Kindleなんかでも読み上げ機能があるけど、読み間違いが気になっちゃうんだよね。

よく考えてみると、ルビ付きの電子データって、あまり無い気がするから、英語なら単に個々の単語の発音記号を当てはめれば良いことでも、日本語だと、形態素解析した上で複数の読みがあるものについては、どの読みが適しているか意味的に判断させる必要があって難しそう。

さらに、そのことを学習させようにも、ルビ付きの電子データが少ないせいで学習データが足りない気がする。そもそも、ルビ付きの電子データの標準的な規格があるかも怪しいし、ルビが付いているデータって、見つかったとしても小学生向けの文章に偏っていそうな気がする。難しい漢字の読み方って、辞書引いて知ったような記憶があるし、そのレベルの単語って往々にして、世間でも読み間違っていたりするしね。

そういう単語は、文章としての日本語に偏って使われていて、読みが不明であっても漢字と文脈で意味を推定して、何とかなっているということなのかもしれない。