機械と対話できる日は来るのか アドバンスト・メディアに聞く、音声認識の課題と可能性：特集・音声言語インタフェース最前線（3/3 ページ）
利便性が恥ずかしさを超える面も
音声認識の精度が向上して、自然に対話できるようになったとしても、「人前で機会に話し掛けるのが恥ずかしい」という心理的な阻害要因もある。KDDIが2017年に行った音声操作に対する意識調査では、音声によるインターネット検索を人前で行うのは「恥ずかしい」が7割を超えたという結果も出ている（関連記事）。
ただ、この点について坂口氏は「10年前とは相当変わってきている」とみる。「音声認識は、B2Bだと業務効率改善や働き方改革にも使われていて、例えば日報を声で作成したいというニーズは非常に増えています。以前は、営業担当者が会社に戻って日報をPCに打ち込んでいました。外出先でも作業できるようにと、iPhoneやiPadを営業に配布している企業もありますが、フリックでの入力はつらく、報告内容が薄くなるというデメリットがあります。そこで、声で入力することに注目が集まっています」
アドバンスト・メディアが公開しているAmiVoiceのAPIをもとに、企業が開発したアプリに音声認識を組み込み、日報の作成に活用しているケースが多いという。大手製薬会社など、業務日報を声で作る事例が増えている。「ある程度の社員数がいる会社だと、コストをかけて自社に適切なアプリを開発できますが、少人数の企業でしたらAmiVoice SBxを活用できます」（坂口氏）
このように、分野によっては「利便性向上」が「恥ずかしさ」を上回っているシーンもあるようだ。
スマホに縛られない音声認識デバイスは増える
では、コンシューマーと音声認識の距離感はどう変わっていくのだろうか。
「スマートスピーカーはわれわれも研究していますが、精度がいいものから悪いものまであります。今後はスマートフォンとは違ったアプローチの専用デバイスが増えていくと思っています。われわれもウェアラブル型マイク（WT01）を法人向けに開発していますが、これからは、B2B2Cでコンシューマーが使えるデザインのモノも研究開発していきたいと思っています」（坂口氏）
「ili（イリー）」や「ポケトーク」「Mayumi」などの翻訳デバイスは、その好例だ（ちなみに、ずれもAmiVoiceは採用していない）。「これらの製品はスマートフォンを必要としません。用途を特化した端末は増えていくと思います」（坂口氏）
文字起こしが不要になる日は来る？
編集記者としては、取材で話した内容を起こしてくれるツールも欲しい。アドバンスト・メディアも、官公庁や民間企業向けに、議事録作成支援ツールを提供しているが、個人でも手軽に活用できるようになるとありがたい。
文字起こしは「授業中に先生が話したことのメモを取るなど、コンシューマー寄りに近いニーズだと思います」と坂口氏は話す。「一言一句、しゃべった通りの議事録を作るニーズもあれば、要約のニーズもあります。誰もが文字起こしを自動化できる世界は立ち上げていきたいですね」
現時点では、法人向けに「AmiVoice iVoX」という書き起こしにも利用できるアプリを提供している。マイク（WT01）を経由してスマホアプリに録音された音声をサーバにアップし、テキストに変換してPCから確認、編集ができる。個人向けにはiOSで使える「AmiVoice iVoX Personal」を提供している。こちらは30秒までしか録音できないが、写真の記録もできるので、例えば会議で使ったホワイトボードを撮影して、コメントを入れて保存するといった使い方ができる。
iVoXのようなアプリは、マイクを使えば認識精度は上がるが、話者が何人もいると、その分マイクを用意しないといけない。1対1だけではなく、複数人でミーティングをするようなシーンで使えるマイクデバイスも考えていきたいとのことだ。
取材を終えて：機械と対話できる未来に近づいている
今回の取材を通して、機会と対話できる日が来るのはまだ先だが、この世界の実現に向けて着実に進んでいることが分かった。特定の分野では既に対話を実現できているが、日常会話となると、膨大な発話シナリオをどこまで積み上げていけるのかが鍵を握っている。その中で、コミュクラフトのような、ユーザーと一緒にシナリオを作っていく取り組みは興味深い。
現時点で、音声認識が大きなメリットをもたらしているのは法人現場が多い印象だが、日常生活でも活躍する可能性は十分ある。例えば食事の出前。お店を探すだけなら今の音声認識でもできるが、ユーザーの好みを理解した上でメニューを提案、出前までしてくれるサービスがあったら便利そう。あとは携帯電話の契約。キャリアショップは連日大混雑だが、PCやスマホを通じて音声で質問、相談、各種手続きができるようになれば、店舗の負荷改善や契約率向上にもつながる。
このように、特定の分野についても、まだ広げる余地は大いにある。音声認識の利用シーン拡大とさらなる進化に期待したい。
関連記事
ビジネス文書作成に特化 iOS向け音声入力アプリ「AmiVoice SBx」
アドバンスト・メディアは、3月6日にiOS向け音声入力キーボードアプリ「AmiVoice SBx」をリリースした。アプリを問わずマイクに向かって話すだけでビジネス文書を作成でき、文字変換を指定する単語登録機能や定型文登録などのカスタマイズ機能も備えている。
PC連携で文字検索も可能 音声入力メモアプリ「AmiVoice iVoX Personal」iOS版が登場
アドバンスト・メディアは、1月11日に音声入力メモアプリ「AmiVoice iVoX Personal」のiOS版を配信開始した。最新の音声認識エンジンにより高い認識率を誇り、スマートフォンとPCで音声・文字・写真データの連携管理が行える。
Googleは競争相手ではない？――B to Bと多言語化に注力するアドバンスト・メディア
モバイル分野ではこれまでコンシューマー向けに音声認識サービスを提供してきたアドバンスト・メディアが、今後は法人向け業務アプリの開発にも注力する。また、iOSだけでなく、AndroidやWindows Phone 7向けアプリも開発していく。
音声認識で人間並みのコミュニケーションが可能に――「AmiVoice」の未来
アドバンスト・メディアは、同社の音声認識技術「AmiVoice」を用いた幅広いサービスを展開している。同社が目指すのは、これまでの「機械中心」だった音声認識を超える「人間中心」のサービスだ。一方で、iPhoneやAndroid端末などモバイル分野にも注力していく。
「文字検索は面倒」も「人前での音声検索は恥ずかしい」が約7割 KDDIの音声操作に対する意識調査
KDDIは「日本人の音声操作に対する意識調査2017」の結果を発表。文字入力による検索は半数近くが「面倒」と回答するも、音声でのインターネット検索を人前で行うのは「恥ずかしい」が7割を超えている。
関連リンク
Copyright © ITmedia, Inc. All Rights Reserved.
アクセストップ10
- スマホの「実質価格」高騰の恐れ、iPhone 18 Proは2倍高く？ 総務省の残価設定ルール厳格化は“誰のため”か （2026年10月10日）
- ダイソーで1100円の「GaN USB充電器」は折り畳みプラグで外出用に持ち歩きやすい 45W出力対応でPCでも使える （2026年10月10日）
- 個人情報の流出にユーザーはどう備える？ 乗っ取りやクレカ不正利用を防ぐ「3段階」の対策ガイド （2026年10月12日）
- 楽天モバイル、KDDIローミングが大幅に縮小――ユーザーに対する説明責任はないのか （2026年10月11日）
- ダイソーで1100円のノイキャンイヤフォン「TWS009」を試す 騒音カットの効果は実感も電池持ちに課題か （2026年10月09日）
- JR東日本「分かりにくい」新幹線券売機を改善へ なぜ、スマホではなく「駅での最短1分購入」を実現？ （2026年07月04日）
- 資産3000万円以上が対象 MUFG「エムット」最上位サービスと“年会費無料”アメックス・プラチナの魅力とは （2026年10月08日）
- 10月1日から楽天モバイルの「au 4G LTEエリアローミング」が縮小も意外と残っている件 （2026年10月10日）
- 【ワークマン】4900円の「アーバンライトバックパック」 豊富なポケットやナスカン＆バックル付き （2026年10月11日）
- POCO F9 Ultraのベースモデル「REDMI K100 Pro Max」はバッテリー容量とカラバリに違いがある （2026年10月11日）
過去記事カレンダー
Feed Back
ITmediaはアイティメディア株式会社の登録商標です。