電話録音データを加工し、音声認識APIにより文字化します。 一般に電話音声は 音質が限られており、顧客側のノイズなどの環境もコントロールが不可能なため、音声認識には適していません。そのため、ノイズの削減、音声区間検出、話者分離といった処理を行い、クリーンな音声に基づく精度の高い音声認識を実現しています。 また、単語出現予測を行うディープラーニングモデルを学習、モデルの予測と文字起こし結果と比較し、修正することで、業務に最適化した自然文を生成しています。