四十肩対策としての音声認識（12年まであと10日）

毎年この季節になると、無事に 8月1日を迎えられそうか心配になりだします。仮差し押さえを食らったり法務局から呼び出しをもらうほどの悪事は現時点ではしていない自覚がありますが、それでもなぜか心配になるものなのです。

この8月1日で、社会保険労務士としての登録開業から12周年になります。

今年に入ってから、心配なことがもう一つ増えました。長文を入力しているうちに、右腕がしびれるようになってきたのです。キーボード入力が多い40代なので仕方がないかと思うのですが、入力そのものがあまりやりたくない作業になりつつあります。

この状況はいくらか改善されるかもしれません。Windows７に搭載されている音声認識がなかなか使えるのです。もともとはスマートフォンで使っているgoogleの音声検索がわりと良好に認識結果を出してくれるのを見て Windowsでも同じようなことができるはずだと思い、試してみたところ文章入力に使えることがわかりました。

ヘッドセットを接続し、音声認識の設定を十分に済ませた後で試しに1000字ほどの文章を入力したところ、キーボード入力による修正との併用で、ほぼキーボード入力と同じ速さでの入力ができるとわかってしまったのです。当然ながら入力後に右腕がしびれるということはほとんどありません。

Windowsの搭載している音声認識は、便利な割に使われていない印象があります。

Windows8.1搭載タブレットの備え付けのマイクを使って音声認識をさせようとしたところで原因がわかりました。マイクの性能や、マイクと話者との距離が音声認識の正確さに非常に大きく影響するのです。つまり機器と設定を追い込まないと使いものになりません。今使っているヘッドセットは単三乾電池を搭載していてマイクの入力の音量を調節できますが（マイクアンプを搭載しているのです）。4段階ある目盛を一段ずらしただけで使い物にならなくなりました。

使いものにならなくなった、というべきではないかもしれません。通常の声でしゃべったら入力できないのですが、ささやき声でしゃべると普通に認識するのです。ここだけの話（笑）。逆方向に目盛りをずらしたらどうなるかは試していません。

この記事も音声認識で書いています。気をつけなければならないのは機材の設定を追い込むほかに、一文をダラダラ長くしては入力できないということです。だいたいこのブログくらいの句読点の間隔で入力を区切っていく必要があります。マイクと口との距離が安定していることが非常に重要なのでヘッドセットの使用がほぼ必須になることと、特定の文字の変換がなかなかできないこともわかりました。僕の場合は必須という文字が必至に変換されてしまうのです。

変換というと必ず「返還」と言ってくることもわかりました。誰かに何か返していなかったかもしれません。口（くち）というと「久慈」と出してきます。この夏、東北に行ってみたいような気もします。ウィンドウズをWindowsと変換するのにグーグルはgoogleと出してこないのは、もうきっとなにかあるはずだと信じずにはいられません。

文字の入力と同時にマウスのクリックやキーボードの操作に相当するコマンドも実行されてしまうのでめったなことがしゃべれません。

「キャンセル」という音声コマンドを最初に覚えました（苦笑）

文体や思考過程にも影響を及ぼしそうな気がします。変換の結果につられて文章が決まっていく危険があります。キーボード入力の場合には 1語1語を入力しながら次の語を考えていたような気がしますが、音声認識の場合は、次の句読点までを頭の中で作ったらその都度音声に出しているようです。考えのまとまりが違う気がします。

あとは、これってきっと客観的には滑稽な光景だと思うんです（補助者さまの出勤時には見せられないな、と。マイクのゲインを一目盛り上げてささやき声でしゃべってもいいですが）

ヘッドセットを使った場合には横でラジオを聞いていても、特に影響はありません。これはマイクと口との距離が短いので少々遠くに小さい音の音源があっても認識の精度を落とさないで済むからだとわかりました。お客さまとの打ち合わせで使っている机に置くタイプのマイクだとラジオを聞きながらの音声認識は難しいようです。ラジオ深夜便を聞きながらの深夜残業も安心です。

こうなると、欲も出てきます。今使っている 10年以上前のヘッドセット（連続装用すると耳が痛くなる）ではなくもう少し軽くて取り回しのいいヘッドセットがあれば、日常的に音声認識を使うことになるような気がします。

認識結果は当然ながら学習されるはずなので、適当な環境をつくって数ヶ月我慢できれば作業風景が変わるかもしれません。そうなったらまた記事にしてみましょう。