定義
コードスイッチング音声認識とは、1つの発話の中で日本語と英語のように複数言語が入り混じる音声を、言語を切り替えずに単一モデルでそのまま高精度にテキスト化する音声認識技術のこと。
コードスイッチング音声認識 (Code-switching ASR)とは（詳しく解説）
コードスイッチング音声認識(Code-switching ASR)とは、文中で言語が切り替わる発話を、言語ごとに分割せず単一のASRモデルで認識する技術のこと。一般的なASRは認識言語を1つに固定する設計が多く、母語と外来語・専門用語が混ざる発話で誤認識や欠落が起きやすいとされる。この課題に対し、多言語コーパスで学習したモデルや発話内の言語IDを内部推定するマルチリンガルASRの採用が広く進んでいる。2026年時点の実運用では、技術ミーティングやカスタマーサポート、インバウンド接客など日本語に英単語・専門用語が頻出する現場でこの技術への需要が高い。落とし穴は、単一言語モデルより処理コストが高くなりやすい点、検出精度が話者のアクセントやドメインに左右されやすい点、カタカナ外来語と英語発話の区別が難しい点。相場感としては、主要クラウドASR APIの多くがコードスイッチング対応を標準機能として組み込む方向にあり、追加コストなしで使える場合も増えているとされる。現場での選び方は、自社の言語混在パターンを洗い出し、その言語ペアでの実績があるモデルを優先するのが定石とされる。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「コードスイッチング音声認識 (Code-switching ASR)とは」 https://aipicks.jp/glossary/code-switching-asr
コードスイッチング音声認識 (Code-switching ASR)の使用例
- 海外拠点との定例会議をリアルタイム文字起こしすると、日本語と英語が混在する発言でもコードスイッチング対応ASRなら精度が落ちにくい。
- インバウンド接客の録音を分析する際、コードスイッチング非対応のASRだと英単語部分だけ欠落しやすい。
