NamiSenseが解決する課題
認識精度の限界
日本語の音声認識は、方言や同音異義語、文脈への依存、表記の揺れなどにより誤認識が生じやすく、認識精度に限界があると言われています。
遅延が生じる
高精度を追求すると処理が複雑化し遅延が増すため、精度とリアルタイム性の両立が難しい点が課題です。
データ処理のコスト
大量データや音声認識の高精度化に関わるデータ処理コストが増加し、効率化や最適化が課題となっています。
プライバシーが気になる
音声データの取り扱いでは、同意取得や匿名化、利用目的の明確化が不十分で法令遵守や透明性確保が課題です。
NamiSenseの特徴
01
リアルタイムAPI
-
WebSocket通信
音声をリアルタイムで送信し、認識結果テキストを非同期で受信します。 -
対応フォーマット
モノラル/PCMデータに対応しています。 -
互換性のあるインターフェース
Watson STT APIからのスムーズな移行が可能です。 -
無音区間検出
無音区間を検出し、認識結果テキストを非同期で返します。
02
ロングファイルAPI
-
ファイル送信
S3の署名付きURLなどでファイルを送信し、一括で文字起こしを行います。 -
対応フォーマット
モノラル・ステレオ/PCM・MP3データに対応しています。 -
話者分離機能
複数話者の音声を自動的に分離して文字起こしを行います。 -
バッチ処理
通話録音、会議録、講演などの文字起こしに活用できます。
導入モデル
NamiSenseが選ばれる理由
高機能なのに安い日本語ASR
- 安価で最高レベルの文字起こしと話者分離精度を提供します。
- GoogleやWatsonなど他社のシステムからスムーズに短期間で切り替えできます。
ノイズに強い音声テキスト変換
AI信号処理と自然言語処理の研究チームが開発した独自技術を使用し、さまざまなノイズ環境で実際にテスト済の高性能ASRです。
NamiSense× コンタクトセンター
NamiSense× コンタクトセンター
通話要約
高精度の文字起こしによって、生成された要約文の中でも正確な電話番号・住所などの重要な情報を把握できます。
顧客感情の認識
通話内容と話者の声からお客様の感情を予測し、一目で感情認識できるようになり、問題が発生した場合には自動で管理者にアラートが送信されます。
リアルタイムの問題検出
通話中に自動で文字起こしされるため、話者のNG表現やコンプライアンス違反が認められた場合にも、管理者に自動でアラートが送信されます。
スタッフ対応記録の分析
文字起こしからスタッフごとの強みと改善点が自動でスコアリングされ、スムーズかつ公平なオペレータ育成を実現します。
（近日リリース予定）
トピック認識
蓄積される通話内容の文字起こしを分析し、顧客の需要や旬のトピックにタグを付与し、自動検出できるようになります。
NamiSense
×
Bright Pattern
業界唯一、オンプレからクラウドまで環境を問わずデプロイ可能なコンタクトセンターシステムであるBright Patternと、業界トップレベルの日本語ASR精度を誇るNamiSenseを組み合わせることで、最強のコンタクトセンタースイートが登場します。
導入事例
東邦ガス株式会社
お客さまセンター
導入前の課題
- 応対品質の向上と電話応答までの待ち時間の削減
- オペレータの応対負荷軽減と、採用・教育にかかる負荷の削減
- 深刻化するコールセンターの人手不足という社会課題への対応
東邦ガスは、中期経営計画に「社内DX化」を掲げ、AI音声認識技術の活用を検討していた。コールセンター（東邦ガスお客さまセンター）において、以下の「目指す姿」を実現するため、NamiSenseを導入。
NamiSenseが選ばれた理由
-
通話内容の高精度なテキスト化：
AIによる日本語の音声認識精度が高く、応対中にメモを取る必要がない -
カスタマイズ学習による認識精度の向上：
東邦ガスが保有する約2万件の音声データを用いてAI学習を行い、高い認識精度を実現 -
リアルタイム支援：
通話内容のテキスト化だけでなく、最適なマニュアル（ナレッジ）の自動表示や、重要事項の音声自動チェック機能
導入効果
-
事務作業時間の約88%削減：
AIによる自動要約システムにより、通話後の事務処理にかかる時間を大幅に短縮 -
応対時間の約12%削減：
最適なマニュアルの迅速な選定により、1件あたりの応対時間を約1割（12%）削減 -
管理者のQA業務を約25％削減：
音声データの聴き直しによる応対品質の評価業務の負担を軽減
参照記事
- 東邦ガス株式会社プレスリリース
（https://www.tohogas.co.jp/corporate-n/press/1255023_1342.html） - 日本経済新聞「東邦ガス、AIでコールセンター業務を効率化 通話時間を1割削減」
（https://www.nikkei.com/article/DGXZQOFD171810X10C26A2000000/）
政令指定都市
市民お問い合わせ対応窓口
導入前の課題
- 録音を人間の耳で聞き取りしていたため、時間がかかっていた
- 全通話を確認する時間がなく、品質確認にばらつきがあったり、限界を感じていた
- 既存API（Google STT）の精度に満足していなかった
ユースケース
- 問い合わせ対応時の通話内容を自動で文字起こしし、オペレータ評価・品質管理の効率化を実現
- 行政サービス改善のための問い合わせ分析に、文字起こしデータを活用
導入効果
- 通話内容レビューにかかる時間を大幅に削減
- 全通話カバー率の向上を実現
大手生命保険会社
コンプライアンスと顧客対応
導入前の課題
- コンプライアンス確認のための通話確認が非効率的だった
- 保険商品説明やカスタマーサポートの品質にばらつきがあった
- AmiVoice STT利用時、全体の精度が不十分だった
ユースケース
- 保険商品説明のコンプライアンス確認を自動化
- 顧客応対品質の向上とモニタリングに活用
- 営業担当者のトレーニング・評価にも活用
導入効果
- AmiVoice利用時に比べ、専門用語認識率が改善された
- コンプライアンス遵守率向上を実現