Qlean Dataset、AI開発を加速する「テクノロジー対話」の日本語音声データを提供開始

Visual Bank株式会社が、同社傘下のアマナイメージズを通じて展開するAI学習用データソリューション「Qlean Dataset」において、「日本語・2話者・テクノロジーテーマトーク音声トランスクリプト」の提供を開始したと発表しました。このデータセットは、テクノロジーやIT分野をテーマにした、日本語話者2名による対話音声とその書き起こしテキストで構成されています。

データセットには、生成AIを含む最新技術や関連ニュース、日常での活用事例といった複数の文脈を含む話題が収録されています。台本に依存しない自然な会話形式で、質問や説明、意見交換などが実際の技術議論に近い流れで行われているのが特徴です。収録時間は合計で約200時間に及び、AI開発の現場で求められる大規模なデータ需要に応えます。

このデータセットは、音声認識（ASR）や自然言語処理（NLP）、音声対話AIをはじめ、音声とテキストを横断的に扱うAIモデルの研究・開発用途での活用が想定されています。具体的には、技術領域に特化した音声対話AIの学習データや、技術系ポッドキャストなどを想定した自動文字起こし・要約モデルの開発、社内ナレッジ共有システムの検証データとしての利用が見込まれます。

「Qlean Dataset」は、商用利用が可能で、すべてのデータで被写体からの同意を取得しており、企業が法的リスクを懸念することなく安全に利用できる点を強みとしています。同社は、権利クリアなAI開発環境の構築を支援することで、データ収集・整備にかかる現場の負荷を軽減したい考えです。

引用元：PR TIMES

O!Productニュース編集部からのコメント

生成AI開発が過熱する一方、日本語の高品質な学習データは依然として貴重です。特に専門分野の自然な会話データは、より高度なAIモデル開発の鍵となります。こうしたデータセットの充実は、国内のAI技術の底上げに繋がりそうですね。