[新製品・サービス]

2026年8月21日(金)日川 佳三（IT Leaders編集部）

シェアする

リスト

　PKSHA Technologyの「PKSHA Voice KIT」は、音声認識APIサービスである。音声を文字に起こしてテキスト化する機能をAPIとして提供する（図1）。各種アプリケーションに音声テキスト化機能を容易に組み込める。

図1：音声認識APIサービス「PKSHA Voice KIT」の概要（出典：PKSHA Technology）
拡大画像表示

　用途に合わせて複数の音声AIエンジンを切り替えられる。自社エンジン「PKSHA Voice AI」やコンタクトセンター向けサービス「PKSHA Speech Insight」搭載エンジン、「Qwen3 ASR」、「AWS Transcribe」、「Whisper Large V3」などが使える。今後、使えるエンジンの数を増やす。

　辞書機能も持ち、業界用語や企業固有の専門用語を認識精度に反映可能である。構築した辞書はエンジンを切り替えても引き継いで使える。文字起こし後のテキストに対して個人情報の除去、要約、感情分析といった後処理も可能で、このためのAI機能も用意している。

　音声エンジンの切り替えや、文字起こし後テキストへの追加処理は、クライアントアプリケーションごとに事前設定で紐づけておける。さらに、APIリクエストのパラメータによっても、その都度エンジンの切り替えや後処理の指定が可能である。

　想定する用途は広い。専門用語の多い金融分野の会議録作成、騒音の多い製造・建設現場での報告記録、コンタクトセンターの応対品質向上など、音声データが発生する各種業務での活用を同社は見込んでいる。

　背景について同社は、音声AI技術の進化は速く、要件や環境ごとに適したエンジンを選んで運用することが難しくなっていると指摘する。また、特定のエンジンを前提にシステムを構築すると、切り替えに追加開発が発生してしまう。音声認識APIのバックエンドで複数のエンジンを切り替えられる構成とすることで、こうした課題を解消する。