養成所別出身者人数ページを作りました
養成所別出身者人数が分かるページを作った。
それに合わせて、各声優詳細ページに学歴・養成所歴が分かる項目も作った。
注意していただきたいのは、そもそもWikipediaから取得している情報なので、出典自体が誤っている可能性があるということと、養成所についての情報はまとまった表になっているとは言いがたいので、取りこぼしも十分にあるということだ。
あくまでこのサイト内での集計という立ち位置だと思ってほしい。
集計してみて思ったこと
で、その集計情報を見てみると、やはり日ナレと青二塾は多いな。
代アニも多い。
スクールデュオがだいぶ上になっているのは、結構意外だったなと個人的には思っている。
なお、このデータを見て思ったのは、世代別に人数を分けて表示するのも面白いということだ。
これは全データでの集計なので、「昔はどうで、今はどうだ」というのが分からないんだよね。
活躍している層というのは40代以上が目立つし、今の若手はどうなのかという情報は見てみたい。
あと、60代以上はおそらく養成所より劇団とかが多いかもね。
養成所情報の取得は大変だった
養成所情報を取得するのは大変だった。
リリースするまで一週間かかってしまった。
まず、青二塾や日ナレなどの大手養成所はWikipediaに記事があり、卒業生の情報がそれなりにまとまっている。
一方で、まとまっていない養成所も多い。
だから僕は二つの方法で集計を取ることにした。
養成所ページからの卒業生取得と、声優本人の記事からの養成所情報の取得だ。
声優記事から養成所情報を拾う難しさ
ところが、声優記事に使われるテンプレートには養成所の情報を載せていない。
何人かの記事を読んでみてもらいたいのだが、経歴の文章の中に書かれている人もいれば、冒頭に箇条書きで経歴が書かれている人もいる。
経歴を自然文の中から取得するのは一苦労だ。
『日本ナレーション演技研究所』などをパターンマッチングで抽出して、それが書かれていれば卒業しているとは言えない。
以下の文章は杉田智和さんの記事から抜粋している。
高校在学中に、日本ナレーション演技研究所主催の声優スプリングスクールにて、ミューラス&アニメージュ賞を受賞し、ミューラスアクターズスクール（現在の日本ナレーション演技研究所ヴォーカル・ダンス部門）に入所すると同時に、芸能事務所「ミューラス」に所属。
文章内に『日本ナレーション演技研究所』と書かれていても、これはスプリングスクールに通っていただけで、入所したわけではない。
生成AIを使えばいい、とは簡単に言えない
こういう場合、今の時代は生成AIならばできると思う人が多いだろう。
実際にChatGPTに投げれば、誤解なく読解してくれるだろう。
だが、ことはそんなに単純じゃない。
声優としてWikipediaに登録されている人は7000以上いる。
自動化にAIを組み込む場合は、従量課金制のAPIを使わないといけない。
ざっと計算したところ、全員分調べるだけで2万円くらいは課金しないといけないようだ。
何度もスクレイピングしてデータをブラッシュアップしているので、日に何回も回している作業が1回2万円になるのはありえない。
しかも終わるまで数時間はかかりそうだ。
生成AIは人間のように便利だが、バイトを雇うよりは安いとしても、金額としてはバイトとどっこいどっこいになることもある。
人間を雇ってデータ入力するよりは安いが、個人サイトでは現実的ではない。
昔ながらの教師あり学習で分類する
そこで私が取ったアプローチは、昔ながらの、そして昔は「これぞ人工知能」と言われていた教師あり学習でラベル付けすることだった。
教師あり学習は、もうみんな勉強しなくなっちゃったかもしれないけど、人工知能のコア技術だ。
Wikipediaの文章の中から経歴に関連するような文章を、学校名があるなどの条件で機械的に抜き出して、ルールベースでラベル付けする。
ラベルは、
- 学校に関すること
- 養成所に関すること
- 声優になりたい動機付け・きっかけ
- 出身などのバックグラウンド
などに分ける。
文章も長いと主題がブレるので、良さげな接続詞で切る。
すると、さっきの「高校在学中に、日本ナレーション演技研究所主催の声優スプリングスクールにて、ミューラス&アニメージュ賞を受賞し」の部分は「きっかけ」としてラベリングする。
雑にルールベースでラベリングして、最終的に人間がラベルを修正する。
これをベースに教師データを作る。
ラベルのパターンを学習して、例えば「主催」という文字が来れば、バックグラウンド寄りのラベルに近づくし、「入所」などの文字が来れば、養成所のラベルに近づく。
これらは人間がルールを決めたわけではなく、文字の出現パターンとラベルを結び付けて、ベクトル空間にマッピングしている。
分類器で養成所情報を抽出する
これを教師データとして、分類させたい文章を照会させる。
たとえば次のデータを入れる。
17期特待生として日本ナレーション演技研究所に所属し、
これらの文章は細切れに分解され、ベクトル空間のある座標を示す。
その座標がどこのラベルに近いのかで分類することができる。
というのが、教師あり学習の概要なわけだが、Wikipediaの文章からこのお手製教師データを作って、分類器を作った。
養成所や学歴とラベリングされた文章から、養成所っぽい部分を抜き出して保存している。
時たま抜けてしまうことがあるが、割と精度良く動いている。
こうして、大手養成所ページからのデータと、分類器で抽出した養成所データをくっつけて抽出している。
ただ、本当に紛らわしくて分類器が判断できないページもあるので、そこはマジで今後の課題だ。
これからも解析していく
というわけで、これからもデータをどんどん解析していくぜ。
---