ACESは2022年12月21日、オンライン商談/会議解析サービス「ACES Meet」において、固有名詞に対する音声認識アルゴリズムの精度を改善したと発表した。ノイジーなオンライン会議においては外資系大手の最新モデルの性能を上回る性能に、日本語TEDxをもとに構築したコーパスにおいては外資系大手の最新モデルと同程度の性能になったとしている。
ACESの「ACES Meet」は、オンライン商談やWeb会議の内容をAIで解析するツールである。商談/会議の準備、記録、書き起こし、内容の分析、といった一連の流れをAIが自動で行う。一般的な議事録ツールと異なり、AIが自動で商談/会議を定量化し、要点を抽出する（関連記事：オンライン商談/会議解析ツール「ACES Meet」に、商談時の笑顔比率と視線分布を表示する新機能）。
今回、数千時間分の訓練データを追加し、固有名詞に対する音声認識アルゴリズムを改善した。
表1：ノイジーなオンライン会議データに対する認識精度（出典：ACES） ACESによる検証では、ノイジーなオンライン会議データ（フィラー、言い淀み、会話の重複、背景音などが含まれる、現実のオンライン会議に近いデータ）において、名詞の誤り率が10.7%、固有名詞の誤り率が26.1%だった（表1）。これらの性能は、外資系大手の最新モデルを上回っている。
一方、録音状態のよい動画（日本語TEDx）をもとに構築した音声コーパス（音声データベース）においては、名詞の誤り率が13.6%、固有名詞の誤り率が24.4%だった（表2）。ACESの従来モデルよりも精度が向上しており、外資系大手の最新モデルと同程度の性能になった。
表2：録音状態のよい動画（日本語TEDx）をもとに構築した音声コーパスに対する認識精度（出典：ACES） 表3は、かな漢字混じり日本語音声認識に対する、認識の定性比較である。
表3：かな漢字混じり日本語音声認識に対する、認識の定性比較（出典：ACES）拡大画像表示
今回の音声認識精度の向上によって、「一般的な単語の認識率が大幅に改善した」と同社はアピールする。今後は、個々の業界やユーザーごとに最適化したアルゴリズムの開発を目指す。
ACES Meetの価格（税込み）は、基本料金が月額3万円。利用料金は、会議動画の取り込み/解析機能を利用できる通常ユーザーライセンスが、1ユーザーあたり月額7000円。会議動画の取り込みができず、会議の検索・閲覧や取り込み済み会議の各種編集などに機能を限定した閲覧者用のライセンスが、1ユーザーあたり月額3000円。
