フランス語の音声テキスト変換（無料）

フランス語は5大陸29か国で公用語とされています。国際フランコフォニー機構（OIF）の2022年報告では話者数は3億2,100万人、うち約8,100万人が第一言語として話しており、その61.8%はヨーロッパではなくアフリカに住んでいます。つまりフランス語の録音は、パリの報道現場、モントリオールのコールセンター、ブリュッセルの委員会室、ダカールのラジオスタジオから等しく届き、そのどれ一つとして同じ響きではありません。

フランス語は音声認識エンジンに、きわめて独特な問題を突きつけます。語と語の切れ目が耳では聞き取れないのです。リエゾンによって、本来発音されない語末の子音が次の母音に引き寄せられて結びつくため、「c'est tout vert」と「c'est ouvert」はまったく同じ音の連なりになり、「les os」と「les eaux」も区別がつきません。逆にリエゾンが起きない場合 — 有音のhの前 — では効果が反転します。「les héros」が連結しないのは、まさに「les zéros」になってしまわないためです。しかも語末の子音は多くの場合そもそも発音されません。petit、grand、parlezはいずれも、どんなマイクにも決して拾えない文字で終わっています。

そのためフランス語の綴りは、耳で聞き取るものではなく文法で決めるものになります。動詞語尾の-er、-é、-ezはすべて同じ一つの音なので、parler、parlé、parlezは前後関係から見分けるほかありません。複数形語尾の-entは無音であり、il parleとils parlentは音響的に完全に同一です。下のサンプルでは、モーパッサンが「qui les enveloppe」と書いた箇所を文字起こしは「qui les enveloppent」としています。どちらが正しいかを決めるのは、4語前にある主語だけです。アクセント記号もまた、耳では補えない意味を担います。aとà、ouとoù、surとsûrは書き言葉の上でしか違いがなく、セディーユがあるからこそfrançaisやgarçonが硬いcで読まれずに済みます。同じ文字起こしは、原文がses voixとしている箇所をses voiesと書いています。完全な同音異義語であり、文脈でしか解決できません。

数詞がもう一つの層を加えます。60を超えるとフランス語は20進法で数えるからです。soixante-quinzeは文字どおり「60と15」、quatre-vingt-dixは「20が4つと10」です。ベルギーやスイスの話者はその代わりにseptante、nonanteと言うため、同じ数がまったく異なる語として届くことがあります。音声や動画をアップロードすれば、エンジンが話されたフランス語を、アクセント記号もエリジオンも句読点も整った、きれいで検索可能なテキストとして書き出します。ブラウザだけで動作し、インストール不要、最初の数分間はアカウントなしで無料で使えます。

実際の人間の朗読を録音した45秒の音声を、皆さんがご自分のファイルを処理するのとまったく同じようにAIエンジンにかけた結果です。あとから手直しは一切していません。再生しながら読んでみてください。

注目したいのは、エリジオンとアポストロフィがすべて正しく決まっている点です。s'en vont、l'existence、n'est、qu'un、l'imperceptible。アクセント記号も全種類そろっています。sédentairesやétrangesのé、mystèreのè、bêtesのê、traînentのîまで。文語的な倒置疑問Sont-ceはくっつけずにハイフンで二語として書かれ、joncsは発音されない語末の2文字を保っています。この一節はモーパッサンであり、一語一語がモーパッサンのままです。

面白いのはむしろ誤りのほうで、4つすべてがフランス語特有のものです。エンジンは原文のses voixをses voiesと書きました。文でしか決着のつかない完全な同音異義語です。qui les enveloppeをqui les enveloppentとしたのは、複数形の-entが無音だからです。robes de mortesをrobes de morteとしたのも、聞こえない複数のsによるものです。そしてfeux folletsをfeufolletsとつなげてしまいました。加えて、フランス語の組版で疑問符の前に入れる空白も省かれています。これは丁寧にはっきりと読み上げられた音声で、講義や口述メモに近い条件です。三人が同時に話す騒がしいカフェでのインタビューが、ここまできれいに仕上がることはありません。どんな自動システムでも同じです。結果を左右する最大の要因は、やはり録音の品質です。

標準的な本土フランス語は放送・ビジネス・学術の録音で最も使われる形であり、ConvertSpeechはこれに最適化されています。どの地域でも味方になる事実が一つあります。フランス、ベルギー、スイス、ケベック、フランス語圏アフリカはすべて同一の書記標準を共有しているため、地域なまりがあっても出力されるのは通常の書きことばのフランス語であり、なまりを音写したものにはなりません。

ケベック・フランス語は音の面で最も隔たりの大きい変種です。最も分かりやすい特徴は破擦音化で、母音iとuの前でtとdがtsとdzになります。tuはおおよそ「ツュ」、direは「ジール」に近い響きになります。閉音節では狭母音がゆるみ、長母音は二重母音化する傾向があり、それらが相まって一聴して分かるアクセントを作ります。語彙も異なります。車はchar、買い物はmagasiner、電子メールはcourriel、食事の呼び方も、déjeunerが朝食、dînerが昼食、souperが夕食です。はっきり話されたケベック・フランス語はよく文字起こしできますが、崩れた早口のジュアル（joual）はどんな自動システムにも難しく、校正の一手間をかける価値があります。カナダの録音であれば、その変種を直接扱うカナダ・フランス語のページもご利用ください。

ベルギーとスイスのフランス語は本土標準にずっと近く、実務上いちばん効いてくる違いは語彙です。どちらも70をsoixante-dixではなくseptante、90をquatre-vingt-dixではなくnonanteと言います。スイスはさらに進んでいて、ヴォー州・フリブール州・ヴァレー州では80がhuitanteです。ただしジュネーヴ、ヌーシャテル、ジュラではquatre-vingtsのままなので、同じ国が真っ二つに分かれています。数詞以外では、ベルギーで携帯電話を指すGSM、土砂降りのdrache、学生部屋のkot、スイスでは電話のnatel、レジ袋のcornet、フランスならje vous en prieと言う場面でのservice!などが出てきます。校正の際にはこうした地域語を重点的に見るとよいでしょう。

アフリカのフランス語は、いまや話者数で最大のシェアを占めています。OIFの2022年の集計では、世界のフランコフォンの61.8%がアフリカにいます。セネガル、コートジボワール、カメルーン、コンゴのフランス語はそれぞれ固有のリズムと借用語を持ち、ウォロフ語、リンガラ語、バンバラ語などから語彙を取り込んでいます。コートジボワールのヌーシー（nouchi）のような都市部の話し方では、一文ごとにフランス語と現地語が混じります。フォーマルな場や放送のアフリカ・フランス語は安定して文字起こしできます。最も難しいのは、文の途中でフランス語と現地語を頻繁に切り替えるコードスイッチングです。そもそも音声の一部しかフランス語ではないからです。