課題：インドでリアルタイム音声AIを拡張する
Bolnaは1日500,000件を超える音声通話を処理し、企業がインド全域で会話エージェントを導入するのを支援しています。顧客は、カスタマーサポート、予約調整、見込み客の選別など、速度、信頼性、自然な会話が成果に直接影響するワークフローでBolnaのプラットフォームを利用しています。
数千件の同時会話へと規模を拡大する中で、チームは既存の音声技術に重大な不足があることに気付きました。
私たちのプラットフォームは、お客様が必要とする処理量と信頼性に対応するよう構築されていました。しかし、多言語での音声のやり取りの品質と自然さが、成長を制限していました。
この規模では、音声の知能に、インドの諸言語で一貫した人間らしい性能をリアルタイムに発揮することが求められました。個別の用途だけでなく、Bolnaがすでに安定して稼働していた、負荷の厳しい本番環境で必要だったのです。
BolnaがCartesiaを選んだ理由
Bolnaが代替製品を評価する際、譲れない要件が二つありました。
一つ目は、負荷がかかった状態での遅延と信頼性です。ライブの音声会話では、数千件の通話が同時に発生するピーク時も、予測可能な動作が必要です。一貫性がなければ、タイミングが重要な、複数ターンにわたるリアルタイムの会話を支えるのは困難です。
二つ目は言語の品質です。Bolnaにとって、インドの言語での性能は、あればうれしい機能ではなく、利用の拡大を左右する核心です。
インドは、22の公用語、数百の方言、大きなアクセントの違いを持つ、世界でも特に複雑な音声AI市場の一つです。音声品質によって、利用者がやり取りを信頼するか、通話を続けるか、会話を最後まで終えるかが変わります。
英語だけでインドの音声AIを拡張することはできません。利用者がすぐに不信感を抱くような、合成音声らしい地域言語でも拡張はできません。
Cartesiaが適していたのは、この点です。本番品質のヒンディー語、タミル語、テルグ語など、インドの諸言語が母語話者に自然に聞こえます。さまざまな地域や利用者層に展開するBolnaの顧客にとって、まったく新しい市場への道が開かれました。
ソリューション：本番対応の音声AIを実運用で検証する
Bolnaは、インドの大口法人顧客の一社ですでに稼働していた、大量のカスタマーサポートを自動化するシステムにCartesiaを導入し、多言語の理解と表現を強化しました。これは戦略的な選択でした。遅延と言語品質の両方が測定可能なビジネス指標に直接影響する環境で、複数のインドの言語にわたって会話性能を高める技術が必要だったのです。
数千件の同時通話と、流れを予測できないリアルタイムの会話を大規模に運用する中で、Bolnaは言語能力の強化を目的にCartesiaを統合しました。同時に、通話の解決率、利用者の満足度、会話の完了率など、システムがすでに追跡していた明確な成功指標も維持しました。
実際の負荷における遅延と信頼性
この環境では、ベンチマークの最高値よりも予測可能な性能が重要でした。Cartesiaの一貫した低遅延の動作により、Bolnaはタイミングのばらつきを補正せずに、リアルタイムの会話を支えられました。
わずかな遅れでも会話の流れが乱れ、利用者が最後までやり取りを続けるかに影響する複数ターンの会話では、この信頼性が不可欠でした。
利用者が信頼できる言語品質
インドは世界でも要求の厳しい音声AI市場の一つであり、この導入にもその複雑さが表れていました。Cartesiaの本番品質のヒンディー語、タミル語、テルグ語などは、母語話者に自然に聞こえ、発音と話すリズムも実際の会話で期待されるものに合っていました。
これによりBolnaの顧客は、英語だけの用途を超え、さまざまな地域や利用者層に音声体験を展開できました。
継続的な本番負荷に対応
Bolnaのインフラは、実際の本番負荷の下で継続的な処理量と稼働率を支えるよう、すでに設計されていました。そのため、チームはCartesiaの多言語機能を稼働中の環境に直接導入できました。Cartesiaが言語品質を高めることで、長いやり取りでも性能の一貫性が維持され、利用者は中断することなくワークフローを完了できました。
成果：大規模でも信頼できる音声AI
現在、Bolnaは毎日数十万件の通話を処理し、ピーク時には数千件の同時会話に対応しています。Cartesiaを本番に導入して以来、運用と顧客体験の両方で明確な改善が見られました。
- 従来、遅延や品質の回避策に費やしていた開発時間を約40%削減。
- 会話の完了率が向上し、最初のやり取りで目的を達成する利用者が増加。
- 複数のインドの言語、新しい用途、同時実行数の多い環境へと、音声AIの導入を拡大。
私たちは、大規模に運用できるインフラを構築してきました。今は、Cartesiaの多言語の知能が、さまざまなインドの言語の複雑さに対応し、人間らしい自然さを届けています。その結果、エンドユーザーが実際に会話を完了できるようになりました。これは、プラットフォームの価値を証明し、本当の利用拡大につながる指標です。
今後の展望
Cartesiaの多言語機能を本番に統合したBolnaは、すでに確立した拡張可能なインフラを基盤に、対応するインドの言語、通話量、会話用途の複雑さをさらに広げています。
これには、複数段階のやり取りや、医療、金融サービスにおける規制対象または重要性の高いワークフローも含まれます。Bolnaのプラットフォームの信頼性とCartesiaの言語品質を組み合わせることで、従来は音声の知能の限界だけを理由に対応できなかった要件を満たせるようになります。
Bolnaは、既存のインフラとCartesiaの多言語の知能を活用し、新しいオーケストレーション機能も構築しています。Cartesiaのロードマップについて明確に認識を共有できるため、チームは安心して長期的な導入を計画できます。
Bolnaが言うように、音声は目新しい機能から、主要なインターフェースへと変わりつつあります。実証済みの規模とCartesiaの言語能力を備えたチームには、成長とともに構築を続けるための基盤が整っています。