Shisa AIが音声認識APIを提供開始！高精度で低遅延の新サービス

Shisa AIが提供する新しい音声認識APIの魅力

Shisa株式会社（以下、Shisa AI）は、東京都港区に本社を構えており、最近、独自に開発したAIモデルを用いたリアルタイム音声認識APIの提供を開始しました。これにより、特に会議やコールセンター、ライブ配信など、リアルタイムでの対応が求められる場面において、新たな可能性が広がります。

高精度な音声認識と低遅延

新たに発表された音声認識APIは、「shisa-realtime-asr」という名称で、音声認識の精度と反応の速さを両立させています。具体的には、日本語音声認識ベンチマークであるSPREDSにおいて、文字誤り率（CER）5.0%を達成しています。これにより、音声データのテキスト化が迅速かつ正確に行えることが実証されています。

さらに、APIを使用する際のエンジン処理レイテンシは約38.6ミリ秒と非常に短く、実際に多様な音声を用いたテストでも、発話が終了してから結果が確定するまでの時間はわずか254ミリ秒を記録。これにより、多様な環境での利用が可能となります。

安全なデータ処理環境

Shisa AIは、すべてのデータ処理を日本国内のサーバーで行い、データセキュリティにも十分配慮しています。企業が抱えるデータの国外移転に関する懸念を軽減し、特に厳しいセキュリティ要件を求める企業にとっても、導入しやすい環境を提供しています。

明瞭な料金体系

本APIの料金設定は、明瞭で透明性の高いものです。従量課金制を採用しており、1時間あたり0.45米ドルからスタートします。さらに、多くの時間をコミットすることで、割引を受けることができるため、コストパフォーマンスも非常に優れています。これは、高い精度とスピードを求める企業にとって、大きな利点となるでしょう。