Generatived（Beta）｜生成AIの最新ニュースとトレンドを提供

NVIDIA（米カリフォルニア州サンタクララ）は、医療分野向け音声認識システムの精度向上を目的とした、合成音声データ生成と評価のワークフローを紹介した。臨床用語の認識精度改善に向けた手法として位置付けている。

同社によると、薬剤名や手術名など一般会話では使用頻度の低い専門用語は、従来の音声AIモデルにとって認識や発音が難しい課題となっているという。NeMo Data DesignerやNemotron Speechを活用し、発音情報を考慮した合成音声データの生成を可能にするとしている。

また、AI agent skillsを用いることで、医療分野ごとの用語リスト作成から発音確認、音声生成、認識評価までの工程を一貫して支援する仕組みを構築した。整形外科領域を例に、薬剤名や手術名を対象とした評価プロセスを示した。

さらに、合成データを用いた評価は実患者データの代替ではないものの、希少用語の検証や継続的なモデル改善に有効と説明した。今後は実環境の音声や雑音条件を加えた評価拡張も検討しているという。