Kensho

Kensho Scribeは、S&P Globalが2018年に買収したAI部門Kenshoが手がける業務音声の文字起こしサービスだ。学習データは数十万時間分のビジネス・金融音声で、すべてS&P Global自社の文字起こしチームがアノテーションした。ここが他社との分かれ目になる。決算説明会には銘柄コード、通貨建ての数値、役員の名前が必ず出てくる。一般的な音声認識サービスは、この種の語で取り違えを起こしやすい。

返ってくるのは単なる単語の羅列ではない。Scribeは句読点を打ち、発言者の交代を保ち、フィラーや言い直しを削る。そのまま読み流せる文書になる。アナリストなら数分で目を通せる。大きく手を入れる作業は要らない。

契約前に押さえる点は2つある。対象は英語の業務音声が中心なので、別の言語で組むチームは対応範囲を先に確かめたい。そしてアカウントはKensho側が発行する方式で、クレジットカードでの即時契約はできない。料金は営業チームとの相談になる。

Getting Started

1. Scribeのサイトから利用を申し込み、使い方を決める。単発のファイルならWeb画面、量や自動化ならAPIが向く。
2. アクセストークンを取得する。Kenshoのドキュメントに、バッチとリアルタイムのエンドポイント向けの認証とトークン生成がまとまっている。
3. 音声を送る。バッチAPIではファイルを直接送るか、認証ヘッダーなしで取得できるURLを渡す。
4. 出力形式を選ぶ。タイムスタンプと話者ラベルが要るならJSON、編集者に渡すならWordを指定する。
5. 結果を受け取る。ジョブIDを200が返るまで問い合わせるか、コールバックURLを設定して完了通知を受ける。