Premove ITN

概要

• 音声認識結果に含まれる曖昧で不整然とした表現を、APIで利用しやすい電話番号・日時・金額などの構造化データへ変換します。
• 「2時30分に会う」と「部屋番号230」のように、同じ発話でも文脈で解釈が変わる表現を適切に正規化します。

特徴

• 決定論的な候補生成、文脈対応ニューラルモデルによる評価、互換性を考慮した厳密なデコードを組み合わせて高精度化しています。
• オープンソースのコードとモデル重みを提供し、Pythonパッケージとしてリアルタイム推論に利用できます。
• 合成ベンチマークで全体89.7%、音声エージェント向けデータセットで99.5%の意味的正解率を達成しています。

こんな人におすすめ

• 音声エージェントや音声ボットを開発し、ASR出力から日時・数値・識別子などを安定して抽出したいチームに適しています。
• ルールベース処理だけでは解決しにくい、文脈によって解釈が変わる数値表現の正規化に取り組む開発者に向いています。