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の提供を開始しました。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、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さまざまなサービスに活用が可能です。

APIは、日本語音声認識ベンチマーク「日本語音声認識ベンチマークSPREDSで文字誤り率（CER）5.0%を記録しています。従量課金は1時間あたり0.45米ドルで、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、50,000時間以上は個別見積もりとなります。

エンジン処理レイテンシは約38.6ミリ秒で、多様な10秒音声を用いた100回以上のテストで、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ます。

音声データを含む全てのデータ処理は、日本国内のサーバーおよびインフラ上で完結します。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においても、導入を検討しやすい環境を提供します。

料金体系は業界最安級で、初期導入の負担を抑えながら、利用規模に応じて柔軟に活用できる、高いコストパフォーマンスを提供します。詳細はこちらをご確認ください。