Masahiro Asakura (Andy.Yan)｜DolphinAI CEO

DolphinAI代表｜日本市場向け音声AIプラットフォームDolphinVoiceを開発｜音声認識・発音評価API・多言語対応｜日本企業の現場で使える、安全で実用的なVoice AIを届けます

[Masahiro Asakura (Andy.Yan)｜DolphinAI CEO @AndyDolphin23]

はじめまして。@DolphinVoiceSOE で代表を務める朝倉です。

日本語の音声AIを、研究やデモだけで終わらせず、企業の現場で長く使える技術にすることに向き合っています。

このアカウントでは、日々の仕事で考えていることや、日本企業における音声AIの可能性について発信していきます。
https://t.co/T4Rw7u52PZ

[Masahiro Asakura (Andy.Yan)｜DolphinAI CEO @AndyDolphin23]

評価AIの選定では、精度の数字を見る前に「誰を基準に測っているか」を確認したい。
子ども向けサービスなら、大人との差をそのまま誤りにしない設計が必要です。点数の高さより、フィードバックの妥当性を比較することが大切だと考えます。

[DolphinVoice | 音声認識 | 発音評価 @DolphinVoiceSOE]

発音評価のスコアを比較するとき、「高い点が出るか」だけでは判断できません。誰の音声を基準に評価しているかが重要です。

子どもの声には、声道の長さや発話リズムなど、大人とは異なる特徴があります。成人音声を中心に学習したモデルでは、その違いが発音の誤りとして扱われる場合があります。

子ども向けサービスの評価では、同じ録音を汎用モデルとKidsモデルに入力し、総合点に加えて正確さ、流暢さ、読み誤りの判定を見比べる。その差が妥当なフィードバックにつながっているかを確認することが、実用的な検証になります。

子どもの発音分布に基準を合わせる仕組みを、こちらの記事で解説しています。

https://t.co/sEVShIAntL

[Masahiro Asakura (Andy.Yan)｜DolphinAI CEO @AndyDolphin23]

@FuwaCocoOwnerKG 私も、いつマイクが開いているかを自分で決められることは大きいと思います。会話の滑らかさだけでなく、「今は聞いていない」が分かることも、音声UIでは大事にしたいです。

[Masahiro Asakura (Andy.Yan)｜DolphinAI CEO @AndyDolphin23]

@bluemugitea 私なら、模範解答との言葉の違いと、意味の抜けを分けて見たいです。言い換えを許しつつ、落としてはいけない要点だけ確認できると、口述練習の評価が納得しやすくなりそうです。

[Masahiro Asakura (Andy.Yan)｜DolphinAI CEO @AndyDolphin23]

@ogiken_nft 私なら、声の自然さと「同じ説明を繰り返さずに済むか」は別々に見ます。返答に時間がかかるときほど、何を確認中なのかが伝わる設計にしたいです。

[Masahiro Asakura (Andy.Yan)｜DolphinAI CEO @AndyDolphin23]

@haku_eigo 私なら、添削の前に「こう聞こえました」を本人が直せる導線を置きたいです。聞き取りのズレを学習者の間違いとして扱わないことが、練習を続けられる土台だと思います。

[Masahiro Asakura (Andy.Yan)｜DolphinAI CEO @AndyDolphin23]

リアルタイム音声AIは、割り込み時の即時停止、AIと担当者の状態同期、予約完了とDB書き込みの整合性、人への引き継ぎ・再接続、氏名や日時・電話番号の認識精度あたりが特に難しそうですね。実運用でこれらをどう設計されているのか、とても気になります！

[宮田 |Cloudflare x ClaudeCode @miyataArcHack]

CloudflareでGPT-Live-1を搭載した「人に引き継げる音声AI受付サービス」を作る方法。

音声中継はRealtime SFU
通話管理はDurable Objects
予約処理はWorkers＋D1
GPT-Live-1が応対。

[Masahiro Asakura (Andy.Yan)｜DolphinAI CEO @AndyDolphin23]

@ai_asaki2 リアルタイム音声AIは、割り込み時の即時停止、AIと担当者の状態同期、予約完了とDB書き込みの整合性、人への引き継ぎ・再接続、氏名や日時・電話番号の認識精度あたりが特に難しそうですね。実運用でこれらをどう設計されているのか、とても気になります！

[Masahiro Asakura (Andy.Yan)｜DolphinAI CEO @AndyDolphin23]

実装で難しそうなのは：

割り込み処理：ユーザーが話し始めたら、AIの発話を即座に停止する

状態の整合性：AI・ユーザー・担当者の発話や予約処理が競合しないようにする
業務の信頼性：「予約完了」と案内する前に、DBへの保存を確実に完了させる
人への引き継ぎ：参加、AIのミュート、会話履歴の共有、切断時の再接続
音声認識精度：氏名・日時・電話番号など、間違えられない情報への対応
このあたりを実運用でどう設計されているのか気になります！

[Masahiro Asakura (Andy.Yan)｜DolphinAI CEO @AndyDolphin23]

書き起こしエンジンの選定では、流暢な文章より先に、記���としての忠実性を確認したい。私ならPOCの受け入れ基準に「発話のない区間の出力」を入れます。実際の音声と照合できる基準が、導入後の信頼を支えます。

[DolphinVoice | 音声認識 | 発音評価 @DolphinVoiceSOE]

書き起こし結果を品質確認や業務分析に使うとき、その文字列は後続の判断の出発点になります。

だからこそ、エンジンの評価では、明瞭な発話の認識精度だけでなく、発話がない区間の出力も確認したいと考えています。自然に読める文章でも、実際に話された内容とは限りません。

POCには、無音、背景ノイズ、せきや笑い声、長い間を含む音声を加える。出力を音声と照合し、タイムスタンプも確認する。こうした項目を受け入れ基準に含めることが、記録の忠実性を確かめる具体的な方法になります。

Whisperのハルシネーション、後処理を考える際の論点、検証手順を整理した記事です。

https://t.co/mvMDXGE7SB

[Masahiro Asakura (Andy.Yan)｜DolphinAI CEO @AndyDolphin23]

@kentaro 開始���停止を振動で確認できる設計は、画面を見ない場面で私も重視したいです。途中で録音が止まったときも、同じように気づけるようにしていますか？

[Masahiro Asakura (Andy.Yan)｜DolphinAI CEO @AndyDolphin23]

@nyx2308 記録のばらつきが減るという点は、私も気になります。一方で、お客様ごとの事情まで同じ表現に丸めていないかも見たいです。要約と元の発言を照らし合わせる確認は、どのようにされていますか？

[Masahiro Asakura (Andy.Yan)｜DolphinAI CEO @AndyDolphin23]

@fukutaro1968 私は、短縮できた時間の一部を「なぜその回答を選んだか」を振り返る時間に使いたいです。AIの答えを隠して一度考え、あとで根拠を比べる練習なら、効率化と判断力を育てることを両立できないでしょうか。

[Masahiro Asakura (Andy.Yan)｜DolphinAI CEO @AndyDolphin23]

@gokkolab 電話の後に文字で確認できるのは、私も大切だと思います。もし日時が違っていた場合、そのSMSから訂正まで進めるのでしょうか？聞き取るところから、間違いを直せるところまでつながっているかが気になります。

[Masahiro Asakura (Andy.Yan)｜DolphinAI CEO @AndyDolphin23]

@SEO145627 「誰が確定させるか」を先に決めるのは、私も大切だと思います。同期に失敗したとき、記録が���確定のままだと担当者に分かるようにしていますか？速さと同じくらい、途中で止まったときの戻り方も気になります。

[Masahiro Asakura (Andy.Yan)｜DolphinAI CEO @AndyDolphin23]

@Yoshio_life100 読みの修正を蓄積する発想は、私も大切にしたいです。同じ表記でも文脈で読みが変わるので、単語だけでなく例文も一緒に残すと、次の確認がしやすそうですね。

[Masahiro Asakura (Andy.Yan)｜DolphinAI CEO @AndyDolphin23]

@mxr57728 朝の支度をしながらだと、画面を見ずに聴けるのは便利ですね。私は「日本語が自然か」をもう少し具体的に知りたいです。発音や���揚、話す速さのうち、どこが一番気になりましたか？

[Masahiro Asakura (Andy.Yan)｜DolphinAI CEO @AndyDolphin23]

@taketapenpen 最初から説明し直すのは負担ですね。私は、うまく話せなかったときに通話を切らず、質問を一つずつ出すか、人につながる選択���を残す設計にしたいです。

[Masahiro Asakura (Andy.Yan)｜DolphinAI CEO @AndyDolphin23]

@koala_3min_en 私は、会話中は話し切れることを優先し、終わった後に直す表現を一つ選べる設計にしたいです。指摘を読むだけでなく、その表現でもう一度話すところまでつなげたいですね。

[Masahiro Asakura (Andy.Yan)｜DolphinAI CEO @AndyDolphin23]

@fukutaro1968 私は、利用回数を見る前に、その数字で何を改善したいのかを決めたいです。使えていない人を探すより、どの作業で止まっているかを一緒に確かめる。実演から始めるなら、現場も相談しやすくなりそうですね。

[Masahiro Asakura (Andy.Yan)｜DolphinAI CEO @AndyDolphin23]

@EnglishNeko50s 「最後まで話せること」���大切にしているのが印象に残りました。私は、話す量だけでなく、ノートに残した表現を次の会話で使い直せるかまで含めて、練習を設計したいです。