音声認識 自然言語処理技術をコアとしたサーバーサイドアプリケーション クラウドサービス開発エンジニア

フェアリーデバイセズ株式会社は、音声認識関連処理・自然言語処理関連技術をコアとした、クラウドサービス「mimi®」を開発、展開するベンチャー企業だ。話した声を文字に置き換えるサービスは数多くあるが、「mimi®」はそれらの遥か先の未来を見据えた技術だ。

「人間の耳の機能は声を文字に直すだけではありません。話している人を識別し、感情を察知し、周囲の雑音からその人の環境を認識する。それに対して今のコンピューターに搭載された技術は、声を文字にすることだけです。つまりコンピューターは極めて限定的にしか世界を認識できていません」。こう話すのは、同社の創業者である代表取締役の藤野真人氏だ。携帯電話やカーナビなどに搭載されている機能は、たとえ機械が流暢に応答してくれたとしても、それはあくまでも、予め仕込んだ言葉を状況に応じてアウトプットしているに過ぎない。

「人間の耳のように複雑に音声を認識し、深く人間を理解した上で応答できる。その機能をクラウド上で再現し、様々な機械に聴覚機能を提供すること」（藤野氏）。これが、mimi®が、フェアリーデバイセズが描く一つの未来図だ。「未来の機械たちのための『聴覚』プラットフォーム」と謳うmimi®。まさに「音声認識」の常識を遥かに超え、機械たちのための「耳」を作ろうとしているのだ。

そんな未来図に対して現在の段階は、声を文字に直す音声認識はもちろんのこと、聴覚に必要な話者識別、環境音認識、感情認識、性別認識等、聴覚に必要な技術のほとんどは揃っているという。
しかし、「これらはあくまで部品＝単機能であり、我々が目指すものではない。我々は、これらすべての部品を組み合わせて製品に落とし込み、人間が使ってちょっと嬉しく思えるようなものを作る事。聴覚は総合技術ですから」。と藤野氏は言う。
「声を文字に直す部分はこの数年で大きく進化し、機能で言えばどの会社も横並びの状態です。我々は、そこで競おうとは思っていません。その先のリアクションの部分を追及し、人と機械とのコミュニケーションを可能にしたい」。
思い描く未来図に向けて、フェアリーデバイセズは進み続ける。