音声認識・音声合成

→音声処理関連

→自然言語処理

→画像認識／検出／トラッキング

→画像生成

楽曲生成†

• Magenta 2023

• Suno AIで、音楽を自動生成する。 2023.12

• AIで作曲できるツールが想像以上にクオリティ高くて驚く→有名コピペに音を付けられる一方倫理的な問題も - Togetter 2023.12
  • Suno AI

文字起こし／STT／音声認識†

• Speech to text の基本的な使い方と実用例 2025.6

• awslabs/amazon-transcribe-streaming-sdk: The Amazon Transcribe Streaming SDK is an async Python SDK for converting audio into text via Amazon Transcribe. 2025.6
• AWSで音声解析　〜Kinesisに音声を流し込んだら、Transcribeがなんとかしてくれるらしい〜 #初心者 - Qiita 2025.2

• Appleの新しい文字起こしAPI「SpeechAnalyzer」がスピードテストでOpenAIのWhisperを圧倒 - GIGAZINE 2025.6

• Azure Speech Serviceとは？音声技術の重要性とAzureを用いたビジネスへの適用方法を解説 | クラウド導入・システム運用ならアールワークスへ 2025.6

• AIで「変な音」を検知してみた - NTT Communications Engineers' Blog 2025.5

• OpenAIのWhisperを利用した音声文字起こしアプリ「Whisper Transcription」がフリーユーザーにも全てのモデルを開放。 | AAPL Ch. 2025.2

• ほぼリアルタイム！？爆速で動作する日本語特化の文字起こしAI！『kotoba-whisper-v2.0』 #Python - Qiita 2024.11

• Windowsのショートカットキー「Win+H」でタイピングを不要にする【今日のワークハック】 | ライフハッカー・ジャパン 2024.9

• 「hello」と言うと、カラフルなパーティクルが画面の中央から噴出するゲーム。 #JavaScript - Qiita 2024.9

• 無料で自動文字起こし＆テキストで音声編集も可能な「audapolis」を使ってみた - GIGAZINE 2024.8

• [電話無人対応] Amazon Bedrock + Whisperで、名前のヒアリング精度を確認してみた[Amazon Connect] | DevelopersIO 2024.4

• 話した言葉を文字起こしするアプリの作成 #Python - Qiita 2024.3

• 【初心者向け】Pythonで簡単に音声認識精度をチェック！ | ジコログ 2024.2

• [Python] 日本語をローマ字に変換する｜こはた 2021

• ローマ字表記（ヘボン式・日本式・訓令式）の違いについて│旅する応用言語学 2023.7

• 自動文字起こしサービスである、OpenAIの「Whisper API」とAWSの「Amazon Transcribe」の精度を比較してみた | DevelopersIO 2023.10
  • Whisper APIとAmazon Transcribeを精度という点のみで比較すると、Whisper APIに軍配が上がります。
  • しかし、Whisper APIは音声からの適切な変換に優れている一方で、句読点の欠如など読みにくさも見受けられました。
  • それに対し、Amazon Transcribeでは句読点が挿入され読みやすくなっていますが、いくつかの音声内容が適切に文字起こしできていない箇所が存在します。

• 会議の文字起こしから議事録をまとめるLLMツールを作った 2024.10
• ChatGPT, Python, Whisper APIを活用し、動画ファイルから議事録を自動生成 - Qiita 2023.4

• Windowsで音声文字起こし　MyWhisper（マイウィスパー） - umiyuki - BOOTH 2023.4
  • umiyuki/MyWhisper: WindowsでWhisper文字起こしできるアプリ

• ChatGPTによる構造化データの音声入力インターフェースが賢すぎる - Qiita 2023.3

• PythonでSpeechRecognitionを使ってリアルタイム文字起こし【Windows】 #Python3 - Qiita 2022

• 音声文字起こし技術で業務効率化: Google Text to Speech と OpenAI Whisper の活用 - STORES Product Blog 2023.3

• 超高精度な国産音声認識AI「ReazonSpeech」が無償公開されたので文字起こし機能を使ってみた - GIGAZINE 2023.1

• アマゾンのAWSで音声の文字起こしサービスを無料で試してみた | Ledge.ai 2021.11
  • Amazon Transcribe

• アマゾンのAWSでテキストを解析してみた
  • Amazon Comprehendは、機械学習を使用してテキスト内のインサイトや関係性を検出できる自然言語処理（NLP）サービスです。キーフレーズ抽出、感情分析、実体認識、トピック形成、言語検出 API の利用ができ、アプリケーションへの統合もできます。

Whisper†

• 【脱キーボード】Open Super Whisperで極上の文字起こし体験を手に入れる方法 #whisper - Qiita 2025.4

• Pythonで音声認識モデルWhisperを使って文字起こし | gihyo.jp 2024.12

• AWS Lambda でOpenAI の Whisper API を 認識精度の改善も含めて試してみた | DevelopersIO 2023.10

• Azure OpenAI Whisperの対応コーデックについて(ogaで起こせたよ) - APC 技術ブログ 2023.9

• OpenAIのWhisperとChatGPTのAPIでGoogle Colab上で簡易なボイスボットを作る | 株式会社AI Shift 2023.3

• 議事録作成の手間を解消？音声ファイルをChatGPTとWhisperで自動要約 / 開発者向けブログ・イベント | GMO Developers 2023.4

• Whisperで文字起こしをした議事録の発話者の名前を自動的に判定する！ - Qiita 2023.4

• 議事録作成の手間を解消？音声ファイルをChatGPTとWhisperで自動要約 - GMOインターネットグループ グループ研究開発本部（次世代システム研究室） 2023.3

• OpenAIが公開したChatGPTとWhisperのAPIをUnityでサクッと触れるようにした - Synamon’s Engineer blog 2023.3

• 文字起こしAI「Whisper」を誰でも簡単に使えるようにした超高精度文字起こしアプリ「writeout.ai」使い方まとめ、オープンソースでローカルでも動作OK - GIGAZINE 2023.3
  • beyondcode/writeout.ai: Transcribe and translate your audio files - for free 2023.3

• OpenAIのWhisper APIの25MB制限に合うような調整を検討する | DevelopersIO 2023.3

• Whisperを使ったリアルタイム音声認識と字幕描画方法の紹介 | さくらのナレッジ 2023.2

• Whisper + GPT-3 で会議音声からの議事録書き出し&サマリ自動生成をやってみる！ - Qiita 2023.2

• GitHub - ggerganov/whisper.cpp: Port of OpenAI's Whisper model in C/C++ 2022.12

• PCで再生中の音声をWhisperでリアルタイムに文字起こしする - TadaoYamaokaの開発日記 2022.10

• 音声認識モデルwhisperの全モデル文字起こし比較 - 毎日がEveryday、日々 Day by Day 2022

• OpenAIリリースのWhisperをCPUだけで動かすために色々試した話 | DevelopersIO 10

• 【Whisper】Webアプリ（GUIデモ）のインストール | ジコログ 2022.10

• 音声認識モデル”Whisper”をストリーミング処理対応させる方法 | DevelopersIO 2022.10
• 文字起こしAIで誰でも無料でYoutubeの字幕ファイルを作る方法 - ニートの言葉 2022.10
• OpenAIの音声認識Whisperを使って好きな洋画やアニメから英語教材を自作する - Qiita 2022.10

• 高精度な文字起こしAIでYoutubeの字幕を作ってみた - ニートの言葉 2022.9

• 【Python】AI音声認識Whisperを使ったSRT字幕ファイルの自動作成 | ジコログ 2022.9

• 無料でOpenAIの「Whisper」を使って録音ファイルから音声認識で文字おこしする方法まとめ - GIGAZINE 2022.9

• OpenAIがリリースした高精度な音声認識モデル”Whisper”を使って、オンライン会議の音声を書き起こししてみた | DevelopersIO 2022.9

• ほぼ完璧な文字起こしができるAI音声認識Whisperのインストール | ジコログ 2022.9

• OpenAIの音声認識Whisperがすごいので，Youtube用に字幕生成してみた - Qiita 2022.9
• OpenAIの音声認識Whisperがすごいので，Google Colabで試してみた（Webアプリを作ってデモ編） - Qiita 2022.9
• OpenAIの音声認識Whisperがすごいので，Google Colabで試してみた - Qiita 2022.9

読み上げ／TTS／音声合成／音声言語処理／音声分離†

• 日本語TTS用の学習データの精度を上げる「ふりがなWhisper」を作った話 2025.6

• 完全無料で誰でも簡単に感情豊かな音声合成ができる「AivisSpeech」レビュー - GIGAZINE 2024.12

• わずか10秒の元音声でもリアルな「なりきりボイチェン」できる無料ソフト『Seed-VC』は過去最高レベルの再現度か（CloseBox） | テクノエッジ TechnoEdge 2024.10

• 3秒の音声があれば本人そっくりの声で日本語・英語・中国語合成できる「VALL-E X」はやはり脅威。MSが非公開にした技術のOSS版を試して実感した（CloseBox） | テクノエッジ TechnoEdge 2023.8

• Azure : Speech to Text と OpenAI で動画・音声からテキストを生成 - Qiita 2023.6

• 【AIボイスチェンジャー】確実にわかるRVCの使い方 | ジコログ 2023.4

• 無料で自由に使える簡単操作のボーカルリムーバー | ジコログ 2023.4

• 文章から音楽を生成するRiffusionのインストール | ジコログ 2022.12

• 【藤本健のDigital Audio Laboratory】AIでボーカル・ドラムを取り出す、無料音声分離「Demucs」を試す-AV Watch 2022.12

• AIが音楽に変える！「text2music」でツイートから音楽を作ってみよう - Qiita 2022.12
• img2musicで、画像から音楽を生成する 2022.10

• テキストから音楽を作成するMubert-Text-to-Musicのインストール | ジコログ 2022.10

• GitHub - MubertAI/Mubert-Text-to-Music: A simple notebook demonstrating prompt-based music generation via Mubert API 2022.10

• AudioGen: Textually Guided Audio Generation 2022.9

• 【Wav2LipによるAI動画編集】動画の人物を無理やりしゃべらせる | ジコログ 2022.9

• 【Pythonで音声合成（テキスト読み上げ）】gTTSのインストール | ジコログ 2022.9

• AIで音楽をボーカル・ドラム・ベース・その他に分離できる「Demucs」【レビュー】 - 窓の杜 2022.9

• 音声読み上げアプリ作成 PySimpleGUI, gTTS, Python | みやしんのプログラミングスキル通信 2022.8

• How To Transcribe Your Podcast with Python - DEV Community 2022.8

• Python の SpeechRecognizer を用いて音声認識（SpeechRecognizer，Python を使用）（Windows 上） 2022.8

• Creating Your Own Voice Assistant in Python - DEV Community 2022.7

• [M1] 音声認識ツール Voskを動かす [Node] | DevelopersIO 2022.7
• 日本語音声のマイク入力をオフラインでリアルタイム音声認識：「VOSK」を JavaScript（Node.js）で扱う - Qiita 2022.6

• ZOOMの日本語音声を無料で英語に翻訳した字幕をつける。 - Qiita 2022.5
  • AzureのSpeech translationの無料枠を使用

• VOICEPEAKの音声にほぼドンピシャの字幕ファイルを作成するPythonスクリプト - Qiita 2022.3

• 入力文字読み上げソフト『VOICEPEAK』を試してみた | DevelopersIO 2022.3

• 読み上げテキスト

• 青空ろーどく
  • 青空文庫の読み上げ

• http://www35.atwiki.jp/softalk/
  • Softalk テキスト読み上げソフト（ゆっくりしていってね！の声とも言われる）

• ボカロ(作るところから)はじめました 2014.4.20
• 青空文庫や六法のオーディオブックを無料で作る方法
• Microsoft Speech Platform の日本語音声合成エンジン

• Windows10,WSL2でESPNetのVITS学習レシピを実行する【音声合成】 - Qiita 2022.3
• パソコンにしゃべらせてみよう
• AquesTalk
  • Softalkなどで使われているテキスト読み上げ機能のライブラリ

Gemini Live API†

• Live API  |  Gemini API  |  Google AI for Developers 2025.6
• Developer API Geminiを使ってみる｜Live APIを使ってみる（その１）｜PON吉 2025.4

OpenAI Text-To-Speech†

• Google Colab で OpenAI API の Text-to-Speech を試す｜npaka 2023.11

• GPTのAPIとText2Speechを組み合わせてAIとの会話体験を実装してみる | DevelopersIO 2023.11

• OpenAI Text-to-Speech（TTS）API の使い方や料金について｜ChatGPT研究所 2023.11

• Google Colab で OpenAI API の Text-to-Speech を試す｜npaka 2023.11

Amazon Polly†

• Amazon PollyとAmazon Bedrockを使ってセルフAudibleやってみた | DevelopersIO 2025.6

• Amazon PollyのSSMLを利用し、住所を自然な日本語の発音になるようチューニングしてみた | DevelopersIO 2024.3

• ChatGPT + Amazon Polly + Android で AI 音声アシスタントを作り、一番おすすめのうどん屋を聞く - Intelligent Technology's Technical Blog 2023.5

• [初心者向け] Amazon Polly を使って ChatGPT を体感してみる | DevelopersIO 2023.3
• Amazon Polly に歌わせて VTuber デビューさせてみた - builders.flash☆ - 変化を求めるデベロッパーを応援するウェブマガジン | AWS 2023.1
• Amazon Pollyを使ってAIに音声を読み上げしてもらおう！ - M&Aクラウド開発者ブログ 2023.1
• AI音声のAmazon Pollyを使ってみた! | DevelopersIO 2022.9

最新の50件