Shisa AI、国内完結の低遅延リアルタイム音声認識APIを提供開始
公開日:
Shisa株式会社は2026年9月16日、独自開発のAIモデルを活用したリアルタイム音声認識API「Shisa Real-time ASR API」の提供開始を発表しました。高い認識精度と約38.6ミリ秒という低遅延を両立し、会議の文字起こしやコールセンター、ライブ配信など即時性が求められる場面での利用を想定しています。全てのデータ処理を日本国内のサーバーで完結させることで、企業が重視するデータセキュリティにも配慮しています。従量課金は1時間あたり0.45米ドルからで、利用規模に応じて料金が下がる体系です。
ポイント
- 1日本語ベンチマークSPREDSで文字誤り率5.0%を記録
- 2エンジン処理レイテンシ約38.6ミリ秒を達成
- 3全データ処理を日本国内で完結しセキュリティを確保
高精度・低遅延を両立した音声認識
Shisa AIが提供するリアルタイム音声認識APIは、日本語音声認識ベンチマーク「SPREDS」において文字誤り率5.0%を記録しています。エンジン処理レイテンシは約38.6ミリ秒で、発話終了から結果確定までは1接続時で約254ミリ秒、10同時接続時でも約499ミリ秒を実現しました。これにより、会議のリアルタイム文字起こしやコールセンター、ライブ配信など、即時性が求められるサービスでの活用が見込まれます。
国内完結のデータ処理とセキュリティ
音声データを含む全てのデータ処理は、日本国内のサーバーおよびインフラ上で完結します。データの国外移転に関する懸念を軽減し、厳格なセキュリティ要件を持つ企業や組織でも導入を検討しやすい環境を提供します。
透明性の高い料金体系
料金は従量課金制で、1時間あたり0.45米ドルからです。月間2,000時間のコミットで0.40米ドル、10,000時間で0.36米ドル、50,000時間以上は個別見積もりとなります。初期導入の負担を抑えながら、利用規模に応じて柔軟に活用できる体系です。
日本語に特化したモデル開発とサポート
Shisa AIは日本国内に独自のAI研究開発チームを擁しており、ユーザーや企業からの意見をモデル開発に直接反映します。日本語特有の表現、敬語、方言、文化的なニュアンスに対応した継続的なモデル更新を行います。関西弁などの地域方言にも対応しており、今後は東北弁や九州弁など各地方の方言も追加予定です。また、企業名や商品名、専門用語などを事前に登録できるカスタム用語集機能を搭載しており、医療や法律など専門用語が多い分野でも柔軟に対応します。
Q&A
Q. Shisa Real-time ASR APIとは何ですか？
A. 音声をリアルタイムで文字に変換するAPIです。会議の文字起こしやコールセンター、ライブ配信などで利用できます。
Q. データの取り扱いはどうなっていますか？
A. 音声データを含む全ての処理を日本国内のサーバーで完結させており、国外へのデータ移転を伴いません。
Q. 料金はどのようになっていますか？
A. 従量課金制で1時間あたり0.45米ドルからです。月間の利用時間が増えると1時間あたりの料金が下がります。
関連リンク
O!Productニュース編集部からのコメント
発話終了から254ミリ秒で確定するなら、会議の文字起こしが会話のテンポに追いつきますね。データが国内完結なのも、導入稟議で説明しやすそうです。
引用元：PR TIMES
この記事の著者
O!Productニュース編集部
