AIが空耳する日 ― 音声AIの誤検知対策と、文字起こし崩壊の犯人をログで追い詰める

音声AIの誤検知問題として、机を叩く音などを発話と誤認する現象が発生した。合成音では騙されないsemantic_vadが、実際の環境音に反応してしまう原因をログから追求し、誤検知対策の重要性が示唆される。

• リアルタイム音声通話アプリで、机を叩く音などを発話と誤認する問題に対し、ノイズリダクション機能で対策しました。
• WebSocket回線切り替え時に会話が壊れる問題は、24kHz指定のAudioContextが原因であり、ネイティブレート使用で解決しました。
• コンテナ検証時に旧コードのプロセスがポートを占有していた「幽霊プロセス事件」も発生しました。
• AIの空耳（誤検知）対策として、実マイク特有のノイズへの対応や、音声処理のサンプルレート管理の重要性が示されました。
• 「テストが通った」と「テストしたつもりで相手と話していた」は異なるという教訓が得られました。