音声AI基盤モデルを研究開発するKotoba Technologies, Inc.は、顧客体験（CX）のためのAIオペレーティングシステムを提供する米Crestaと協業することを発表した。Crestaのコンタクトセンター向けVoice AIエージェントに、Kotobaの音声認識および音声合成モデルを提供する予定だ。

両社は、日本語をはじめとする多言語での電話応対の自動化を進め、世界のコンタクトセンターにおける顧客体験の向上と業務効率化の支援を目指す。

提携の背景と目的

コンタクトセンターでは慢性的な人手不足や入電量の変動、応対品質のばらつきが課題となっており、電話応対を担うVoice AIエージェントへの期待が高まっている。一方で、電話回線特有の音質や雑音、相槌や話し始めのタイミングなどへの対応は難易度が高く、特に敬語表現や同音異義語が多い日本語は高品質な音声処理の実現が難しいとされる。

自社開発の音声AIモデル「Koto」を提供するKotoba Technologies, Inc.と、オペレーターとAIの双方を支えるプラットフォームを展開するCrestaは、両社の強みを組み合わせることで人と話しているような電話応対の実現を図る。

協業の概要と提供機能

Kotoba Technologies, Inc.が開発した音声認識（Speech-to-Text）および音声合成（Text-to-Speech）モデルを、CrestaのAIプラットフォームに組み込む。Crestaのプラットフォームを通じて同社のエンタープライズ顧客向けに提供される予定となっている。

• 音声認識（STT）：発話をリアルタイムにテキスト化し、AIエージェントの応対やオペレーター支援、会話分析に活用
• 音声合成（TTS）：自然な抑揚と間を備えた音声でAIエージェントの応答を即座に読み上げ
• 対応言語：日本語をはじめ、韓国語、中国語、英語など
• 提供開始時期：2026年 順次開始

導入企業においては、問い合わせ受付や本人確認、予約・変更手続き、よくある質問への回答といった電話応対を、自然な対話体験のまま自動化できるようにすることを目指す。

音声AI基盤モデル「Koto」の特長

Kotobaの「Koto」は、超低遅延・リアルタイム処理向けに開発された音声AIモデルで、音声翻訳（Speech-to-Speech）にも対応している。

汎用モデルでは精度が出にくい日本語・韓国語・中国語などの東アジア言語で高い認識精度と自然な発音を実現するほか、抑揚や間合いを再現した合成音声を出力できる。導入形態もクラウドのほか、オンプレミスやオンデバイスでの動作に対応している。

両社代表のコメント

Kotoba Technologies, Inc.のCEOである小島熙之は、実際の通話における顧客の体感を重視して東アジア言語に強いモデルを研究開発してきたとし、Crestaとの協業を通じてその技術を世界中の現場に届けられることへの喜びを語っている。

また、CrestaのCEOを務めるPing Wu（ピン・ウー）は、日本で優れた顧客体験を届けるには話し方の細やかさまで理解できるAIが欠かせないと述べ、Kotobaのモデルを組み込むことで日本で自然な会話体験を提供していく方針を示した。

会社概要

Kotoba Technologies

• 本社所在地：Levi’s Plaza, 1160 Battery St, Suite 100, San Francisco, CA 94111, USA
• 研究開発拠点：東京都千代田区大手町1-6-1 大手町ビル6F
• CEO & Co-founder：Noriyuki Kojima
• 事業内容：リアルタイム音声翻訳・音声AI基盤モデルの研究開発および提供
• 累計調達額：37億円
• 設立：2023年5月
• URL：https://site.kotoba.tech/
• X：@kotoba_tech

Cresta

• 会社名：Cresta Intelligence, Inc.
• 設立：2017年
• 代表者：Ping Wu
• 本社：米国カリフォルニア州
• 日本法人商号：Cresta AI合同会社
• 日本法人所在地：東京都千代田区丸の内1-5-1 新丸の内ビルディング
• 日本法人設立：2026年7月
• VP 兼 日本カントリーマネージャー：田村元
• 事業内容：エンタープライズ向けCX AIプラットフォームの提供

本記事はKotoba Technologies, Inc.の発表をもとに作成。