顧客対応AIのScaled Cognition、70ミリ秒・25言語対応の音声生成モデルVoiceを提供開始

Scaled Cognitionは、企業のカスタマーサービス向けに特化したText-to-Speech（TTS）モデル「Voice」の提供を開始しました。APIによるクラウド利用とSelf-hostedの双方に対応し、AIエージェント、Contact Center Platform、従来型のIVRなど既存システムへ組み込めます。同社によると、音声生成開始までの遅延は70ミリ秒で、25を超える言語とVoice Cloningに対応します。

Voiceは、自然な音声だけでなく、口座番号、住所、確認コード、金額など顧客対応で正確性が求められる情報を読み上げることに重点を置いています。Smart Pronunciation機能が文章の意味を解釈し、数字、日付、略語などを文脈に応じて発音します。料金はHosted APIが100万文字当たり9ドル、Self-hostedが同1ドルで、後者には利用者側のインフラ費用は含まれません。同社によると、1基のGPUで約32件の同時会話を処理でき、16件を並行処理する状況でも音声生成開始までの時間は通常約80ミリ秒に収まるとしています。

Scaled Cognitionは、企業の顧客対応に特化したAIモデルAPTをすでに提供しており、Voiceと組み合わせることでAPTが判断した回答や処理結果をそのまま音声化できます。Voice単体でも利用できるため、企業は既存のAIエージェントや電話システムを全面的に置き換えずに導入できます。同社は、汎用的な音声品質だけでなく、顧客対応での情報伝達の正確性、低遅延、Self-hostingによるコストとデータ管理を製品の差別化要素としています。

Scaled Cognitionについて
Scaled Cognitionとは、アメリカ・Mountain Viewを拠点とする企業向けAIモデルラボです。CEOのDan RothとCTOのDan Kleinが共同創業し、両氏は以前Agentic AI企業Semantic Machinesを共同で立ち上げ、Microsoftへ売却しました。主力製品は顧客対応向けAgentic Pretrained Transformer（APT）と、AIエージェントの構築・検証・運用基盤です。金融、医療、通信、保険など正確性が重視される業務への導入を進めています。ハルシネーションや企業ポリシー違反を抑え、実運用で信頼できる「Super-Reliable Intelligence」の構築を掲げています。