音声認識とは？おんせいにんしき
音声認識とは、人が話した声をコンピュータが聞き取り、文字（テキスト）や命令に変える技術。声の波形から音の特徴を取り出し（特徴抽出）、どの音・どの単語に当たるかを推定して文に組み立てる。現在はディープラーニング（多層のニューラルネットワークで特徴そのものを学ばせる手法）によって精度が大きく上がった。声で操作する仕組みをVUI（Voice User Interface：音声によるユーザーインタフェース）といい、その入口になる技術である。
最終更新：2026-10-10
この語が出る過去問を解く →背景
キーボードや画面の操作は、手がふさがっているとき、運転中、目や手の不自由な人には使いにくい。話すだけで入力できれば、操作の手段が広がり、アクセシビリティ（誰でも使えること）も高まる。ただ、声は人によって高さも話し方も違い、周りの雑音も混ざるため、人が規則を書き下す方式では精度が上がらなかった。大量の音声データから学ばせる方式に変わって、実用の水準に届いた。
具体例
AppleのSiri、AmazonのAlexa（Echoなどのスマートスピーカー）、Googleの音声入力は、話しかけた声を文字に変えてから、意味を解釈して応答する。最初の「声を文字にする」部分が音声認識で、文字の意味を解釈するのは自然言語処理、返事を声にして読み上げるのは音声合成という別の技術である。YouTubeの自動字幕も音声認識で作られている。
試験での引っ掛け
向きが逆の音声合成（文字から声を作る）との取り違えが狙われる。また、「何を話したか」を取り出す音声認識と、「誰が話したか」を見分ける話者認識（声紋による生体認証）は別物。紙に書かれた文字を画像から読み取るのはOCR（光学文字認識）で、音声認識ではない。ディープラーニングは人が判断ルールを書くエキスパートシステムとは違い、データから特徴を自動で学ぶ点も問われる。
関連用語
出た過去問
出典：平成30年度 春期 基本情報技術者試験 午前 問3（IPA）解説で登場
AIにおけるディープラーニングの特徴はどれか。
正解：人間の脳神経回路を模倣して、認識などの知能を実現する方法であり、ニューラルネットワークを用いて、人間と同じような認識ができるようにするものである。
要点：ディープラーニングは多層ニューラルネットで特徴を自動学習する
ディープラーニングは、人間の脳の神経回路をまねたニューラルネットワークを多層に重ね、大量のデータから特徴そのものを自動的に学習させる手法である。人が判断ルールを書き下すのではなく、層を深くすることで画像認識や音声認識といった認識処理を高い精度で行える点が特徴となる。ルールベースの推論やエキスパートシステムとは、知識の獲得方法が根本的に異なる。
出典・参考
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。