問題 No.1979
コールセンターのセキュリティ強化や本人確認業務の効率化を目的として、顧客から取得した音声データの特徴量を解析し、登録されている複数の人物の中から誰の声であるかを自動的に特定する技術として最も適切なものはどれか。
【正解の解説】
声紋などの音声特徴を用いて発話者を特定する話者識別技術
人間で例えるなら、警察が容疑者の「声の指紋」を頼りに、大勢の容疑者リストから犯人をズバリ当てるようなものです。一人ひとりの骨格や声帯の違いによる音の波形の特徴量を分析することで、名前を名乗らなくても「あ、これは〇〇さんだ！」とシステムが自動で判別できるようになります。
スポンサーリンク
【その他の選択肢の解説】
発話内容のテキスト化および自然言語処理による意図解釈を行う音声認識技術
これは「何を言っているか（言葉の内容）」を理解するための技術であり、本問の「誰が話しているか（話者の特定）」という目的とはアプローチが異なります。スマートフォンの音声入力や文字起こしツールで使われる機能であり、声の特徴を分析する話者識別とは混同しやすいので注意しましょう。
音声信号から周囲の環境雑音や背景音のみを選択的に除去するノイズキャンセリング技術
これはカフェのざわめきや電車の走行音といった「不要な騒音」を消去するためのものであり、話者の個人を特定する機能ではありません。イヤホンやマイクの集音精度を高めるための前処理としては重要ですが、声の主をデータベースから探す目的には使えないため不正解となります。
あらかじめ登録された特定の発話フレーズの一致状況を照合する話者検証技術
一見すると似ていますが、「1対Nの比較で誰かを当てる（識別）」のではなく「1対1の比較で本人か確認する（検証）」という決定的な違いがあります。パスワードのように「合っているか・間違っているか」を確認するのが検証、アルバムから犯人を探すのが識別であり、コールセンターの複数人からの特定には話者識別が適切です。