スタッフブログ
【iPhone・Android】音声入力で1週間日記をつけてみたら、精度の高さに圧倒された

【iPhone・Android】音声入力で1週間日記をつけてみたら、精度の高さに圧倒された

らむ屋敷
ライター: らむ屋敷
元営業マンのWebライター。将棋、サッカー、ランニングが好き。

iPhoneの「Siri」やAmazonの「Alexa」など、人間の音声を機械に認識させる行為が広く浸透してきている。

音声入力の精度は年々上がっており、インタビューの文字起こしなどでも十分活用できるレベルになっているという声も聞く。……本当に?

そこで今回は、どのくらいの精度なのか調べるために、音声入力を使用して1週間、日記をつけてみることにした。

はたして、どのくらいの日数で思い通りに操れるようになるのか?

検証方法

音声入力は私、らむ屋敷が行う。声は小さめだ。

▲Galaxy A8(Android)とiPhone 6

今回は、私物のこの2台で検証を行う。

調べたところ、以下の2つの精度がいいらしいので、両方とも試してみたい。

1. Androidアプリ「Gboard」

Googleキーボードの略で、音声入力が標準搭載されているキーボードアプリだ。Android端末はこちらを使うことに。

アプリの設定画面を開き、

音声入力の使用をオンにする。

入力は、Android標準のメモアプリであるGoogle Keepで行う。

キーボードがGboardの仕様になった。「マイクのマーク」をタップすると音声入力が可能な状態に。

2. iPhone標準の音声入力機能

iPhone端末では、iPhone標準のキーボードに搭載されている音声入力機能を使う。

標準のメモアプリを開き、

左下の「マイクのマーク」をタップすると、下に波形が表示され、音声入力できる状態になる。ちなみに、機種によってはマイクマークは右下に表示される。

1日目の日記

私は5年ほど前から、毎朝ミックスナッツを食べる習慣があるので、「ナッツ日記」のようなものを記していくことにした。

ナッツは「夏」、アーモンドは「あぁもう!」といったように、違う言葉として認識されてしまうのではないかと予想する。

同じ言葉でも、滑舌やテンポで結果が変わるかもしれないので、音声入力はiPhoneとAndroidで同時に行うことにした。

発声した内容

カシューナッツから食べます。理由は、一番食べやすいからです。ほどよく柔らかいし、甘みが感じられます。アーモンド、クルミ、ピスタチオの3種類はパサパサしているし甘さも好みではないので、あまり単体では食べないです。

初日は様子見で、短い文節で構成された日記にした。句読点や漢字、ひらがな、カタカナはそれぞれ「こう入力してくれるとうれしい」という理想の形。

では、入力結果を見ていこう。

Gboardの入力結果

「し」が「市」、「甘み」が「奄美」、「甘さ」が「重さ」という具合に細かい誤認識があった。

ただ、思っていたよりも正確に認識されている印象。初回にしては上々の出来に見える。

iPhone標準キーボードの入力結果

Androidよりも誤認識や入力漏れがあった。特に序盤が酷い。「油は1番正しいからです」って、己の不摂生な食事を省みない人みたいでカッコいいな……。

また、予想通り、カシューナッツという認識が難しそうなワードは「歌詞も夏」と誤認識した。

あと、なぜか最初の一文だけ句点(。)が入力された。録音したデータを聞き直したところ、該当の箇所で小さく「まぁ」と言ってしまっていたので、それが影響しているのかも。

句点や読点(、)、ビックリマーク、クエスチョンマークなどの入力方法を調べて明日、試してみたい。

1日目まとめ

  • 誤認識は自分の話し方にも問題がありそう
  • 途中で「あぁ」や「ええーっと」などのまぎらわしい発声を控える
  • ナッツを食べながら話してしまったので、“ながら入力”をやめてハキハキと話すよう心がける

2日目の日記

句読点や各種記号を入力する方法を調べてみた。

思ってたよりも網羅されてる! 他にも入力できる記号があり、「改行」と発声すると改行できたりもする。Gboardは一部、変換されないものがあったが、私が見つけられなかった可能性もある。

よく使う読点(、)は、iPhoneなら「てん」だけで入力されるようだが、今回はAndroidと同時に話しかけるので、両端末に共通する「とうてん」を使っていきたい。

発声した内容

暑い暑い!夏が来た。昨日からかなり暑くなってきて、淹れたての熱いコーヒーを飲むのが少し辛い。昨日も今日と同じくカシューナッツから食べる。マカダミアナッツ、ピーカンナッツ、ヘーゼルナッツを一気に口に含む。なんだかんだコーヒーとよく合う。一呼吸おいてから、アーモンド、クルミ、ピスタチオを口に含む。美味しい。
※公開は秋になりましたが夏に検証しました

Gboardの入力結果

冒頭は「暑い暑い」と漢字にしてほしかったが、「暑く」と「熱い」は正しい漢字で変換されているのが何気にすごい。でも「なんだかんだ」は藤井隆になった。

「ビックリマーク」と発声したら、本当に「!」として認識された。でも読点が途中から「と10(テン)」に、そして句点(。)がそのまま「まる」と変換されてしまっている。これはよくない。

ナッツ名を無駄に多く言って混乱させようとしたが、ハキハキとしゃべるように心がけたおかげなのか、すべて正しく認識された。

ちなみに最終行の「。」が抜けているが、これは単純に言い忘れてしまったので自分のせいだ。

iPhone標準キーボードの入力結果

「今日と」→「京都」、「マカダミア」→「若田宮」と誤認識されたが、昨日と比べて良くなった気がする。

iPhoneも文頭のビックリマークは完璧(ただし半角)。Androidが誤認識してしまった「と10(テン)」なども正しく読点として認識できている。漢字/ひらがなは好みの問題もあるのでどちらでもよしとする。

2日目まとめ

  • 句読点やビックリマークも音声入力できた
  • ただ、Androidは後半で句読点が認識されなくなった
  • 無意識に発声のスピードが徐々に上がってしまったのが誤認識の原因かもしれないので、もう少しゆっくり発声することを心がけたい

3日目の日記

3日目にして少し面倒になってきた。日記を毎日書いてる人、偉すぎる。

ふと思ったが、どうせなら「毎日ナッツ」ではなく「毎日スイーツ」にして、マリトッツォとかのスイーツを食べられるワクワクする企画にするべきだった。

発声した内容

今日も気温が高い。ミックスナッツはカシューナッツとアーモンドを軸に毎日全種類をおよそ1個ずつ食べてる。今日は、カシューナッツ、アーモンド、マカダミアナッツ、クルミ、カシューナッツ、ピーカンナッツ、アーモンド、ヘーゼルナッツ、ピスタチオの順番で食べた。体調のせいか、はたまたコーヒーの温度が原因かわからないが、今日はアーモンド、クルミなどの口の中がパサパサしがちなナッツを美味しく食べれた。

Gboardの入力結果

読点(、)は昨日と比べて修正できたが、句点が「。」に変換されずにそのまま残ってしまっている。

また、「ナッツ」→「夏」と、これまでAndroidで出ることがなかったナッツのミスが初めて出てしまった。

iPhone標準キーボードの入力結果

iPhoneでは句読点を完璧に操ることができた。たたみかけるようにナッツの名称を言っても、ほとんど正しく認識された。他の誤認識も1箇所だけ。

最後は発声までの間が空きすぎてしまったせいか、音声入力がそこで強制終了してしまった。

3日目まとめ

  • 句読点の入力は、AndroidよりもiPhoneの方が精度が高い
  • Androidでは、発声のテンポを意識的にゆっくりにしたほうがよさそう
  • たたみかけるようにナッツの名称を言っても、音声入力が大きく崩れることがない
  • 間が空きすぎると入力(音声の聞き取り?)が強制終了してしまう

4日目の日記

この日は朝からマリトッツォを調べていたが、どうやらセブンイレブンに「どらやきマリトッツォ」という商品があるらしい。最高に美味しそう。

マリトッツォを想いながら、真顔でナッツをほおばった。

発声した内容

今日はこの後所用ですぐ家を出ないといけないので、ゆっくり食べている時間がない。起きてからあまり時間が経っていないので食欲がないしコーヒーを用意する時間もなかったので、水で流し込む。カシューナッツ、アーモンド、マカダミアナッツ、クルミ、ピーカンナッツ、ヘーゼルナッツ、ピスタチオの順番で食べた。

Gboardの入力結果

昨日よりも話すテンポをゆっくりにして、一文一文を丁寧に区切るようなイメージで発声してみた。その効果が出たのか、これまでAndroidで苦戦していた句読点問題が大幅に改善どころか、完璧になってしまった。

唯一の誤認識は「クルミ」の箇所。昨日は「半」と認識されたが今日は「句」になった。なぜ漢字1文字なんだ……。

iPhone標準キーボードの入力結果

唯一の誤認識は1文字だけ。昨日は「マカダミアン」で、今日は「マカデミア」。iPhoneって、もしかしてマカダミアナッツが辞書に入ってない?

Android同様にほぼ完璧に近い結果になった。4日目にして、ほぼ意のままに操れるようになったと言えるのではないか……?

4日目まとめ

  • 一文一文を丁寧に区切るように、ゆっくりなテンポで話すとAndroidの句読点の認識率が大幅に改善した
  • 4日目にして、Android、iPhone両端末ともほぼ完璧な音声入力ができた
  • 2日連続で同じ単語を誤認識したので、苦手な単語類が存在するのかもしれない

5日目の日記

起きてすぐ、マリトッツォのことを考えた。相当食べたくなっている。

音声入力をかなり使いこなせるようになってきたので、5日目の今日は難度を上げてみたい。

ということで、唐突に「論語」の一節を読み上げてみた。

発声した内容

(われ)十有五(じゅうゆうご)にして学に志(こころざ)す。三十にして立つ。四十(しじゅう)にして惑わず。五十にして天命を知る。六十にして耳順(したが)う。七十にして心の欲する所に従(したが)いて、矩(のり)を踰(こ)えず。

Gboardの入力結果

なぜか「四十」の箇所だけアラビア数字で気持ち悪いが、ほぼ完璧に認識。すごい……。

「矩(のり)を踰(こ)えず」という一文、「超えず」や「越えず」といったよく使われそうな漢字ではなく「踰えず」を選択したということは、この一文を明らかにGboardが知っていたということだろう。恐るべし。

iPhone標準キーボードの入力結果

iPhoneは数字をすべてアラビア数字で返してきたが、明らかな誤認識は「従えいて」だけ。「越えず」と「耳従う」は漢字が異なるものの読めないことはない。

もしかしたら有名な文章などは、AIか何かに学習させているのかもしれない。

5日目まとめ

論語も、ほぼイケる。

6日目の日記

ここ数日間、ずっと晴れている。

真ん中の雲がマリトッツォに見えてきた。

発声した内容

子曰く、これを知る者はこれを好む者に如(し)かず。これを好む者はこれを楽しむ者に如かず。どんなに知識がある人よりもそれを好きでやっている人には敵わないという意味の論語の一節だ。私は毎朝ミックスナッツを食べる生活を数年間続けているが、別にミックスナッツは全く好きではないし、むしろ嫌い。本当はパンとかご飯とかもりもり食べたい。ナッツそのものよりもリズムというか、朝にナッツを食べるという行為そのものが好きなんだろうなぁ。

昨日とはまた違う論語の一節を読んだ直後にナッツの話をし、音声入力機能を惑わす作戦にした。

Gboardの入力結果

部分的に少しだけ相違があるが、ほぼ完璧。

iPhone標準キーボードの入力結果

iPhoneは1箇所脱字が気になるが、ほとんど問題なし。

「もの」「しかず」「かなわない」がひらがなになっているが、2日目では「美味しい」→「おいしい」だったので、iPhoneは「やさしい文章」を心がけているような気もしてきた。

6日目まとめ

論語の一節の直後に現代の日記的な内容を話しても、問題なく認識する。

7日目の日記

最終日。

「別に、マリトッツォを我慢する記事じゃないよな」と急に我に返り、普通に買って食べた。ここ数日の我慢は一体なんだったんだ……。

音声入力の凄さは十分に分かったので、今日はさらに難度を上げてみることにした。

発声した内容

子曰く、ナッツナッツナッツ、カシューナッツ、吾(われ)十有五(じゅうゆうご)にして学に志(こころざ)す。三十にして立つ。四十にして惑わず。ヘーゼルナッツ。五十にして天命を知る。ピスタチオ。六十にして耳順(したが)う。アーモンド。七十にして心の欲する所に従(したが)いて、矩(のり)を踰(こ)えず。


5日目と6日目の難しそうな部分をミックスして、論語の一節の途中にナッツの名前を無理やり挿入。

もし音声入力機能が「有名な文章を丸ごと暗記しているような仕組み」であれば、途中でナッツの名前が入ることで混乱が起きてしまうかもしれない。

果たしてどうなるか?

Gboardの入力結果

すごい! 「40」だけアラビア数字なのは相変わらずだけど、ほぼ完璧!!

5日目の結果と同様、Androidでは文章を正しく論語の一節として認識していることがわかる。

iPhone標準キーボードの入力結果

論語部分は、5日目とまったく同じ結果。ナッツ部分は完璧。

7日目まとめ

子曰く、論語の一節の途中にナッツの話を入れても惑わず。

1週間、音声入力日記をつけてみて

かなり衝撃を受けた。想像よりも精度が高かった。

今回は「どのくらいの日数で思い通りに操れるようになれるか」という検証だったが、結論としては、4日目(4回目)だった。

▲4日目の結果

少し間違えてはいるものの、自分で入力する際も打ち間違えて、消して、打ち直してといった動作を繰り返しているので、むしろ音声入力のほうが優秀なんじゃないかとさえ思えてきた。インタビューの文字起こしでも間違いなく活用できそう。

ただ、誤認識されたときに修正するのが面倒だし、手入力の方が直感的に入力できて「謎の安心感」があるから、音声入力の導入はまだ様子見でいいかなとも思う。

では、音声入力でこの記事を締めくくります。

画像

(編集:ノオト



おすすめ記事


268 件のコメント
19 - 68 / 268
音声入力の認識精度には驚かされました。すごいですね。

昔、リッキー君には苦労させられました(^^;
これは凄いです!
社用車の運転日報が億劫で億劫で仕方なかったのですが、これなら楽ちんです♪( iPhoneでメモ使いました)優良な情報ありがとうございます☘️
こんにちは!
興味深い記事をアップしていただいてありがとうございました。私も音声入力をよくするので記号の入力など、どうしたらいいか勉強になりました。今、これも音声入力で書きましたよ。
ナビもスマホも音声認識使ったことがないので興味深く読ませていただきました。
どら焼きマリトォッツォ美味しそう。
あれだけ気にしていたどらやきマリトッツォ、ようやく食べられたようですが、感想が全くないので、ものすごく気になります…(笑)
是非、追試でPixel6の「文字起こし」を検証して欲しいですね。相当に凄いらしいので笑
貴重な情報ありがとうございます!
私 Android派なのですが勉強になりました☆
音声入力がこんなに使えるなんて思いもしませんでした。
有益な情報をどうもありがとうございました。

……初めての音声入力を試してみました😅
これから慣れて行きたいと思います。

ところでどらやきマリトッツォは美味しかったですか?
音声入力、以前やったのですが、滑舌が悪いと上手く入力されないです、又挑戦して見ます。
ええ📞(´Д`)🍂🍎🤖
Siri滅裂なんです🍎∈(゚◎゚)∋💦
退会済みメンバー
退会済みメンバーさん
ビギナー
音声入力は簡単、スマホ入力が苦手な田舎の両親に年末帰省時に教える予定(LINEと検索の音声入力)
面白い検証記事でした!
音声入力を惑わしてやろうという試みが素敵です(゚∀゚)アヒャ
これは面白い筆不精の私にもできそうだちなみにこれも音声入力してます
論語とナッツの謎コラボw
音声認識、急激な進歩ですね!
最近はリモート会議ソフトの字幕の精度も相当上がってます。難聴の同僚が喜んでます。
ただ、気を遣ってしゃべらないとグダグダになりますね。それと、周りに人がいたら原稿書けないなー。壁の薄いアパートもダメだな…。
私の日記はチラシの裏に書いてます👌
最近の音声入力の進化はすごいですね。AndroidではATOKを利用していましたが音声入力が無く、買い取り制が廃止されサポートも終了になったのでこれを契機にGboadに戻したいと思います。
ラインなどで、気持ち良く音声入力を利用しています。
日記の内容が楽しかった💕
マリトッツォ美味しそう
音声入力使ってみました🙆
音声入力素晴らしいですね。
退会済みメンバー
退会済みメンバーさん
ビギナー
音声入力使ってみようかなと思ったけど、
滑舌が…
滑舌が良くなりそう。
音声入力、使った事がないな〜😆
挑戦してみよう😁
音声入力便利だけど場所を選ばないと恥ずかしいことになりそうですね。(ちょっと危ない人に思われるかも)
忍野八海とか難読地名の奥武山町(おうのやまちょう)とかちゃんと漢字になるのが凄いと思います。
締めくくりも完璧ですね💛
予想通りの結果だね siriは googleアシスタントは善戦だな
滑舌についてはgoogleアシスタントは学習してくれるので、しばらくで
かなり変換を改善してくれますよ
視覚障害があってやはりVoiceOverのiPhoneは結構性能はいいんですがたまにどっちとかで点字が展示になってたりとか膀胱が暴行とかwwwこまりますね
仕事時にお決まり文章しか書いてない
自分が、これをやり続けたら
ますます漢字を忘れてしまいそう。
日記を音声入力でチャレンジするとは面白い発想ですね。
学習能力もあるようなので使って行くと段々と精度が上がってくるので
しょうけど、部屋に一人のときでもスマホに向かって喋りかけるのは
ちょっと抵抗ある・・オヤジだからかな?
入力が簡単になることは良いことです。ただ、漢字を忘れないことは重要です。
どら焼きマリトッツォ美味しそう〜コレ頂きます♪
一週間ご苦労様です。お疲れ様です🍵
日記も音声とにゃ〜話しかけるのね。。猫にお座りして前に居てもらおうかしらね〜🐱🍡
面白いね。
私も試してみたい!
誤字とかで笑えそう(^o^)
すばらしい。ナッツは、体にいいーっ。
音声入力は慣れてくると、何を誤認するか分かってきます。都度訂正は必要ですが、手入力より絶対早いです。
おもろい。
音声認識、昔に比べて良くなりましたよね。
使えるものになって、びっくり。
やってみよってなりました。チャレンジ精神
音声認識でブログを書けるならやってみたいな。日々の雑記をつらつらと。
退会済みメンバー
退会済みメンバーさん
ビギナー
参考になりました。
退会済みメンバー
退会済みメンバーさん
ビギナー
ジージーは覚えるのがチョット・・・?色々有るが間違えも色々だね?
年寄りには、ボケ防止に文字を選んで文章作りが良いかも?(実は音声作り方が把握出来ないんだ)
昔々、テレビ番組の宇宙大作戦でカーク船長が恒星日誌 宇宙暦ナンチャラカンチャラって記録してたのを思い出しました。確実に未来に近付いてるなぁ~
お疲れ様です!
楽しく読みました。

自己紹介の「声は小さめだ」が何だか良かったです☺️

音声認識の機械も販売されていますが(がっちりマンデーで放送してました)、スマホの音声認識も精度が結構良いのですね〜。

スマホの音声認識は語学学習の発音チェックに使えるとのことで、お隣の国の言葉を勉強していた時にちょびっと試したことがあったな〜と思い出しました💫
iPhoneとAndroid、両方一度に検証していただき、非常に参考になりました。

どちらのユーザーも読める記事、これからもどうぞよろしくお願いします。
これは実用的な記事ですね!
Appleはプライバシー重視だったりで、認識のサンプルや、ユーザの情報の収集が足りないのか、精度が低いです。Siriも、ヘンなときが多いです。

Googleは、「Google日本語入力」の
頃から、「Mozc」というオープンソース版もあったりで、改良が著しいです。
Gboardは、手書き入力も文字認識が優秀で、走り書きの原稿を活字におこしてくれる編集担当みたいな感じ。

徳島一番なエイトックは、辞書や構文とりは秀いでていますが、文字認識の精度や、一字ずつ上書き入力のクセが難です。

Gboardが圧倒的ベストだと思います。
面白い記事でした〜
やっぱりどちらも、予想通りでしたね!
これからも進化していくと思います。今後に期待!
ナッツ🥜ばかりは太りそうですね(笑)
音声入力すごいですね!!
毎日、日記は書いています。
音声入力であれば楽になるかも!
でも漢字書けなくなりそう😅
コメントするには、ログインまたはメンバー登録(無料)が必要です。