車番認識システムへの組み込みでCX（顧客体験）向上に貢献する
「RECAIUS 音声合成ミドルウェア ToSpeak™」

　ToSpeakには手軽に導入可能なものから高品質で自然な合成音声を提供するものまで幅広いラインアップがそろっている。

　また、男声と女声の話者が標準で実装されていること、スタンドアロンでパソコンのメモリを大きく消費せずに安定性能を発揮することなど、懸案事項がすべて解決できることが分かった。「実際にカーディーラーで利用されているインカムの音声合成の事例なども確認し、信頼が置けると感じました」と大塚氏。

　さらに、ライセンス管理の手軽さもポイントだったと大塚氏は言う。「ライセンスがパソコンに固定されないので、パソコン交換の際の手間もコストも軽減できる点は大きな魅力でした」。

　決定打となったのが、東芝の手厚いサポート体制だ。導入前に社内で評価・検証を行った際も、細かい問い合わせに迅速かつ親身に対応してくれたことが印象的だったと大塚氏は振り返る。「国内のベンダーということもあり、技術的な面でのやりとりも安心でした。東芝さんの迅速な対応は当社のお客様に対するサポートの速さにもつながります。開発者からすると、こうした点も大きな安心材料でした」。

　トライアルの段階では複数の音声合成システムと比較検討する予定だったが、「一発目で当たりを引いてしまった」と大塚氏が笑顔で言うように、早々にToSpeakへの切り替えを決定した。

　こうして2022年10月、RECAIUS 音声合成ミドルウェアToSpeakを実装したVehicle Visionの販売がスタートした。新規でVehicle Visionを導入するカーディーラーのほとんどが音声合成をオプションで導入しており、2024年1月現在、その数は194店舗に上る。

　ToSpeakに切り替えたことで、話者の柔軟な使い分けの実現やライセンス・サポートにかかる手間とコストも低下するなど、狙い通りの効果が得られているという。「特にライセンス管理については、以前の音声合成システムだとライセンス発行に１拠点あたり10分程度かかっていました。年間の新規契約数は約150店に上りますので、単純計算で1,500分（25時間）を削減できたことになります。パソコンも年に4～5台壊れるので、入れ替えで生じていた新規ライセンス料も不要になりました」と大塚氏は高く評価する。

　また、実際に使い始めて効果を実感したのは、ピッチ（周波数、音の高さ）やタグでの調整機能だ。インカムの機種ごとにきめ細かな調整が可能になったという。「顧客の名前だけゆっくり読む、音量を上げるといった具合に、タグ付けしたフィールドの発話を細かく制御できるようになり、重要な情報をしっかり伝えることができるということで、当社としてもカーディーラー様に自信を持ってご提案できる特長がさらに増えました」と大塚氏。「カーディーラー様への提案の際も、音声合成のカスタマイズなど幅広い可能性がある点など、特に高級車ディーラー向けにご紹介するときにもVehicle Vision商品としても強みになります」と重崎氏は語る。

　Vehicle Visionシリーズは今後一層の拡大を見込んでいる。工場や物流センターでのさらなる活用が期待されるほか、現在ニーズが高まっているのが道の駅だという。「道の駅は休憩所や観光の拠点であるだけでなく、国土交通省が制定する防災拠点としても注目されています。Vehicle Visionを活用すれば駐車場の空き状況を把握できるので、緊急時に緊急車両の乗り入れ可否などの情報がリアルタイムで取得できます。すでに自治体などから引き合いもあり、我々としても公共の防災計画に貢献していきたいと考えています」と重崎氏。

　また、同社ではToSpeakを利用して、さまざまな用途で汎用的に使える自動放送システムも構想しているという。例えば、緊急時の避難誘導放送や、観光地での外国人向けの案内放送などでは複数言語に対応していることもあり、活用の余地は大きいと同社は見ている。そうした中、RECAIUS 音声合成ミドルウェアToSpeakのラインアップとして新たに加わった、より自然で高音質な「ToSpeakHx Pro」にも関心を寄せている。

　Vehicle Visionの優れた画像認識技術とToSpeakを組み合わせることで、社会の課題を解決するより優れたソリューションの開発に向けて、今後も東芝は進化を続けていく。

この記事の内容は2025年1月に取材した内容を元に構成しています。
記事内における数値データ、社名、組織名、役職などは取材時のものです。