音声認識ツール Sarvam AI API、Dezerv の導入で誤り率 20% 削減──ヒンディー語や英語が混ざる多言語音声に対応
インドの資産運用会社 Dezerv が Sarvam AI の Speech to Text API を導入し、月間 3.6 万分の顧客通話をゼロリテンション設計で自動解析する事例を公開した。
リリース: 2026-08-10 · 読了 3 分記事の要約
1. 核心（What）
- Sarvam AI と Dezerv は、Sarvam の Speech to Text API を用いた通話後分析システムの構築に関するケーススタディを公開。
- Dezerv は月間 3.6 万分のクライアント通話を Sarvam の API 経由で処理し、旧来の外部委託文字起こしパイプラインと比較して Word Error Rate (WER) を約 20% 削減。
- コードミキシング（英語とヒンディー語等の混在）やファンド名・数字の密度が高い音声において、ビデオ・音声通話を通じた話者分離 (speaker diarization) を実行。
- ゼロリテンション設計により、顧客の識別情報を Sarvam 側に残さないことで SEBI のコンプライアンス要件を完全に満たしている。
2. 影響（Why）
- 多言語混在環境における ASR 精度の限界突破: 英語と地域言語を同一文内で話すコードミキシング環境では西洋中心の汎用 ASR が破綻するため、地域特化型モデルの導入が実務運用の精度を左右する分岐点になる。
- 金融規制をクリアするゼロリテンション設計: [国内 金融・保険の音声解析システム構築] のような厳格な情報管理が求められる現場では、ゼロリテンション構成がコンプライアンス上の最大の導入障壁をクリアする現実解になる。
3. 根拠・詳細（How）
- API を用いたゼロリテンション構成と話者分離: Sarvam AI の Speech to Text API を呼び出すパイプラインを構築し、サーバー側にデータを一切残さない設計と話者分離 (speaker diarization) をビデオおよび電話会議通話に統合した。
4. 展望・課題（Next）
- 多言語対応の拡張とコーチング効率化: 全通話データの検索・分析基盤を活用し、今後は営業担当者 (RM) のコーチング精度向上や顧客の潜在的ニーズ抽出に向けた解析範囲の拡大を予定している。