テキスト正規化 (Text Normalization)
読み: てきすとせいきか
最終更新: 2026-07-26・AI PICKS編集部
定義
テキスト正規化とは、数字・日付・略語・記号などをTTS/ASRが読み上げやすい表記に統一的に変換する前処理のこと。
テキスト正規化 (Text Normalization)とは — 詳しく解説
テキスト正規化は音声合成TTSや音声認識ASRの前処理として、業界では数字・日付・略語・記号などの表記ゆれをTTSやASRが読み上げやすい形に統一的に変換する処理を指すとされる。2026年時点の実運用では、固有名詞・専門用語・多言語が混在するテキストで誤読が発生しやすく、特に固有名詞の多いBtoB業界や医療・金融分野では、汎用辞書だけでは対応しきれず追加のチューニングが必要になることが多いとされる。現場では業界ごとに読み辞書をチューニングし続ける運用コストがかかる点が落とし穴とされる。ツール選びでは精度だけでなく辞書のカスタマイズ性やAPI利用の相場感、既存の音声パイプラインとの統合しやすさを比較する視点が重要とされる。
テキスト正規化 (Text Normalization)の使用例
- 「2026/07/27」を「にせんにじゅうろくねんしちがつにじゅうななにち」に変換するのがテキスト正規化の一例。
- 「Dr.」「¥1,000」のような略語・記号を読み上げ可能な形に展開する処理も含まれる。
テキスト正規化 (Text Normalization)に関連するAIツール
関連用語
「音声・音楽」の他の用語
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。
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。
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）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（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。
AI用語辞典をすべて見てみませんか
12カテゴリ・1013語以上を体系的に整理しています
辞典トップへ