NVIDIA、100万時間の多言語音声データセット「Granary」を無償公開

2025年08月16日

NVIDIAが25の欧州言語対応の音声AIデータセット「Granary」を無償公開
従来手法の半分の学習データで同等精度を実現する効率的なAIモデル
クロアチア語やエストニア語など少数言語も含む包括的な言語サポート

SEOの常識を覆す
AIライティングエージェント

プロフェッショナルの業務フローを完全再現するAIの活用で、飛躍的な品質向上とコストダウンの両立。「magicss」でAI時代のSEO＆AIOを実現してみませんか？

今なら 1記事無料で生成可能（カード登録不要）

最短3分で無料体験する

100万時間規模の多言語音声データセット「Granary」が登場

NVIDIAは8月15日、約100万時間の多言語音声データを含むオープンソースデータセット「Granary」を無償公開しました[1]。このデータセットは25の欧州言語をカバーし、クロアチア語、エストニア語、マルタ語といった従来のAIシステムでは十分にサポートされていなかった少数言語も含んでいます。カーネギーメロン大学およびFondazione Bruno Kesslerとの共同開発により実現したこの取り組みは、世界の7,000言語のうちわずかな言語しかサポートしていない現在のAI言語カバレッジの課題に対処することを目的としています[2]。

Granaryデータセットは、音声認識用に約65万時間、翻訳用に35万時間以上のデータを含んでおり、NVIDIAのNeMo Speech Data Processorツールキットを使用して開発されました[3]。この革新的なアプローチでは、手動アノテーションを必要とせずに、疑似ラベリング技術を用いて未ラベルの音声データを構造化された学習データに変換しています。

この発表は、AI業界における言語の多様性への取り組みにおいて画期的な意味を持ちます。従来、大手テック企業は英語中心のAIシステム開発に注力してきましたが、NVIDIAは言語の多様性を次の競争領域として位置づけています。これは、グローバル市場でのAI普及において、言語の壁が重要な障壁となっていることを示しています。特に欧州市場では、各国の言語に対応したAIサービスの需要が高まっており、この無償公開により中小企業や研究機関でも高品質な多言語AIアプリケーションの開発が可能になります。

効率性を追求した2つの新AIモデルを同時リリース

データセットと併せて、NVIDIAは2つの新しいAIモデルも公開しました。「Canary-1b-v2」は10億パラメータを持つ高品質な転写・翻訳モデルで、25の欧州言語での音声認識と英語との相互翻訳に対応しています[4]。一方、「Parakeet-tdt-0.6b-v3」は6億パラメータのリアルタイム処理に最適化されたモデルで、大容量の転写タスクや即座の応答が求められるアプリケーションに適しています[5]。

これらのモデルの最も注目すべき特徴は、その効率性です。研究結果によると、Granaryを使用したモデルは、競合するデータセットと比較して約半分の学習データで同等の精度を達成することができます[1]。この効率性の向上は、開発コストの削減と展開サイクルの短縮を実現し、より多くの開発者が高品質な多言語音声AIアプリケーションを構築できるようになります。

この効率性の向上は、AI開発における重要なパラダイムシフトを示しています。従来のAI開発では「より多くのデータ＝より良い性能」という考え方が主流でしたが、NVIDIAのアプローチは「より賢いデータ処理＝より効率的な学習」という新しい方向性を提示しています。これは、計算資源やエネルギー消費の観点からも持続可能なAI開発につながります。また、学習データ量の削減により、プライバシーやデータ収集に関する課題も軽減され、より倫理的なAI開発が可能になるでしょう。

商用利用可能なオープンソースライセンスで業界に開放

NVIDIAは、GranaryデータセットとAIモデルをCC-BY-4.0ライセンスの下で公開しており、商用・非商用を問わず自由に利用できます[4]。これらのリソースはHugging FaceとGitHubで入手可能で、NVIDIA GPU加速システムでの最適なパフォーマンスを発揮するよう設計されています。この取り組みにより、多言語チャットボットやカスタマーサービス音声エージェントなど、本格的な商用アプリケーションの開発が促進されることが期待されます[2]。

8月17日から21日にオランダで開催されるInterspeech会議では、Granaryの背景となる研究論文が発表される予定です[2]。この学術的な裏付けにより、研究コミュニティでの更なる発展と応用が期待されます。

この無償公開戦略は、NVIDIAの巧妙な市場戦略でもあります。データセットとモデルを無料で提供することで、開発者コミュニティの拡大を図り、結果的にNVIDIA GPUの需要増加につながる可能性があります。これは、ソフトウェアを無料で提供してハードウェア販売を促進する「フリーミアム」モデルの応用と言えるでしょう。また、OpenAI、Google、Metaといった競合他社に対する差別化要因として、言語の多様性に焦点を当てることで、グローバル市場での競争優位性を確立しようとする意図も見て取れます。

まとめ

NVIDIAのGranaryデータセットとAIモデルの無償公開は、多言語音声AI分野における重要な転換点となります。従来の英語中心のAI開発から脱却し、言語の多様性を重視したアプローチは、グローバルなAI普及において新たな可能性を開きます。効率的な学習手法と包括的な言語サポートにより、これまでサービスが行き届かなかった言語コミュニティにも高品質な音声AI技術が提供されることになるでしょう。