モバイル端末でも動作する日本語の文字起こしAIモデルをHugging Faceで公開しました
2026年11月8日、日本語の音声を文字に起こすAIモデル「Haas-ja-v1.0」を、AIモデルの共有サイトHugging Faceで公開しました。専用のサーバーを必要とせず、スマートフォンなどのモバイル端末でも動作します。当社は今後、このモデルを文字起こしの土台に据えた議事録ソリューションを開発します。
専用のサーバーがなくても、モバイル端末で動きます
Haas-ja-v1.0は、Third Intelligence社が公開している日本語の音声認識モデルです。公式の実行環境は、LinuxとNVIDIA製GPUを積んだサーバーに限られます。当社はこれを、そうしたサーバーがなくても動く形式に変換しました。
モバイル端末でも動作するため、録音したその場で、音声を端末の外に送らずに文字へ起こせます。通信が不安定な場所でも使えます。
公開したのは次の3種類です。
- Haas-ja-v1.0-mlx:標準版
- Haas-ja-v1.0-mlx-8bit:ファイルサイズを約0.73GBに抑えた軽量版
- Haas-ja-v1.0-onnx:GPUを必要としない版
いずれもApache-2.0ライセンスで、Hugging Faceの「basyauma-tech」から無償でダウンロードできます。動かすためのプログラムも、GitHubで「haas-ja-local」として公開しています。
標準版(Haas-ja-v1.0-mlx)は、元モデルの公表値と同じ水準の認識精度が出ることを、公開ベンチマーク(asr-ja-bench v1.1)で確認しました。測定条件と制限は各モデルの説明ページに記載しています。
このモデルを土台に、議事録ソリューションを開発します
議事録の質は、最初の文字起こしでほぼ決まります。聞き取りを誤ると、その後の要約や決定事項の整理にも誤りが残るためです。
当社は、今回変換したモデルを文字起こしの土台に据え、会議の音声から議事録を作るソリューションの開発を進めます。モバイル端末で動くようにしたのは、顧客名や売上数字、人事の話題など、会議の音声を社外に出しにくい現場でも使えるようにするためです。
提供時期と内容は、決まり次第このお知らせ欄でご案内します。議事録づくりの負担や、会議データの取り扱いでお困りのことがあれば、お問い合わせフォームよりご相談ください。
※ 今回の公開物は当社による非公式の変換です。Third Intelligence社と当社の間に、提携・承認・後援の関係はありません。