東京都港区に本社を置くShisa株式会社（Shisa AI）は、独自開発のAIモデルを活用したリアルタイム音声認識APIの提供を開始した。本APIは高い音声認識精度と超低遅延のレスポンスを両立し、音声データを含む全てのデータ処理を日本国内のサーバーおよびインフラ上で完結させる。会議のリアルタイム文字起こしやコールセンター、ライブ配信など、即時性が求められるサービスへの活用を見込んでいる。

高精度・低遅延の処理性能と利用規模に応じた料金体系

リアルタイム音声認識API「shisa-realtime-asr」は、日本語音声認識ベンチマークSPREDSで文字誤り率（CER）5.0%を記録している。処理速度においてはエンジン処理レイテンシが約38.6ミリ秒であり、多様な10秒音声を用いた100回以上のテストにおいて、発話終了から結果確定まで約254ミリ秒（1接続）、10同時接続時も約499ミリ秒を実現している。なお、精度・遅延は同社測定環境での参考値であり、実際の応答時間は利用条件により異なる。

料金は従量課金制を採用しており、1時間あたり0.45米ドルから利用可能となっている。月間2,000時間のコミットで0.40米ドル、10,000時間で0.36米ドルとなり、50,000時間以上は個別見積もりとなる。米ドルでの決済となるため、日本円価格は外国為替相場に応じて変動する。

料金詳細：https://platform.shisa.ai/ja/#pricing

国内完結のセキュリティと自社開発チームによる技術支援

音声データを含む全データ処理は日本国内のサーバーおよびインフラ上で完結するため、データの国外移転に関する懸念を軽減し、厳格なセキュリティ要件を持つ企業や組織でも導入を検討しやすい環境を整えている。

また、Shisa AIは日本国内に独自のAI研究開発チームを擁している。ユーザーや企業からの意見をモデル開発に反映し、日本語特有の表現、敬語、方言、文化的なニュアンスに対応した継続的なモデル更新を行うほか、導入時の技術支援や企業ごとの要件に応じたカスタマイズにも迅速に対応する体制をとっている。

方言対応とカスタム用語集機能

本サービスは標準語だけでなく関西弁などの地域方言に対応しており、今後は東北弁や九州弁などの追加も予定している。

さらに、企業名、商品名、人名、専門用語、業界固有の表現などを事前に登録できる「カスタム用語集」機能を搭載している。利用する業界やサービスに合わせて用語を登録することで、医療や法律業界など専門用語が多く使用される分野をはじめ、特定の分野における音声認識精度の向上が期待できる。

リアルタイム音声認識API『Shisa Real-time ASR API』概要

• サービス名：Shisa Real-time ASR API
• 提供開始日：2026年9月1日～
• 料金：1時間あたり0.45米ドルから
• 対応言語：日本語・英語
• サービスページ：https://platform.shisa.ai/ja/solutions/asr
• お問い合わせ：contact@shisa.ai

Shisa株式会社（Shisa AI）について Shisa株式会社は、日本語と英語に最適化されたオープンモデル、および翻訳・音声APIを開発している。日本語特有の文脈や敬語、文化的なニュアンスを重視し、日本の企業や開発者が活用しやすいAIモデルとサービスの提供に取り組んでいる。

• Shisa AI公式サイト：https://shisa.ai/ja/
• Shisa AI公式X：https://x.com/shisa_ai
• Shisa AI公式Facebook：https://www.facebook.com/Shisa.Inc
• Shisa AI公式LinkedIn：https://jp.linkedin.com/company/shisa-ai

本記事はShisa株式会社の発表をもとに作成。

Dellows News編集部

ビジネスパーソンの課題解決と納得感にこだわるDellows News編集部。キャリア論からAI、健康法まで幅広い分野に対応し、複雑なテーマでも平易な言葉で丁寧に解説。読者が「明日から使える」知識やヒントを得られるよう、具体的な事例・データ・専門家の見解を交えて執筆。情報を整理し、納得感ある記事づくりを心がけています。