イレブンラボ、医療分野向けの音声認識モデル「Scribe v2 Medical」の正式提供を開始
Ｅｌｅｖｅｎ Ｌａｂｓ Ｊａｐａｎ合同会社
薬剤名や医学用語の認識に特化した文字起こしモデル。公開の医療ベンチマークで単語誤り率7.0%
イレブンラボジャパン合同会社（本社：米国ニューヨーク州、CEO：Mati Staniszewski、以下イレブンラボ）は、医療分野向けの音声認識（Speech to Text）モデル「Scribe v2 Medical」を、バッチ処理のSpeech to Text APIで正式に提供開始しました。2026年5月から先行提供してきたモデルで、薬剤名、解剖、病理、臨床の口述筆記といった、診療に関わる音声の認識精度を高めています。
汎用の音声認識モデル「Scribe v2」を、医療向けに追加学習したモデルです。診療中の会話の記録、医療スクライブ（診療記録の作成補助）、口述筆記、問診、医療機関間の連携に伴う通話など、臨床の現場で生まれる音声を対象としています。
このモデルは、診療中の会話や口述をテキストに変換する音声認識モデルです。カルテや診療記録の文書そのものを生成したり、診断・治療方針を判断したりするものではありません。出力は、医療従事者などの権限を持つ利用者が確認・修正したうえで使用することを想定しています。
お客様である医療AI企業は、このモデルを音声認識の土台として、その上に自社の記録作成サービスや診療支援製品を構築します。
[画像1:
https://prcdn.freetls.fastly.net/release_image/160611/69/160611-69-a0ce2bbe3287b18627242d0cb771933f-1865x1860.png?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
「Scribe v2」を土台としているため、医療以外の一般的な音声に対する認識精度はそのまま保っています。
精度の検証は現在、英語、フランス語、ドイツ語で実施しています。
認識精度は、公開ベンチマークを用いた評価と、医療AI企業Nablaによる第三者評価で確認しています。主な結果は次の3点です。
医療の音声を、どこまで正確に書き起こせるか
公開の医療ベンチマークであるEka Medical ASRテストセット（実際の臨床音声3,619件）で、書き起こした単語のうち誤りの割合（単語誤り率）は7.0%でした。同じテストで、土台となった「Scribe v2」は8.6%、前世代の「Scribe v1」は18.6%です。この評価では、追加学習のベースとなった「Scribe v2」に対して単語誤り率が1.6ポイント低下し、前世代の「Scribe v1」と比べても半分以下となりました。
医療用語のハルシネーションをどこまで抑えられるか
AIによる音声認識には、実際には話されていない言葉を書き足してしまう現象（ハルシネーション）が起こることもあり得ます。医療の記録では特に避けなければならない誤りです。医療AI企業Nablaによる第三者評価では、医療用語でこの現象が起きた割合は0.4%で、「Scribe v2」の0.7%からさらに減りました。また、その誤りも実在しない薬剤名を作り出すなどの例はゼロで、残っていた誤りは、実在する単語の綴りの間違いでした。
医療に特化したことで、ふだんの会話が苦手になっていないか
一般的な会話音声のテスト（CommonVoice、6,000件）の成績は「Scribe v2」と同じ5.3%で、精度の低下はありません。また、医師の口述筆記を対象としたテスト（Corti MedDictate）では、英語・フランス語・ドイツ語を対象とする評価で、ベースモデル「Scribe v2」と比べて単語誤り率が相対的に約36%低下しました。
[画像2:
https://prcdn.freetls.fastly.net/release_image/160611/69/160611-69-e8b6ccb1c9755e9d8b39f6c4d4f88553-1224x828.png?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
エンタープライズ契約のお客様は、BAA（Business Associate Agreement）を締結し、Zero Retention Mode（ZRM）を有効化することで、HIPAAに対応した形で利用できます。ZRMはAPI経由で設定でき、有効化したリクエストの処理完了直後に、入力音声と出力テキストが削除されます。お客様のシステムが受け取った文字起こしデータの保存・管理は、お客様側で行います。
医療分野での音声という、最も慎重な扱いが求められるデータをお預かりする前提で設計されています。
イレブンラボは、2022年に設立された、テクノロジーとの関わり方を変革するAI研究・プロダクト企業です。企業向けの音声・チャットエージェントプラットフォーム「ElevenAgents」、コンテンツの制作・編集を支援する「ElevenCreative」、開発者がAIオーディオ基盤モデルを利用できる「ElevenAPI」を提供しています。音声合成、音声認識、会話型AIなどを通じて、企業、開発者、クリエイターによる新たなコミュニケーション体験の構築を支援。現在の企業評価額は110億米ドルを超え、プラットフォームは、Fortune 500企業の80％以上を含む数千社に利用されています。
イレブンラボ日本語サイト
https://elevenlabs.io/ja
イレブンラボ 日本語版LinkedIn
https://www.linkedin.com/company/elevenlabs-japan/
イレブンラボ 日本語版X（旧Twitter）
@ElevenlabsJapan
イレブンラボジャパン公式note
https://note.com/elevenlabs_japanプレスリリース提供：PR TIMES
記事提供：PRTimes
