画に写った口の動きという映像なので、動画の認識に当たる。 2は、すでに文字になった文章を意味の面から扱って要約する処理で、自然言語処理に当たる。 3は、文字の列から人の声に近い音声を作る音声の合成で、認識とは向きが逆である。何を扱うか（声・映像・文章）と、入力から何を作るかで技術を見分ける。

関連キーワード: 音声認識・自然言語処理・AI・音声の合成