AI

エーアイ

公開：2024-12-06

GoogleがAndroid向け感情表現対応字幕機能Expressive Captionsを米国で提供開始、動画視聴体験の向上に貢献

text: XEXEQ編集部
（記事は執筆時の情報に基づいており、現在では異なる場合があります）

記事の要約

• Googleが字幕表現強化機能Expressive Captionsを提供開始
• 音声の抑揚やボリュームを字幕に反映する機能を実装
• 環境音も含めた包括的な字幕生成が可能に

Googleの新機能Expressive Captionsが動画視聴体験を向上

Googleは米国時間12月5日、動画やライブ配信の字幕表現を強化する新機能「Expressive Captions」をAndroid向けに米国で提供開始した。LiveCaptionの機能を拡張したExpressive Captionsは、話者の声の大きさや感情表現、環境音などを字幕に反映することで、より豊かなコミュニケーション体験を実現している。^[1]

Expressive Captionsは音声の強弱を大文字で表現し、話者の感情や声色の変化を字幕に反映することで、視聴者は会話のニュアンスをより正確に理解できるようになった。また、ため息やうなり声などの非言語音や、拍手や歓声といった周囲の音も字幕として表示されることで、場の雰囲気まで伝わるようになっている。

この機能はAndroid 14以降を搭載したデバイスのLiveCaptionに組み込まれており、ソーシャルプラットフォームのライブ配信やGoogle Photosの思い出、友人や家族からのビデオメッセージなど、幅広いコンテンツで利用可能だ。オンデバイスでリアルタイムに処理を行うため、オフライン環境でも動作する仕様となっている。

Expressive Captionsの主な機能まとめ

LiveCaptionについて

LiveCaptionとは、Androidデバイス上で動画やライブ配信の音声を自動的にテキスト化する機能のことを指す。主な特徴として、以下のような点が挙げられる。

• オンデバイスでのリアルタイム字幕生成
• オフライン環境での動作に対応
• 複数のアプリケーションでの利用が可能

LiveCaptionは1970年代から広く普及している従来の字幕システムを進化させた機能として注目を集めている。特にGen Z世代の70%が字幕を活用しており、地下鉄や騒がしい公共の場での動画視聴、内容の正確な理解のために字幕を使用するケースが増加している状況だ。

Expressive Captionsに関する考察

Expressive Captionsによって字幕に感情表現が加わることは、聴覚障害者のコミュニケーション体験を大きく向上させる可能性を秘めている。特に従来の字幕では伝えることが難しかった声のトーンや感情的なニュアンスを表現できるようになったことで、より豊かなコンテンツ体験が実現できるだろう。

今後の課題として、複数の話者が同時に発話する場面での感情表現の正確な反映や、文化的な文脈に応じた適切な表現方法の選択が挙げられる。AIモデルの継続的な改善によって、より自然で文脈に即した感情表現の実現が期待されるが、プライバシーへの配慮も重要になってくるだろう。

将来的には、多言語対応や感情表現の細かなカスタマイズ機能の追加が望まれる。特に教育現場やビジネスシーンでの活用を考えると、場面に応じた適切な表現レベルの調整機能が重要になってくるはずだ。

参考サイト

1. ^ The Keyword Google. 「Android’s Expressive Captions uses AI to bring emotion to captions」. https://blog.google/products/android/google-android-expressive-captions/, (参照 24-12-06).
2. Google. https://blog.google/intl/ja-jp/

※上記コンテンツはAIで確認しておりますが、間違い等ある場合はコメントよりご連絡いただけますと幸いです。

「AI」に関するコラム一覧「AI」に関するニュース一覧