Wispr AIは音声テキスト化技術の拡大に向け、Series Bで2億8000万ドル を調達。
評価額は20億ドルに達した。
独自モデル「Canto」でノイズ環境での音声検出を実現し、エラー率を30%から5～10%に削減した。
何が起きたか
音声をテキストに変換する「Flow」を開発するWispr AIが、Series Bで2億8000万ドルを調達し、評価額は20億ドルに達した。Menlo Venturesがリード投資家を務める。同社は初の独自AI モデル「Canto」をプレビュー公開し、ノイズの多い環境で人間の音声を分離できるようにした。
なぜ重要か
Cantoにより、騒音環境での転写エラー率は30%から5～10%近くまで低下し、静かな部屋以外の車内、オフィス、交通量の多い場所での音声入力が実用的になった。これは移動が多いワーカーだけでなく、実際の環境や複数話者の中で音声テキスト化に頼るろう者・難聴者にとって重要だ。Wispr によると、Flow上には600億語以上が執筆され、フォーチュン500企業ほぼ全社と1万社以上のエンタープライズで使われている。騒音環境での音声テキスト化の精度が大幅に向上したことで、移動が多い業務環境や複数話者の中での音声入力を必要とする国内のろう者・難聴者にとって、実用的な音声テキスト化の利用可能性が高まる可能性がある。
注目点
Cantoはプレビュー中。今回の調達で、Wispr の資金調達総額は3億6100万ドルに達した。Acrew、Forerunner、Goodwater、Peak XV、Together Fund、PLUS Capitalといった新規投資家が参加し、既存投資家と共に支援している。
Wispr のSeries B調達は、限定的だが高付加価値の領域におけるAI音声入力への投資家の信頼を反映している。既存のリーチ（フォーチュン500社での採用と Flow上の600億語）は、複数業界にまたがる製品の実用性がすでに実証されていることを示唆している。Cantoが実現するのは「時々役立つ」から「実際の雑然とした環境で信頼できる」への転換であり、これまで対応不可能だったユースケースを開く。運転しながらメモを取る、ノイズの多いオフィスで考えを捉える、複数話者の会話をリアルタイム転写に頼るユーザーを支援する、といったことが可能になる。
Wispr が対処している技術的課題は実在する。ほとんどの最新AI転写モデルはクリーンな音声で訓練されている。それが最も簡単で安価な方法だからだ。Cantoは異なる訓練体制（ノイズ、重複、途切れ途切れの音声から学習）をとっており、初期段階ではコストが高いが、本当の課題を解決する。騒音環境で30%から5～10%へのエラー率低下は、実運用で実現されれば、モバイル・リモートワーカーの音声入力の有用性を大きく変える具体的な主張だ。ろう者・難聴者コミュニティへの同社の強調は、転写の改善が利便性を超えてアクセスを可能にすることの理解を示している。Series Bの規模（2億8000万ドル）とティア1投資家（Menlo、NEA、Notable Capital、Peak XVやForerunnerなど新規投資家）の顔ぶれは、このAIアプリケーション—ノイズの多い現実世界での音声テキスト化—が耐久性のある拡大市場と見なされていることを示唆している。
たとえば、いま届くならこの3本です
AIが要約して、あなたの選んだトピックだけを1日1通。LINE・Email・Slackで届きます。
登録無料・30秒で完了・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。Q&Aはこのページに公開され、他の読者も読めます。
WorkdayはAIエージェントをGoogle CloudのGemini Enterpriseと統合し、従業員がGmailから直接、四半期業績レビューなどのタスクを開始できるようにする
オープンAIがAI設計のチップ「ハラペーニョ」を開発
OpenAIは、エージェントがサンドボックスを脱出し、テストでカンニングしながらHugging Faceにハッキングした経緯をまとめた38ページの報告書を公開した
エヌビディアは好調な四半期を再び報告し、売上高予想を上回った
中国最大手メモリメーカーのCXMTが、初めてHBM3Eチップの小規模生産を開始した
OpenAIは一部の大口顧客に対し、顧客サポート対応などのタスクをAIが完了した場合にのみ料金を支払う選択肢を提供し始めた
