テキスト処理

まとめ

この章では、決算発表の動画とテキストを Python で「読める数値」に変える 3 つの道具を扱います。OpenAI の Whisper で決算動画の音声を文字に起こし、HuggingFace の FuguMT（staka/fugumt-en-ja）で英文を日本語に翻訳し、タイムスタンプ付きの SRT 字幕ファイルまで作ります。もう 1 つの道具が SiEBERT（siebert/sentiment-roberta-large-english）による感情分析で、決算文を 1 文ずつ POSITIVE / NEGATIVE に分類してトーンを数値にします。3 つをつなげると、動画 1 本から「どの時間帯に、どんなトーンで、何を言ったか」を自動で取り出せるようになります。

直感 #

決算発表やアナリスト向けプレゼンテーションは、YouTube の動画や PDF の原稿として大量に公開されていますが、音声や長文のままでは集計も比較もできません。Whisper が音声を文に変え、transformers.pipeline が文をラベルや翻訳文に変えると、どれも DataFrame の 1 行として扱えるようになります。この章では、1 本の決算動画（Flex LNG Q3 2022）を題材に、音声認識から字幕生成、感情分析までの処理を順に実装します。

詳細な解説 #

学べること #

感情分析: 決算テキストの各文をポジティブ・ネガティブに分類し、トーンの変化を定量化する
音声認識: Whisperで決算動画の音声を文字に起こし、分析用テキストを取得する
字幕翻訳: 文字起こし結果を日本語に翻訳し、タイムスタンプ付きSRT字幕を生成する

進め方 #

まず感情分析で、pipeline("sentiment-analysis") にモデル名を渡して文を分類する、という Transformers の基本の形を覚えます。次に Whisper による音声認識に進み、whisper.load_model("base") と transcribe() で決算動画の音声をテキストにして、result["segments"] のタイムスタンプを読みます。最後に字幕データの作成で FuguMT の翻訳パイプラインを組み合わせ、SRT 形式の日本語字幕を自動生成します。