ITパスポート試験 令和2年度 公開問題 問22

【正解】イ

イでは、利用者の話し声をコンピュータが文字などの扱える情報へ変換するために音声認識を利用します。さらに、「今日の天気を教えて」「駅までの交通状況はどうか」といった発話の意味や意図を理解し、必要な情報を選んで回答文を作るために自然言語処理を利用します。したがって、スマートスピーカーや音声アシスタントのように、人の言葉を聞き取って質問内容に応じた回答を行うシステムは、両方の技術を組み合わせた事例です。回答を音声で返す場合には、これらに加えて音声合成も使われます。

アの事例は誤りです。ノック音の検知は音の発生を検出する処理であり、言葉を認識する音声認識とは異なります。また、人物の顔を判別して解錠する処理は画像認識の利用例です。 ウの事例は誤りです。人の姿や話し声が存在することを検知して人数を数えるだけでは、発話内容を文字に変換したり意味を解釈したりしていません。中心となるのは画像認識や物体検出です。 エの事例は誤りです。英文をカメラから読み取る処理は画像認識やOCR、英文を要約して日本語にする処理は自然言語処理ですが、話し声を扱わないので音声認識は利用されません。

【ポイント】 音声認識は「話し声を文字情報にする技術」、自然言語処理は「言葉の意味や文脈を扱う技術」です。 単なる音の検知は音声認識とは限りません。 画像内の文字を読み取るOCRと音声認識も区別して覚えましょう。