Voice IDと話者名
一度誰が話したかを名前で登録すれば、Waveはそれ以降のすべての録音でその声を自動的に認識する。
Waveは録音を話者ごとに自動的に分割するけれど、名前まではわからない——だから「Speaker 1」「Speaker 2」のような表示になる。一度名前を付けてVoice IDとして保存すれば、Waveはそれ以降のすべての録音でその人を自動的にラベル付けする。
話者に名前がつく3つの方法
- 自分で入力する。 話者名を変更すると、そのラベルは文字起こしと要約のすべての箇所で置き換わる。
- Waveが推測する。 Guess Speaker Names（話者名を推測）は会話の内容そのものから名前を推測する（「ありがとう、Sarah」のような発言から）。この方法で特定された話者にはIdentified（特定済み）バッジが付く。
- Waveが声を認識する。 Voice IDを保存しておくと、Waveは録音の処理中にその声を照合し、セッションを開く前に名前を適用する。この話者にはMatched（一致）バッジと、Very high match（非常に高い一致度）、High match（高い一致度）、Moderate match（中程度の一致度）のいずれかの精度表示が付く。
Automatic Voice Matching（自動音声マッチング）がオンになっていれば、新しい録音に対してこの照合は自動的に行われる。この機能はあえて慎重に設計されていて、話者には少なくとも10秒分の音声が必要であり、一致度が低い場合はWaveは名前を付けずに未特定のままにする。
セッション内で話者に名前を付ける
セッションを開き、アクション行のSpeakers（話者）をタップする。話者の横にある再生ボタンをタップして声を確認し、Enter name（名前を入力）欄に入力する——またはGuess Speaker NamesをタップしてWaveに候補を提案させる。Update summary with speaker names（話者名で要約を更新）をオンにすると、要約が実際の名前で書き換えられる。最後に保存する。
すでに特定済みの話者がいる場合、推測ボタンにはGuess 2 remaining（残り2人を推測）のように表示され、この数字はまだ汎用ラベルのままの話者数を示している。
声をVoice IDとして保存する
話者に名前を付けるのはそのセッション限りの対応。Voice IDを保存すれば、それ以降のすべてのセッションに反映される。
セッションにSave voice IDsバナーが表示される：「Name speakers and Wave will recognize them in future recordings.（話者に名前を付ければ、Waveは今後の録音でその声を認識します）」タップするとSpeakers画面が開く。
名前を保存すると、Save Voice IDs?（Voice IDを保存しますか？）シートが表示される。保存したい話者にチェックを入れ、自分自身にはThis is my voice（これは自分の声）を付けて、Save Voice IDsをタップする。すでに保存済みの人には「Already saved - will improve recognition（保存済み——再保存で認識精度が向上します）」と表示され、再保存するとプロファイルがさらに強化される。
Waveがプロファイルを作成するには、その人の話す音声が少なくとも10秒必要で、最もクリアな部分を最大30秒まで使用する。それより音声が少ない話者はスキップされる。
重複した話者を統合する
長時間の録音やノイズの多い録音では、同じ人が2つのラベルに分かれてしまうことがある。Merge（統合）を使うと、一方の話者の発言をもう一方にまとめられる：iPhoneとAndroidでは話者行の統合アイコンをタップ、WebではManage Speakers内の統合コントロールを使用、デスクトップでは文字起こしツールバーのMergeをクリックして2人の話者を選択する。
個別の発言だけを別の人に移動したい場合は、要約と文字起こしの編集を参照。
Voice IDを管理する
Settings → Voice ID（設定 → Voice ID）、Personalization（個人設定）内にある。各カードには名前、精度バッジ、サンプル数、プロファイルに含まれる音声量が表示され、自分のものにはMy Voice（自分の声）タグが付く。カードをタップすると名前を変更でき、左にスワイプすると削除できる。Automatic Voice Matchingで照合をオフにできる。
精度表示はプロファイルの学習度を示す：Building（構築中）は音声データが少なく認識が不安定な状態、Good（良好）はほとんどの環境で信頼できる状態、Strong（高精度）は部屋やマイクが変わっても安定して認識できる状態を意味する。プロファイルは自動的に向上していく——Waveが高い確信度で誰かを認識すると、その録音の音声がプロファイルに取り込まれ、直近の音声が重視されるように重み付けされる。
Voice IDはアカウントに紐づいており、すべての環境で同期される。つまりスマートフォンで保存した名前は、デスクトップでも認識される。
音声プロファイルは安全に保管され、録音内の話者を識別する目的にのみ使用される。いつでも削除できる。プロファイルには数値化された声の特徴データと短い音声クリップが含まれ、Play sampleで再生されるのはこのクリップ。
よくある質問
たいていは音声が十分でなかったことが原因——照合には、その録音内でその人の音声が少なくとも10秒必要になる。ノイズや複数人の同時発話も精度を下げる要因になる。あと2〜3回の録音でその人を保存し、セッションでMatch Voice IDs（またはRe-match Voice IDs）を実行して再試行してみて。
話者名を正しい名前に変更して保存すればOK。Waveはその修正を保持し、正しい音声でプロファイルが向上していく。
「Speaker 1」のような汎用ラベルのままの話者は保存できない——Web版ではRename firstと表示される。まず名前を付けてから登録すること。Buildingのままのプロファイルは、あと数回録音するだけで十分。
この記事は役に立ちましたか？
まだお困りですか？