Robloxが音声AIのSpeechlyを買収、リアルタイムの音声モデレーションを強化へ

テキストチャットの暴言ならNGワード設定で弾けますが、ボイスチャットとなると監視は一気に難しくなります。

毎日6550万人が集まるメタバースを運営するRobloxは、その解決策を丸ごと買い取る道を選びました。9月20日、音声AIスタートアップのSpeechlyがRobloxに買収されたことを発表しました。買収条件などの詳細は非公開とされています。

リアルタイムで音声を検閲する技術

フィンランドのヘルシンキに拠点を置くSpeechlyは、2016年に設立されたY Combinator出身のスタートアップです。同社はリアルタイム音声モデレーション、音声書き起こし、開発者向けVoice APIを手がけてきました。Pitchbookによると、これまでSeedcampやCherry Venturesなどから753万ドルの資金を調達しています。

ゲーム内のボイスチャットは荒れやすいことで知られています。Speechly自身の調査によると、ゲーマーの約70%がボイスチャットを利用した経験があり、そのうち72%がハラスメントや有害行為に遭遇したと回答しています。

Robloxは過去2年間、テキストからリアルタイム音声会話へのシフトを推し進めてきました。最近では17歳以上のユーザー層を開拓するため、表情トラッキングを使ったアバター通話機能も発表しています。大人向け体験を広げる一方で、低年齢層も多いプラットフォームとして安全性の担保が急務になっていました。

業界メディアのVoicebot.aiは、Speechlyの技術がModulateのToxModeやSpectrum Labsといった競合よりも洗練されていると報じています。買収前にデータ保護基準であるSOC 2 Type II認証を取得していた点も、買収を後押ししたとみられます。

なぜ重要か

リアルタイム音声の監視は、コンテンツモデレーションにおいて最も難易度が高い分野です。テキストと違って、スラングや抑揚、周囲の環境音を瞬時に処理しなければならず、遅延も許されません。

今回の買収は、Robloxにとって極めて理にかなった判断だと考えられます。Robloxはユーザー層の高齢化に合わせて17歳以上向けコンテンツを強化していますが、オープンマイクが荒れ放題になれば、大人のユーザーが離れるだけでなく、保護者や規制当局からの風当たりも急速に強まります。

サードパーティのAPIを使い続けるのではなく、実績のある専門チームを内部に取り込むことで、将来的なコストを抑えつつ自社エンジンへ深く統合できます。

ただし、常時音声チェックに対するユーザーのプライバシー懸念や、誤検知による理不尽なアカウント停止といった課題は残ります。言論の自由と安全のバランスをどう取るかが次の焦点になります。