Machine listening（マシンリスニング）とは、機械が音声信号、特に非構造化な音響データを分析・解釈・理解できるようにする技術や手法の総称です。この分野は、人工知能、信号処理、機械学習を駆使して音声記録から有用な情報を抽出します。単なる音声認識とは異なり、machine listeningは発話、ノイズ、音楽、音響環境など、あらゆる音のスペクトルを対象とします。つまり、人間のような聴覚能力を機械に与えることを目指した包括的な自動聴取のアプローチです。
ユースケースと利用例
machine listeningは、環境音の検出・分類（アラート、事故、機械音）、音楽解析（楽器識別、音源分離）、音響監視（セキュリティ、予知保全）、交通や医療でのイベント認識（転倒検知、呼吸モニタリング）、インタラクティブアシスタント（周囲音環境を加味した音声コマンド強化）など、幅広い用途で活用されています。
例えば工場では、機械特有の騒音から作動異常を検出できます。都市では、音環境の分析による騒音管理や都市安全の向上に役立ちます。
主なソフトウェア・ライブラリ・フレームワーク
代表的なツールとして、音響特徴抽出用のPyAudioAnalysisやlibrosa、音声・感情信号解析のOpenSMILE、音分類のYAMNet（TensorFlow）が挙げられます。PyTorchやTensorFlowなどの汎用ディープラーニングフレームワークも、機械聴取向けのカスタムモデル開発に広く利用されています（畳み込み・再帰型ニューラルネットワークなど）。
産業向けではAudioSet（データセット）、Sonic Visualiser（音声の可視化・アノテーション）も広く使われています。
最新動向・進展・トレンド
とくにオーディオ分野へのtransformerアーキテクチャの応用など、ディープラーニングモデルの進化により、コンテキストを考慮した音の理解が飛躍的に向上しています。音・画像・テキストを組み合わせたマルチモーダルモデルの統合も進み、新たなデータ分析の可能性が開かれつつあります。
近年はIoT向けの省電力組込み型machine listeningシステム、騒音環境下での頑健性向上、教師あり・自己教師あり学習のための大規模かつ多様なアノテーションデータセットの整備が進んでいます。