音声認識・音声合成とOCRとは？おんせいにんしき・おんせいごうせいとおーしーあーる
音声認識は話し声をテキストへ、音声合成はテキストを音声へ変換する技術。OCR（光学文字認識）は画像に写った文字を認識してテキストデータに変換する。いずれも人が扱う形式と機械が処理できる形式の間を橋渡しする技術で、認識精度が100%でないことを前提に運用を組む必要がある。
最終更新：2026-10-06
応用情報を最短で暗記・合格する →背景
紙の帳票や口頭のやり取りは、人にとっては自然でも、そのままでは検索も集計もできない。機械が扱える形にするには従来は人が転記するしかなく、その工数と転記誤りが情報化の入口を塞いでいた。認識系の技術は、この入力工程そのものを機械へ移すために発達したもので、精度が上がるほど後段の確認工程を薄くできるという形で価値が出る。
具体例
スマートスピーカーは話しかけを音声認識でテキスト化して指示を解釈し、応答を音声合成で読み上げる。紙の請求書をスキャナで取り込みOCRにかければ金額や取引先を項目として抽出でき、単にPDF化しただけでは得られない検索や自動仕訳につなげられる。
試験での引っ掛け
変換の向きを逆にしない。声から文字が音声認識、文字から声が音声合成である。OCRは画像をテキストへ変換する技術であって、紙を画像として取り込むだけのスキャン（イメージ化）とは別。手書き文字を対象とするものはICRなどと区別され、活字より認識率が下がる点も押さえる。
関連用語
出典・参考
公式シラバスの3 技術要素 ＞ 1. ユーザーインタフェース技術 ＞ (2) ユーザーインタフェース（UI）に掲載されている用語です。
解説は資格暗記が独自に作成しています。過去問の出典は各問題に記載のとおりです。