概要
実務では長時間・雑音・専門用語といった難所が頻発します。前処理とオプション調整で認識率を底上げしましょう。
精度を底上げする手順
- ffmpeg でノイズ除去や音量正規化を前処理
- 2時間超は ffmpeg で30分ごとに分割
- 専門用語は
--initial_prompt "用語: API, Supabase"で事前提示 - 誤認識しやすい語は辞書を作り一括置換
実務のコツ
- initial_prompt に話題・固有名詞を書くと一気に改善
- サンプリングレートは16kHz以上を確保する
- BGM が大きい音声はボーカル抽出後に処理する