ITパスポート試験 令和6年度 公開問題 問78

【正解】ア

（1）が音声認識に該当します。音声認識とは、人が発した音声をコンピュータが認識し、文字列などのテキストデータへ変換する技術です。例えば、利用者が「明日の天気を教えて」と話した音声を、「明日の天気を教えて」という文字列に変換する処理が音声認識です。その後の意味の理解や返答の作成とは区別します。

イの（2）は誤りです。これは、音声認識によって得られたテキストを解析し、利用者の意図や単語の意味を捉える自然言語処理、特に自然言語理解の処理です。文字に変換する処理ではありません。

ウの（3）は誤りです。これは、理解した要求に基づいて回答内容を決め、返答用の文章を作る応答生成の処理です。対話システムの制御や自然言語生成に当たります。

エの（4）は誤りです。これは、作成されたテキストを人工的な音声に変換して読み上げる音声合成です。TTSとも呼ばれ、音声をテキストにする音声認識とは変換の向きが反対です。

処理の流れを具体的に追うと、利用者の声が（1）で文字列に変わり、（2）で質問の意図が特定され、（3）で回答文が作られ、（4）で回答文が音声として出力されます。

【ポイント】 音声認識は「音声から文字へ」、音声合成は「文字から音声へ」という変換です。 意味の理解は自然言語理解、回答文の作成は自然言語生成として整理すると、処理の違いを判断しやすくなります。