Krisp、通話中のアクセントを変換する新機能：インド英語を米語風に

音声AIスタートアップのKrispは通話中に話者のアクセントをリアルタイムで変換する新機能を発表しました。まずはインド英語のアクセントをアメリカ英語のアクセントへとリアルタイム変換する機能から提供を開始します。

声質を保ったまま音素だけを変換

Krispによると、この機能は話者本来の声色を維持しながら、音素のみを置き換えてアメリカ英語の発音に近づける仕組みです。ユーザーが事前に音声を録音して学習させる必要はなく、通話中にリアルタイムで話者のプロファイルを生成します。

モデルの学習には、さまざまなアクセントや方言を含む数千の音声サンプルに加え、ユーザーの同意を得た上で同社のミーティングアシスタントから収集したデータが使用されています。

同機能はKrispのデスクトップアプリ向けにベータ版として提供され、通話前や通話中にいつでもオンとオフを切り替えることができます。今後はフィリピン英語など、対応するアクセントを順次拡大する計画です。

成果データの一方で聞き逃しの課題も

共同創業者のArto Minasyan氏は、自身が流暢に英語を話していても相手にアクセントを聞き取ってもらえなかった経験から、2年前にこの開発を始めたと述べています。インド英語を最初の対象に選んだ理由は、世界のSTEM領域で働く労働者に占めるインド系人材の割合が非常に高いためです。

Krispが企業環境で実施したテストでは、営業の成約率が26.1パーセント上昇し、成約あたりの売上も14.8パーセント増加したとされています。

一方で、TechCrunchの記者が実際に試したところ、変換後の音声は不自然に聞こえ、単語が抜けてしまうケースもあったと報告されています。同社はこの不具合についてベータ版特有のものであり、今後のモデル更新で改善していくと説明しています。

なお、呼出センター向けにはGVが出資するSanasなどのスタートアップがすでに同様の技術を大規模に展開しています。2021年以来の資金調達を行っていないKrispは、対面会議向けに年内にもiOSおよびAndroidアプリをリリースし、Google Meet向けのChrome拡張機能も準備中だとしています。

なぜ重要か

グローバルなアウトソーシングや海外顧客との商談において、アクセントの違いによる聞き返しや誤解は無視できないコストです。声質を変えずに発音の癖だけを修正できるのであれば、相手の聞き取りやすさを高める現実的なソリューションになり得ます。しかし、実機テストで単語の脱落や不自然さが確認されている現状では、重要な商談で今すぐ実戦投入するにはリスクが高すぎると言えます。

業界全体で見ると、Krispのような音声処理ツールは従来の「周囲の雑音除去」から、「声そのものをリアルタイムで整形する」フェーズへ完全にシフトしています。先行するSanasがコールセンター法人を抑える中、Krispはデスクトップアプリを通じて一般のオフィスワーカーに直接アプローチする構図です。

事前学習なしで使える手軽さはKrispの強みですが、音声が途切れる技術的リスクに加え、「アクセントを欧米基準に上書きする」というアプローチが持つ文化的な抵抗感や倫理的議論も、同社が今後直面する大きな課題になると見られます。