より賢い理解、よりクリアな通話：RetellのASRが大幅アップグレード

人々を正しく理解し、自然な会話を行う中核には自動音声認識（ASR）の役割があり、これはあらゆるAIコールボットにとって極めて重要です。

電話での会話は、音声認識の観点から本質的に難しいものです。接続状態の悪さ、背景ノイズ、さまざまな方言やアクセントによって、発信者の言葉を理解することが困難になります。

だからこそ、私たちはRetellの自動音声認識（ASR）エンジンに大幅なアップグレードを実施し、より鋭い文字起こし、より強力な意図検出、そして広く使用されている7つの言語にわたるより信頼性の高い通話成果をもたらしました。

これは、より高い精度、極めてクリアな文字起こし、そしてより高い通話完了率を意味します。

RetellのアップグレードされたASRエンジンの新機能

Retellの新しいASR（テキスト読み上げ）は、以下を含む22以上の新しい言語をサポートするようになりました：

• アフリカーンス語
• アラビア語
• アゼルバイジャン語
• ボスニア語
• ウェールズ語
• ペルシア語
• フィリピノ語
• ガリシア語
• ヘブライ語
• クロアチア語
• アルメニア語
• アイスランド語
• カザフ語
• カンナダ語
• マケドニア語
• マラーティー語
• ネパール語
• スロベニア語
• セルビア語
• スワヒリ語
• タミル語
• ウルドゥー語

これにより、私たちの対応言語数は合計50以上となり、あらゆる言語でコンテンツをアクセス可能にすることに一歩近づきました。これらの言語の追加により、企業が新しいオーディエンスにリーチする膨大な可能性が開かれます。アラビア語だけでも4億5,000万人、ペルシア語は1億3,000万人、ウルドゥー語は2億5,000万人によって話されています。

これらの言語は、私たちの新しいASRの一部として利用可能になっています。OpenAI TTSを試して、Retellで次の音声エージェントを構築できます。また、自分の声をクローンして、私たちの50以上の言語のいずれかに変換することもできます。

この幅広い言語サポートにより、企業はグローバルなオーディエンスと効果的に関わることができます。今すぐRetell AIを試して、実際の動作をご覧ください。

Retellの更新された言語の使い方は？

AIボットが複数の言語でコミュニケーションできる能力を強化することは、ユーザーエクスペリエンスを向上させる強力な方法です。

Retell AIを使えば、この多言語機能をわずか数ステップで有効にできます：

ステップ1：グローバル設定にアクセスする

Agent Dashboardに移動し、設定したいボットを選択します。右側のGlobal Settingsメニューをクリックします。

ステップ2：音声と言語を選択する

Global Settings内のVoice and Languageセクションで、ドロップダウンメニューをクリックして利用可能な言語を確認します。

ボットに希望する言語を選択します。たとえば、Spanish（Latin America）を選択すると、この音声と言語設定がボットに適用されます。

ステップ3：会話フローをカスタマイズする

言語を選択した後、Conversation Flowエディタに戻り、すべてのメッセージがターゲットオーディエンス向けに正確に翻訳されていることを確認します。

たとえば、Greetingsノードでは、ボットは次のように言うかもしれません：

「Hola, soy Anna, una representante de inteligencia artificial que llama desde la organización Retell Healthcare en una línea grabada…」（Spanishが選択されている場合）。

ユーザープロンプトと応答を含むすべての会話ノードが、選択された言語と一貫して一致していることを確認してください。

これらの多言語音声フローは、AI搭載IVRシステム内でも設定でき、発信者が希望の言語でメニューを操作し、適切な部門にたどり着くことができます。

ステップ4：多言語機能をテストする

Global SettingsのTestオプションを使って会話をシミュレートし、ボットが選択された言語でスムーズに応答することを確認します。音声とテキストの両方の出力を確認し、精度と一貫性を保証してください。

この設定は、AIアポイント獲得エージェントのような高度なユースケースもサポートでき、ボットが顧客の希望する言語で自然に話しながら、日付、時刻、その他の詳細を確認します。

効果的な多言語設定のためのヒント

• 音声の選択： オーディエンスの地域に合った音声を選択し、親しみやすさとエンゲージメントを向上させます。

• 多言語モード： バイリンガルまたは多言語のユーザーがいる地域では、多言語モードを有効にして、ボットが言語間をシームレスに切り替えられるようにします。

これらのベストプラクティスに従うことで、AIボットはより幅広いオーディエンスと明確にコミュニケーションでき、アクセシビリティが向上し、より包括的なカスタマーエクスペリエンス（顧客体験）を提供できます。

この新しいASRはRetellでどのように機能するのか？

リアルタイムの文字起こしは、多くの場合、レイテンシ（遅延）と精度の間のトレードオフです。

速度を最適化すると、最も低いレイテンシが得られますが、コンテキストが少ないためエラーの可能性が高くなります。より多くのコンテキストを持つ結果に頼ると、ユーザーが話し終えた後に長く待つリスクがあります。

Retellは2つの文字起こしモデルを提供します：

• 速度の最適化（Fast＆Accurateモード）

• 精度の最適化（Accurateモード）

速度最適化モードと精度最適化モードのWER（Word Error Rate）は似ていることがわかっています。真の違いは、数字、日付、住所などのごくわずかな詳細にあります。

音響モデリングパイプラインを最適化し、言語固有の音声辞書を洗練させ、リアルタイムデコードを改善することで、RetellはAccurateモードとFast＆Accurateモードの両方で、劇的に低いWord Error Rate（WER）を実現するようになりました。

ヨーロッパ言語における鋭い精度（Accurateモード）

ドイツ語、フランス語、イタリア語、ポーランド語については、Word Error Rateを7〜10ポイント削減しました。

これらはすでにAccurateモードで強力な言語でした。それでも、新しいモデリングアーキテクチャは、実際の顧客通話で観察された標準的なエラータイプ、たとえばアクセントによる音素の入れ替わり、背景ノイズによる歪み、性・数の一致ミスなどを大幅に削減します。

これが音声自動化にとって意味すること：

• ノイズの多い環境でもよりクリアな文字起こし

• 複雑で複数文にわたる応答に対するより信頼性の高い意図の把握

• より少ない修復ターン（「すみません、もう一度言っていただけますか？」）

• サポート、営業、サービスワークフローにおけるより高い初回通話解決率

アジア言語における大きなブレークスルー（Fast＆Accurateモード）

中国語（北京語）、マレー語、ヒンディー語については、その向上はさらに大きく、WERの改善は15〜25ポイントに達します。

これらの言語は、声調の動態（北京語）、コードミキシング（マレー語）、アクセントの多様性（ヒンディー語）のため、歴史的にASRにとって難しいものでした。アップグレードされたエンジンは、これらの複雑さをはるかに賢く処理するようになりました。

これが解き放つもの：

• Fastモードの速度でも大幅に優れたリアルタイム理解
  
• 声調の変化、方言のバリエーション、混合言語の使用の正確な認識
  
• 遅延や誤解のないより自然なターンテイキング
  
• コールセンター形式の電話音声（最も難しいASR環境）でのより強力なパフォーマンス

これが意味すること：よりクリアな入力 → より賢い出力

新しいASRエンジンは、発信者が言うこととAIが言われたと思うことの間のミスマッチを低減します。より低いWERにより、私たちのLLM搭載の推論エンジンはよりクリアなテキストを受け取り、以下を可能にします：

• より正確な意図認識
• より少ない会話の破綻
• よりスムーズで速い解決
• より人間のように自然なエージェントの振る舞い

このアップグレードは文字起こしを改善するだけではなく、音声自動化のエクスペリエンス全体を高めます。

‍