音声アノテーションは、人間が発声した言葉に対して文章を書き起こし、発話者の性別・年齢、または感情などのパターンや、言葉の意味ひとつひとつにタグ付けをします。

これらの学習データは、スマートフォンやスマートスピーカーなどの音声認識や、コールセンターの分野で活用されています。