whisper-tinyの全文文字起こしはNO-GO
指差呼称の記録用途を想定した実測記録です。静音・雑音下でrecallが基準に届かず、SNR5dBでは暴走生成によるUIフリーズも確認しました。
① 検証課題
whisper-tiny（オープン語彙の全文ASR）をブラウザ内で動かし、指差呼称の音声をそのまま文字起こしする方式が、記録・判定用途に使える精度か。
② 環境
- モデル: whisper-tiny（transformers.js経由でブラウザ内推論。ONNX Runtime Web 1.27.0）
- 実行方式: Chromium（Playwright 1.61.1バンドル版、headless制御）上での実推論。サーバ側処理ではありません。
- 実行日: 2026-07-17
- CPU・GPU・OS: 実行環境のCPU型番・GPUモデル・OSはハーネスのログに記録なしです（本カルテはCPU/WASM実行のためGPU性能はレイテンシに寄与しません）。
- 音声条件: 静音（quiet）／SNR10dB／SNR5dBの3条件
- 試験セット: 呼称フレーズ10種＋雑談（誤受理チェック用）10種を、edge-tts合成音声2話者（ja-JP-KeitaNeural／ja-JP-NanamiNeural）で読み上げ。各条件20発話（呼称10種＋雑談10種を話者2種に配分）、3条件合計60発話（話者数を掛けて120にはならない）
- 照合方法: ASR出力と正解フレーズをかな読みに変換し、類似度スコア（rapidfuzzの正規化indel比）で照合。類似度60以上を「一致」と判定（50・70でも感度確認）
③ 判定基準（事前に置いた基準）
このスパイク検証で事前に定義した基準です（測定スクリプトのdocstringに明記）。
| 指標 | 基準 |
|---|---|
| recall（静音） | 90%以上 |
| recall（雑音下: SNR10dB・SNR5dB） | 80%以上 |
| 誤受理率（雑談を呼称と誤判定） | 5%以下 |
| p95レイテンシ（発話終了→判定） | 2500ms以下 |
④ 結果（実測値）
ミリ秒の実測値は小数点以下を四捨五入して表記します（本ページ・関連カルテ共通の丸め規則）。
| 条件 | recall（基準90%/80%） | 誤受理率（基準5%以下） | p95レイテンシ（基準2500ms以下） |
|---|---|---|---|
| 静音（quiet） | 80%（未達） | 0% | 1539ms |
| SNR10dB | 50%（未達） | 0% | 1537ms |
| SNR5dB | 0%（未達） | 0% | 22981ms（未達） |
| 雑音下 合算（snr10+snr5・しきい値60） | 25%（基準80%に対し未達） | — | — |
しきい値を動かしても解決しない（トレードオフの実測）
| 類似度しきい値 | 雑音下recall（snr10+snr5） | 誤受理率（全条件） |
|---|---|---|
| 50 | 45% | 6.7%（基準5%超過） |
| 60（採用値） | 25% | 0% |
| 70 | 25% | 0% |
しきい値を50まで下げると雑音下recallは45%まで改善しますが、誤受理率が6.7%まで悪化し基準（5%以下）を超えるため採用できません。70まで上げても雑音下recallは25%のままです。recallと誤受理率はトレードオフの関係にあり、しきい値調整だけではどちらの基準も同時に満たせません。
意味が反転する誤認識例
静音条件でも、聞き取り自体はできていても意味が反転する誤りが発生しました。
（同じ発話のSNR10dB条件では「電源を強し」、SNR5dBでは暴走生成により無関係な文字列を出力）
暴走生成によるUIフリーズ（SNR5dB・呼称10件中2件）
SNR5dB条件の呼称フレーズ10件中2件（call_02・call_05）で、デコーダが同じ音を繰り返し生成し続ける暴走が発生し、1件あたり約23秒（22979〜23021ms）処理が返りませんでした。通常時（1.3〜1.5秒）の約15倍です。
generateOptionsで暴走は解消できるが、recallは変わらない
max_new_tokens=16 に制限すると暴走は解消しました（SNR5dBのmax latencyが23021ms→1792msに短縮、外れ値0件）。しかも各条件のrecallは変化しませんでした（しきい値60で静音80%・SNR10dB 50%・SNR5dB 0%のまま）。
これは生成トークン数の制御では直らない、モデルサイズ自体の認識精度の限界を示しています。
⑤ この実測から言えないこと
⑥ 再現方法
同じ方式のブラウザ内ASRは音声文字起こしデモで試せます（モデルサイズはデモ側の既定値を使用）。指差呼称の記録用途としての実装は指差呼称チェッカーで確認できます。
この検証で使った測定ハーネス（音声条件生成・バッチ実行・採点スクリプト一式）と生の実測データは、社内の検証用リポジトリに保存済みです（本サイトの公開リポジトリには含まれません）。数値の再検証をご希望の場合はお問い合わせください。
出典（内部データファイル名・参考情報）: recall/誤受理率/p95はasr/score_summary.json（採用しきい値60時点）とasr/arm1_score_summary.json（max_new_tokens=16版）。誤認識例・暴走件数の個票はasr/batch_results.json。
関連する業務ページ
この実測が、自社の記録用途にそのまま使えるかを先に整理する
この仕組みが自分の現場に要るか、先に整理する
いくつかの質問に答えると、次に試すデモ・追加で確かめること・PoC受入基準のひな型が表示されます。登録は不要で、結果はその場で全部見られます。
意思決定室で整理する（登録不要・約3分）