ガイドNEW
AI用語辞典音声・音楽
逆テキスト正規化 (ITN)
読み: ぎゃくてきすとせいきか
最終更新: 2026-08-31・AI PICKS編集部
定義
逆テキスト正規化(ITN)とは、音声認識(ASR)が出力した「にせんにじゅうろくねん」のような話し言葉表記を「2026年」のような書き言葉表記に変換する後処理のこと。
逆テキスト正規化 (ITN)とは — 詳しく解説
逆テキスト正規化(ITN)は、音声認識(ASR)が生成する話し言葉ベースの出力(数字や日付、単位を仮名や口語表現のまま出力する形式)を、人間が読みやすい書き言葉の表記(算用数字、日付形式、通貨記号など)に変換する後処理工程を指す。テキスト読み上げ(TTS)側で使われる「テキスト正規化」の逆方向にあたるため、この名称で呼ばれる。ルールベース(正規表現・辞書)と、文脈依存の曖昧さに対応できるニューラルITNの2方式が広く採用されているとされる。実運用では、日本語のように数字の読みと表記の対応が多様な言語ほど誤変換が起きやすく、議事録や字幕生成の現場では固有名詞・専門用語・複数単位が混在する文でITNの精度低下が課題になりやすい。ASR APIの多くはITNを標準搭載するが、業界・専門用語に強いカスタム辞書を組み込むにはコスト増や追加のチューニング工数がかかる点も選定時に考慮される。
逆テキスト正規化 (ITN)の使用例
- ASR生の出力「にせんにじゅうろくねんきゅうがつついたち」→ITN適用後「2026年9月1日」に変換される。
- 字幕生成パイプラインでITNを無効化すると、金額が「せんにひゃくえん」のまま出力され読みにくくなる。
逆テキスト正規化 (ITN)に関連するAIツール
逆テキスト正規化 (ITN)の関連記事
関連用語
「音声・音楽」の他の用語
Suno
AI 音楽生成サービス。 歌詞 + ジャンル指定で 完成楽曲を 1 分で生成。
Whisper
OpenAI のオープンソース音声認識モデル。 99 言語対応、 日本語精度も高い。
ElevenLabs
AI 音声生成のトップサービス。 自分の声をクローンして 多言語ナレーションに使える。
TTS (音声合成)
TTS（音声合成）とは、テキストデータを人間らしい音声に変換するAI技術のこと。ナレーション・コールセンター・音声UIなど幅広い用途で使われ、2026年現在は人間と聞き分けにくい品質が標準となっている。
ASR (音声認識)
ASR（Automatic Speech Recognition・自動音声認識）とは、人間の音声をテキストへ自動変換する技術のこと。深層学習モデルの普及で精度が飛躍的に向上し、文字起こし・音声コマンド・翻訳など幅広い用途で使われる。
ボイスクローン (Voice Cloning)
ボイスクローンとは、数秒〜数分の音声サンプルから特定人物の声質・話し方・抑揚を高精度に再現するAI音声合成技術のこと。
用語がわかったら、次はツール選び
12カテゴリ・1568語以上を体系的に整理しています