AWS認定資格 WEB問題集＆徹底解説

会員登録/ログイン

正解

A. Amazon TranscribeとAmazon Comprehend

Amazon Transcribe は音声をテキストに変換する自動音声認識（ASR）サービスで、Amazon Comprehend はテキストから感情・エンティティ・キーフレーズを抽出する自然言語処理（NLP）サービスです。
要件の「音声をテキストに変換し、そのテキストを分析して感情を判定する」という 2 つの工程に、それぞれのサービスがそのまま 1 対 1 で対応します。
どちらも学習済みモデルを API 経由で呼び出すだけで使えるため、モデルを自作せずに最も効率的に実現できる組み合わせです。

B. Amazon PollyとAmazon Rekognition

Amazon Polly はテキストを音声に変換する（音声合成）サービスで、本問とは変換の向きが逆です。音声からテキストを起こすことはできません。
Amazon Rekognition は画像・動画の分析サービスであり、動画中の顔から感情ラベルを推定できますが、音声やテキストの感情分析は行いません。
2 つとも要件の工程を 1 つも満たさないため不適です。

C. Amazon LexとAmazon Translate

Amazon Lex はチャットボット（対話型インターフェイス）を構築するサービスです。内部で音声認識と意図（インテント）理解を行いますが、目的は対話フローの実行であり、文字起こしテキストの感情判定を目的としたサービスではありません。
Amazon Translate はテキストの言語間翻訳に特化しており、感情分析の機能を持ちません。
結果として「感情を判定する」という要件を満たすサービスが 1 つも含まれていません。

D. Amazon SageMakerとAmazon Comprehend

Amazon Comprehend は感情分析を担えるため後半の要件は満たしますが、Amazon SageMaker は機械学習モデルを自分で構築・トレーニング・デプロイするためのプラットフォームであり、音声認識モデルを自作・運用する手間が発生します。
すでに Amazon Transcribe という学習済みの音声認識サービスがある以上、SageMaker を使うのは「最も効率的」という要件に反します。
実現不可能ではないが遠回り、という典型的なひっかけ選択肢です。

構成図

音声データ
   │
   ▼
Amazon Transcribe（音声 → テキスト）
   │ テキスト
   ▼
Amazon Comprehend（テキスト → 感情判定）
   │
   ▼
ポジティブ / ネガティブ / 中立 / 混在

正解への思考ルート

問題文から要件を抽出し、選択肢の適否を判断するのがポイントです。

要件	判断ポイント
音声をテキストに変換する（文字起こし）	音声認識（ASR）のマネージドサービスは Amazon Transcribe。Polly は逆方向（テキスト→音声）、Rekognition は画像・動画 →選択肢（B）を消す
テキストを分析して感情を判定する	テキストの感情分析は Amazon Comprehend の代表機能。Translate は翻訳のみで感情判定は不可 →選択肢（C）を消す
「最も効率的に」達成する（開発・運用の手間を最小化）	学習済みモデルを API で呼ぶだけの AI サービスを優先する。SageMaker はモデルを自作する前提で遠回り →選択肢（D）を消す
2 つのサービスを組み合わせて 2 工程を実現する	Transcribe（音声→テキスト）→ Comprehend（テキスト→感情）のパイプラインが定石 →選択肢（A）が正解

ひっかけポイント

• Amazon Polly と Amazon Transcribe の向きを取り違えさせるのが最頻出の罠。Polly は「話す（テキスト→音声）」、Transcribe は「聞く（音声→テキスト）」
• 選択肢 D は Comprehend が入っているため半分正しく見えるが、SageMaker で音声認識モデルを自作するのは「最も効率的」の要件に反する。「使えるか」ではなく「最短か」で判断する
• Amazon Lex も内部的には音声を扱うため文字起こしができそうに見えるが、Lex はボットの対話実行が目的で、汎用の文字起こし＋感情分析パイプラインの部品ではない
• Amazon Rekognition は動画の顔から感情を推定できるため「感情＝Rekognition」と短絡しやすい。本問の入力は音声であり、対象メディアが違う

出題バリエーション

同じ知識が本番では条件を変えて出題されます。

問題文がこう変わったら	正解はこう変わる
「コールセンターの通話を録音し、文字起こしと感情分析をひとまとめに行いたい」	Amazon Transcribe Call Analytics（通話分析）が正解軸に。1 サービスで文字起こし＋感情が得られる。
「テキストではなく画像・動画から感情を推定したい」	Amazon Rekognition の顔分析が正解に変わる。
「多言語の問い合わせテキストを日本語に翻訳してから分析したい」	Amazon Translate ＋ Amazon Comprehend の組み合わせが正解軸に。
「業界固有の用語を含む文書から独自ラベルで分類・抽出したい」	Amazon Comprehend のカスタム分類 / カスタムエンティティ認識が登場する。
「テキストを読み上げて音声教材にしたい」	Amazon Polly が正解に変わる（本問と逆方向）。

関連サービスの解説

Amazon Comprehend
Amazon Transcribe