2026年3月– date –

最新のAA-WER音声認識ベンチマークにおいて、ElevenLabsのScribe v2が2.3%という誤り率で堂々のトップを飾りました。GoogleのGemini 3 Proも2.9%という素晴らしい成績を収め、他の競合と比較しても高い精度を示しています。この記事では、音声認識技術の最新状況やその影響について詳しく解説します。

最新の大規模言語モデル、特にGPT-5以降は、複数の会話ターンにわたるタスクで精度が低下することが分かりました。特に情報を分散させた場合、パフォーマンスが大きく影響を受けることが研究から明らかになりました。