Y Combinator 日本語図鑑

事業概要

プロダクト

• 1つのAPIキーを渡すと、音声認識・言語・音声合成を順に実行する。
• 利用言語と用途を指定すると、計測済みモデルの組み合わせを返す。
• 公開ベンチマークで新規モデルを公開当日に計測し、数値を掲載する。
• 計測値が変わると接続先を切り替え、利用側の書き換えを不要にする。
• 音声を送ると、認識結果と合成音声を同じ経路で返す。

技術アーキテクチャ（推定）

• 顧客の音声エージェントから音声と設定をAPI経由で受け取るとみられる。
• 公開された音声モデル群を公開当日に呼び出し、精度と遅延を測るとみられる。
• 言語別・用途別に正規化した点数を保存し、経路の選択に使うと推定。
• 切り替えは設定側で吸収し、呼び出し元の実装は変えない構成と推定。
• 計測結果を公開ベンチマークとして配信し、獲得導線も兼ねるとみられる。

収益モデル

• 音声エージェントを開発する企業が、API利用に応じて支払う形と推定。
• 課金単位は非公開で、処理回数か音声時間の従量制が想定される。
• 価格は非公開。

差別化

• 公開ベンチマークを継続計測し、比較結果を測定データとして蓄積する。
• 切り替えを自社側で吸収し、利用者の実装固定を避けて継続利用を促す。
• 音声の本番導入を4年手作業で回した知見を評価設計に反映する。

日本展開時のリスク

• 通話音声は個人情報に当たり、保存場所と委託先の説明が求められる。
• 国内の音声対話案件はSIer経由が多く、直接の販売網を持ちにくい。
• 既存の電話基盤や顧客管理システムとの接続仕様が非公開で重い。
• 為替変動で従量単価が変わり、国内価格の妥当性を示しにくい。

日本での競合

• 国内の音声対話は、受託開発と自社製品の組み合わせで供給される。
• 音声認識と合成はクラウド各社のAPIが事実上の標準になっている。
• 複数モデルを横断比較する共通基盤は、国内に同型が見当たらない。
• ただし単一クラウドで完結させる導入が多く、乗り換え動機は弱い。
• 個人情報の保管先の説明と、電話系との接続が参入時の壁になる。

主要プレイヤー

• Amazon Web Services — クラウド基盤。国内リージョンで提供。
• Google Cloud — クラウド基盤とデータ分析。
• Microsoft Azure — クラウド基盤と業務アプリ。