Vbeeと、ベトナム語の振興に向けたその取り組み。

Báo Tuổi Trẻ•17/02/2025

出張から戻ってきた人々で賑わう空港の待合室に足を踏み入れたホー・ミン・ドゥックは、システムから流れる穏やかで聞き覚えのある女性の声のアナウンスを聞き、数秒間立ち止まった。

Vbee và nỗ lực chắp cánh cho tiếng Việt - Ảnh 1. — Vbeeの社員がハノイにある本社で勤務している様子 - 写真：同社提供。

彼は、まるで愛する人と再会したかのように、安堵と喜びを感じて微笑んだ。その「愛する人」とは、DucとVbeeチームが何日も何ヶ月もかけて共に作業し、音のあらゆるニュアンスに心血を注ぎ、それぞれのニュアンスを丁寧に作り上げて、より自然で人間らしいものにした20人のAI声優のうちの1人だった。

スタートアップの険しい道のり

Vbee Data Services and Solutions Joint Stock Companyの創業者であるCEOのHo Minh Duc氏とCTOのNguyen Thi Thu Trang氏は、これまで数え切れないほどの喜びと誇りを経験してきた。

彼らは様々な場面で、こうした「特別な知り合い」に再び遭遇した。学校の拡声器から聞こえる明瞭な声、建物の中に響く温かい音色、あるいは多くの企業の自動電話システムから発せられるプロフェッショナルな声などだ。

Vbeeの製品はもはやアルゴリズムやコードだけの産物ではなく、現実世界に本格的に進出し、多くの分野に静かに、しかし力強い貢献を果たしている。

書籍レビューや映画の吹き替えから、自動音声コールセンターのアナウンスまで、Vbeeは音声技術に新たな息吹を吹き込んだ。

その中核となるTTS技術の「母」として、グエン・ティ・トゥ・チャン博士は、パリ第11大学での博士論文以来、情熱を注ぎ込んできたベトナム語音声合成技術から派生した製品を、実際のユーザーに届けたいと常に願ってきた。

Vbeeの創業初期は困難の連続だった。最初の2年間は無料だったにもかかわらず、テキスト読み上げ（TTS）ツールの利用者はごく少数にとどまった。しかし、その後、新型コロナウイルス感染症（COVID-19）の流行が予期せぬ転機となった。

厳しい社会的距離確保規制に直面したFE Credit、Momo、Viet Credit、 Sacombankなどの企業は、何千もの顧客にリーチする方法を見つけなければなりませんでした。そこでVbeeにチャンスが訪れました。債務督促から自動応答まで、Vbeeの製品は瞬く間に最適なソリューションとなったのです。当時、バーチャルアシスタントとバーチャルコールセンターエージェントは、Vbeeの収益の最大80%を占めていました。

パンデミックが収束し、世界経済が低迷するにつれ、Vbeeは新たな課題に直面しました。生成型AI（GenAI）の台頭とデジタルコンテンツのトレンドにより、TTSツールが再び注目を集めるようになったのです。現在、TikTok、YouTube、Facebookなど、VbeeのAI音声はあらゆる場所で利用されています。

「現在提供されているTTSコンテンツの多くは、当社が提供したものです」と、ホー・ミン・ドゥック氏は誇らしげに語った。現在、Vbeeのアクティブユーザー数は200万人を超え、この数は毎月20%ずつ着実に増加し続けている。

Vbeeは20種類以上の高品質な企業音声をトレーニングしており、特注音声を含めると、200種類以上の異なるAI音声を作成している。

最近研究され、試験運用が開始された新しい音声文字起こし技術により、新しい音声の学習に必要なデータ録音時間は、2年前の4～10時間からわずか3分に短縮された。

Vbee và nỗ lực chắp cánh cho tiếng Việt - Ảnh 2. — Vbee Data Services and Solutions Joint Stock Companyの創業者であるCEOのHo Minh Duc氏とCTOのNguyen Thi Thu Trang氏。写真提供：同社。

「我々はベトナム語の理解において優位性を持っている。」

音声合成技術をめぐる競争において、CEOのホー・ミン・ドゥック氏は、技術革新への努力が徐々に限界に達する時点が来ると考えている。

彼によると、Vbeeはベトナム語の音声処理の中核技術を開発しているだけでなく、ベトナム語のあらゆるニュアンス、声調、そして真のベトナム人だけが完全に理解できる独特の文化までも深く理解できる技術システムを構築しているという。

ベトナムのTTS市場をリードする企業として、Vbeeの2人のリーダーは、同社のツールがベトナム語AI音声合成のベンチマークになったと確信している。ユーザーは、その精度の高さだけでなく、Vbeeが開発した音声の一つひとつに込められた「感情」も高く評価している。

例えばベトナム語では、「ngõ」（路地）という単語一つでさえ、地域によって「hẻm」「kiệt」「xẹc」など、さまざまな呼び方があり、それぞれの単語にはAIが理解する必要のある独特のニュアンスが含まれている。

これを実現するために、Vbeeはサンプルデータセットの収集に多額の投資を行うとともに、AIのトレーニング用の強力なサーバーシステムにも投資を行ってきた。

「AIが地域特有のニュアンスを含む情報を理解し、正しく処理できるようにするためには、無数のサンプルセットを作成する必要があり、処理サーバーのコストも非常に高額でした」と、CEOのホー・ミン・ドゥック氏は語った。

グエン・ティ・トゥ・チャン博士は、ベトナム語特有の声調と文法を解読するため、Vbeeの中核となる音声合成技術の研究に15年以上を費やしてきました。彼女にとって、母語であるベトナム語は、表現豊かなニュアンスに満ちた繊細な世界なのです。

「ベトナム語は非常に複雑で興味深い言語です。声調は最も難しい部分で、世界の他の多くの一般的な言語とは異なります。言語を理解すればするほど、私のモデルの精度は高まります」と彼女は説明した。

Vbeeは、技術時代においてベトナム語処理ソフトウェアを統合するツールやデバイスに不可欠な要素として、徐々にその地位を確立しつつある。

Vbeeチームは、あらゆる言葉、あらゆる声において、技術の探求と開発を行うだけでなく、AI音声に真の「ベトナムの感情」を込めるよう努めている。

Vbeeという名前は、ベトナム語の「BE your Eyes（あなたの目になれ）」の略で、視覚障害者のための「目」となるツールを作りたいという私の当初の思いから生まれました。しかし、聴覚を視覚よりも優先する人が多い現代の発展途上国において、Vbeeはすべての人にとっての「目」にもなると信じています。

グエン・ティ・トゥ・チャン博士（ハノイ科学技術大学情報技術通信学部上級講師、Vbee社創設者兼最高技術責任者）

オーディオブック愛好家の集まり

Vbeeは、グエン・ティ・トゥ・チャン博士と視覚障害者コミュニティとの深い繋がりから生まれました。彼女は学生時代から、視覚障害者を支援するためにオーディオブックの録音やベトナム語のテキスト読み上げシステムの開発に携わってきました。

これらの経験から、彼女はベトナム語のテキスト読み上げソフトウェア（Vbeeの前身）の開発に着手しました。2018年、彼女は同級生のホー・ミン・ドゥック（ハノイ科学技術大学の学生で、Socbay.comプロジェクトやオーディオブックのデジタル化の経験を持つ）と共に、ベトナムのテキスト読み上げ分野のパイオニアであるVbeeを設立しました。