本文へスキップ

Seed-ASR

LLM による音声認識モデル

公式サイトを見る
カテゴリ AI音声認識

Seed-ASR とは

本モデルは ByteDance が開発した大規模言語モデルにもとづく音声認識モデルと紹介され、連続する音声表現と文脈情報を LLM に入力する。資料は大規模な学習と文脈の把握により、複数の分野・なまり・方言・言語にわたる評価で成果が上がったと説明する。

できること

  • 連続する音声表現と文脈を組み合わせて認識する
  • 会話の履歴やエージェント名・説明で精度を高める
  • 中国語・英語と呉語・広東語・四川語などを認識する
  • 字幕の修正を手がかりに後の動画での同じ誤りを避ける

活用場面

  • 企業が会議の録音をリアルタイムで文字起こしする
  • 投稿者が動画やポッドキャストの音声を文章に変える
  • 教育の場が授業の録音を文字起こしし復習に役立てる

導入の手順

  • 公式サイトを開くか関係するアプリを入手する
  • 登録してログインし合うサービス区分を選ぶ
  • 音声ファイルをアップするかその場で認識を行う
  • 言語や方言などの認識の設定を決める

長所と短所

✓ 良い点

  • 字幕への利用者の修正を手がかりに後の動画で同じ誤りを避ける
  • 商業・教育・娯楽など複数の分野で認識を行う
  • 中国語・英語と複数の中国の方言に対応

! 注意したい点

  • 認識は大規模言語モデルと文脈の入力を中核にする
  • 言語と方言は認識の設定項目として選ぶ

よくある質問

開発したのは誰?

資料は ByteDance による開発で LLM を基盤にすると説明。

公開試験ではどんな結果?

資料は中国語と英語の公開試験用データで単語誤り率の 10%-40% 低減を挙げる。

どんな方言が挙がる?

呉語・広東語・四川語などが中国の方言として挙がる。

最終評価日: 2026-11-15

その他 AIオーディオツール ツール

すべて見る →

評価方法