コールセンターで、応対の録音を自動で文字に起こし、その文章から問合せの内容を 分類して集計する仕組みを作ることにした。録音を文字に起こす部分で用いるモデルはどれか。

正解：エ

1. ア自然言語処理モデル

   誤り。これは文章の意味を扱うモデルで、要約・分類・翻訳などに使います。 今回の仕組みでは、文字に起こしたあとで問合せ内容を分類する部分を担当します。 音声そのものを文字に変える役目は別のモデルです。

2. イ画像認識モデル

   誤り。これは画像や映像に何が写っているかを判別するモデルです。 紙の書類を撮影して文字を読み取る場面では活躍しますが、 扱う入力はあくまで画像であり、音声を受け取ることはできません。

3. ウ時系列予測モデル

   誤り。これは時間とともに変化する数値の並びから、先の値を見込むモデルです。 入電件数の推移から翌月の問合せ数を見積もるような使い方はできますが、 音声を文字に変える働きはありません。

4. エ音声処理モデル

   正解。音声を文字に変える音声認識と、文字から音声を作る音声合成をまとめて 音声処理といいます。録音の書き起こしは音声認識にあたり、 ディープラーニングの応用で精度が大きく伸びた領域です。