音声認識

音声認識のプロセス:
1. 音声入力
   └── マイクで音声を取得
   ↓
2. 前処理
   └── ノイズ除去、正規化
   ↓
3. 特徴抽出
   └── 音響特徴量（MFCC等）
   ↓
4. 音響モデル
   └── 音素・単語の認識
   ↓
5. 言語モデル
   └── 文脈に基づく補正
   ↓
6. テキスト出力

Whisperのポイント:
├── 多言語対応（99言語）
├── オープンソース
├── ローカル実行可能
├── 高いノイズ耐性
└── 句読点・フォーマット自動

精度向上のアプローチ:
├── ハードウェア
│   └── 高品質マイク使用
├── 環境整備
│   └── 静かな環境確保
├── カスタマイズ
│   └── 専門用語辞書登録
└── 後処理
    └── 誤認識の修正ルール

# Whisper APIの例
import openai

audio_file = open("audio.mp3", "rb")
transcript = openai.audio.transcriptions.create(
    model="whisper-1",
    file=audio_file,
    language="ja"
)
print(transcript.text)