生成AIによる「声のニュアンス」を反映した記述式字幕（SDH）の自動生成

生成AIによる「声のニュアンス」を反映した記述式字幕（SDH）の自動生成とは

生成AIによる「声のニュアンス」を反映した記述式字幕（SDH）の自動生成とは、人工知能、特に生成AI技術を活用し、話し手の感情、声のトーン、非言語的な情報（笑い声、ため息、声の大きさなど）を高度に分析し、その情報を記述式字幕（SDH：Subtitles for the Deaf or Hard of Hearing）として自動的に生成する技術です。従来の音声認識AIによる字幕生成が主にセリフの文字起こしに焦点を当てていたのに対し、この技術は音声データから感情や状況を読み取り、それをテキストで表現することで、聴覚に障がいを持つ方々や音声を聴けない環境の視聴者に対し、コンテンツの包括的な理解と感情移入を深めることを目指します。親トピックである「字幕自動生成」が文字起こしの精度を追求する中で、本技術はその先の「表現力」と「情報伝達の質」を高める進化形として位置づけられます。これにより、アクセシビリティの向上と同時に、コンテンツ制作の効率化にも寄与します。

このキーワードが属するテーマ