動画の「あー」「えーと」を自動削除 「Premiere Pro」新機能はどれほど使えるか、実際に検証してみた：小寺信良の「プロフェッショナル×DX」（1/3 ページ）

[小寺信良，ITmedia]

　10月10日、米国ロサンゼルスにて「Adobe MAX 2023」が開催された。今年は同社のさまざまなツールやサービスに同社のAI「Firefly」が実装され、クリエイティブツールとAIの関係をより強化させていく方向性が示された。

「Adobe MAX 2023」では、生成AI「Firefly」のプロダクト実装を強化する方針が示された

　動画編集ツールとして世界中で多くのユーザーを抱えるPremiere Proでは、2023年4月からβ版でテストしてきたAIによる文字起こしデータを使って動画を編集するという機能を、5月の正式版で実装した。競合他社も同様の機能を搭載しており、テキストベースでの動画編集の道筋が見えてきたところだ。

　加えてAdobeでは、9月に「フィラー音声の検出機能」を実装したβ版（24.1β）を公開した。現在の公式版では、しゃべり途中のポーズ時間、すなわち「間（ま）」を自動検出する機能を実装している。それに加え「えー」とか「あー」といった、間を持たせるための発音「フィラーワード」を検出する。このフィラーワードは日本語に限ったことではなく、どの言語話者にもみられる共通の現象である。

　検出できるということは、そこだけ削除できるという事である。フィラーワードは言葉のしゃべり出しで発声されることが多く、ポーズ（間）の検出と組み合わせて検出するという方法が考えられる。だがそれ以外にも、文章としての切れ目にも登場することがある。ここの検出は、AIが文脈をある程度理解し、そこに関係ない発声のうち、日本語であれば「あいうえお」の長音や、「あのー」「えーと」といった言葉のみを検出するという事になる。

　実際どのように動くのか、またその先にある課題はなんなのか、検証してみた。