〔2026/6/19〕Verbex、リアルタイム音声対話AIを支える独自音声認識・音声合成モデルをAPIとして提供開始

　音声対話AIプラットフォームを提供するVerbex（本社：東京都港区、森下将憲社長）は、同社のリアルタイム音声対話AIを支えるコアモデルであるSTT（Speech to Text／音声認識）およびTTS（Text to Speech／音声合成）を、単独のAPIとして提供開始したことを発表した。
　VerbexのSTT・TTSは、これまで電話応対、問い合わせ対応、受注対応、予約受付、代表電話の一次受けなど、リアルタイム音声対話AIの中核技術として活用されてきた。
　今回のAPI提供開始により、企業、開発者、SIer、BPO事業者、AIエージェント開発企業は、Verbexの音声認識・音声合成技術を、自社サービスや業務システム、コンタクトセンター基盤、AIエージェントに柔軟に組み込むことが可能になる。
　生成AIやAIエージェントの普及により、AIの活用はテキストチャットにとどまらず、音声を通じて自然にやり取りする領域へと広がっている。
　コールセンター、電話応対、店頭端末、業務アプリケーション、ロボット、IoT機器、車載システムなど、さまざまな領域で「音声でAIとやり取りする」体験が求められている。
　一方で、音声AIの体験品質は、LLMだけで決まるものではない。人の発話を正確に認識するSTT、AIの応答を自然で聞き取りやすい音声に変換するTTS、さらにそれらをリアルタイムに処理する低遅延性が、音声AIの実用性を大きく左右する。
　特に電話応対やコールセンターのような実運用環境では、電話回線特有の音質、周囲の雑音、言い直し、聞き返し、住所・氏名・商品名・数字の認識、日本語らしい抑揚や聞き取りやすさなど、汎用的な音声技術だけでは対応が難しい課題が存在する。
　Verbexは、こうした実運用上の課題に対応するために開発・改善してきたSTT・TTSを、今回、単独のAPIとして外部提供する。
　VerbexのSTT APIは、電話応対や会話音声をテキスト化する音声認識API。問い合わせ内容、注文内容、予約希望、顧客情報、社内問い合わせなど、人の発話をAIや業務システムが処理しやすいテキストデータに変換する。電話回線特有の音質や雑音環境、日本語における氏名・住所・商品名・数字など、業務利用で重要となる認識課題への対応を強化しており、コールセンター、通話要約、会話ログ分析、AIエージェント、業務アプリケーションなどに活用できる。
　VerbexのTTS APIは、テキストを自然な音声に変換する音声合成API。AIエージェントの応答、電話の自動応答、FAQ回答、予約受付、受注確認、案内音声など、さまざまな音声インターフェースに利用できる。業務利用における聞き取りやすさ、自然な日本語の抑揚、リアルタイム対話に適した応答速度を重視しており、コールセンターや電話応対だけでなく、アプリ、Webサービス、店頭端末、ロボット、IoT機器などへの組み込みにも対応する。
　今後Verbexは、STT・TTS APIの対応領域をさらに拡張し、日本語電話応対における認識精度、業界固有用語への対応、リアルタイム処理性能、音声表現の自然さを継続的に向上させていく。
　また、SIer、BPO事業者、AIエージェント開発企業、業務システムベンダーとの連携を強化し、金融、自治体、通販、医療、ホテル、コールセンターなど、業界ごとの業務要件に合わせた音声AI活用を推進する。
　Verbexは、音声対話AIプラットフォームに加え、STT・TTS APIを通じて、音声をあらゆるAIサービス・業務システムのインターフェースにすることを目指す。