イタリア語の音声テキスト変換（無料）

イタリア語の母語話者は約6,500万人です。イタリアとサンマリノの公用語、バチカン市国の実務言語であり、スイスの4つの国語のひとつでもあります。スイスでは人口の約8%が主要言語としてイタリア語を挙げています。さらにイストリア半島やスロベニア沿岸部では少数言語として認められています。標準語としては新しい言語でもあります。1861年のイタリア統一当時、日常生活でイタリア語を使っていたのはごく一部の人々にすぎず、大多数は各地のロマンス語を話していました。イタリア語は学校教育を通じて、続いてラジオとテレビを通じて広まりました。だからこそ、イタリア語の録音にはほぼ例外なく、標準語の下に地域的な層が横たわっているのです。

イタリア語が文字起こしに最初に要求するのは、子音の長さです。二重子音は飾りではなく、語そのものを変えます。casaは家、cassaは木箱。nonoは9番目、nonnoは祖父。caroは親愛なる、carroは荷車。seteは渇き、setteは7。papaは教皇、papàは父親、pappaは離乳食です。耳に与えられる違いは、その子音をどれだけ長く保つかだけ。ですからイタリア語を聞くシステムは、持続時間を測り、それを綴りとして確定させなければなりません。本当に厄介なのは、同じ長音化が語と語のあいだでも起きることです。イタリア中部・南部では「a casa」はcを長く伸ばして[akˈkaːsa]と発音されますが、綴りはあくまでc一つのままです。音は二重になり、綴りは二重にしてはならない。これが統語的重複（raddoppiamento fonosintattico）です。

そして文字の上と文字のあいだにある記号があります。グレーヴ・アクセントの有無がそのまま意味の違いになることは少なくありません。èは「〜である」、eは「そして」。dàは「与える」、daは「〜から」。sìは「はい」、siは再帰代名詞。néは「〜でもない」、neは小詞です。現代イタリア語ではperché、poiché、néをグレーヴではなくアキュート・アクセントで書きます。アポストロフィは所有ではなくエリジオンを示し — l'amico、dell'anno、d'accordo — その規則は細かく、母語話者でもつまずきます。un'amicaは女性形なのでアポストロフィが付き、un amicoには付きません。un po'はpocoの語尾切断なので付き、qual èにはまったく付きません。その上に無音のhがあります。イタリア語でこの文字がほぼ唯一果たしている役割は、同音語を区別することです。haとa、hannoとanno、hoとoは耳にはまったく同一で、文法によってしか決められません。

ConvertSpeechはこれらをすべて自動で処理します。ファイルをアップロードすれば、エンジンが話されたイタリア語を句読点付きの検索可能なテキストとして書き出し、ドキュメント・字幕ファイル・翻訳ツールにそのまま貼り付けられます。インストールするものは何もなく、ブラウザだけで動作し、最初の数分間はアカウントなしで無料で使えます。

イタリア語のオーディオブック録音から実際の45秒を取り出し、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エンジンにかけたものです。あとから整えることは一切していません。以下に読めるのは、返ってきたそのままで、取りこぼしも含まれています。再生しながら読んでみてください。

注目したいのは、この結果のどれだけが耳ではなく綴りの問題かという点です。ve l'ho già dettoはloとhoを融合させてl'hoとし、動詞を母音のoから隔てる無音のhを保っています。l'altroとd'economiaもアポストロフィを維持しています。perchéは現代式のアキュート・アクセントで出力されました。この録音の底本となった印刷版が旧来のperchèとグレーヴで組んでいるにもかかわらず、です。二重子音もイタリア語が要求するところに落ちています。settimana、bottega、avvertire、accadesse、sufficiente。non mettiamo il carro avanti ai buoiのcarroもそうで、これはcaroとは別の語です。dapprimaとpianterrenoは現代イタリア語が綴るとおり1語で書かれており、旧版ではda prima、pian terrenoと分かち書きされている箇所です。人名Spinello SpinelliとFiordalisaも無傷で残り、エンジンは会話の行末を、印刷ページがダッシュを使っているところに、イタリア語式の山括弧引用符»で閉じてすらいます。

完璧ではなく、2つの取りこぼしはいずれも予想どおりの場所、つまり2つの切り出し端 — エンジンが句の半分しか手がかりを持てない位置 — にあります。クリップは文の途中から始まるため、原文のper filo e per segnoはA filo per segnoとして返ってきました。終わりも文の途中で、原文の疑問文 — la ragione sufficiente? I filosofi… — はla ragione sufficiente: il filosofo!として決着させられています。どちらもここでは修正していません。それ以外にも、この録音が何であるかを思い出してください。訓練された1人の声が、静かなマイクに向かって丁寧に読み上げたもので、難易度としてはおおよそ講義や口述メモに相当します。三人が同時に話す広場でのインタビューが、ここまできれいに返ってく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。

標準イタリア語はフィレンツェのトスカーナ方言から育ちました。ダンテ、ペトラルカ、ボッカッチョの言語であり、のちにマンゾーニが磨き上げたものです。放送・学術・仕事の録音が使うのはこの形で、ConvertSpeechはこれに最適化されており、話者・年齢・話す速さを問わず安定して処理します。

実際に耳で分かる違いは南北の分かれ目です。おおむねラ・スペツィア＝リミニ線に沿って、語をまたぐ子音の長音化が止まります。ローマやナポリの話者は「a casa」をcを長くして言い、ミラノやトリノの話者は言いません。北部の話者は母音間のsを有声化するためcasaは「caza」に近く聞こえ、中部・南部の話者はこれを鋭いままに保ちます。トスカーナの話者は母音間のcをほとんどhにまで弱め、la casaは「la hasa」のようになります。いわゆるゴルジャ・トスカーナです。さらに南部の話者は、北部ならpassato prossimoを選ぶ日常の語りでも普通にpassato remotoを使います。同じ話がナポリではandai、dissi、feciで、ミラノではsono andato、ho detto、ho fattoで返ってくるということです。どれも正しいイタリア語で、どれも問題なく文字起こしできます。ただ、文字起こしの時制や語調が話者の出身地を映すことになります。

スイス・イタリア語は独立した一件です。ティチーノ州とグラウビュンデン州南部の谷で話され、構造としては完全な標準イタリア語なので、イタリアのイタリア語と同じくらい安定して文字起こしできます。異なるのは語彙の薄い一層 — ヘルヴェティズム、その多くはスイス行政のドイツ語・フランス語からの翻訳借用です。azioneは「行動」ではなくスーパーの特売、riservazioneはprenotazioneの代わり、comandareはイタリアがordinareと言う場面で使われ、携帯電話は今もnatelであり得ます。これらは言われたとおりに書き出されますし、誤りではありません。話者が実際にそう言ったのです。

本当の限界は方言であり、その理由をはっきりさせておく価値があります。ナポリ語、シチリア語、ヴェネト語はイタリア語のアクセントではありません。ラテン語から並行して発達した別個のロマンス諸語であり、それぞれ独自のISO 639-3コード（nap、scn、vec）を持っています。サルデーニャ語とフリウリ語はさらに進んで、イタリアの1999年法律第482号のもとで少数言語として保護されています。ナポリなまり、シチリアなまりで標準イタリア語を話す人は問題なく文字起こしできます。しかし本物のナポリ語やシチリア語に切り替えた話者は、別の言語を話しているのであって、イタリア語のシステムは — 当社のものも含めて — それを忠実に再現しません。標準イタリア語の綴りによる近似が返ってくるとお考えください。方言色の強い素材では、クリアな音声と、話者が標準イタリア語にとどまることが、はるかに良い結果につながります。