01MODEL人を映す
数行の説明では、人にはなりません。
何を経験し、どう判断し、どんな場面でどう反応するのかまでを映します。会話の友だち、お客さま、特定の専門家など、目的によって映し方も変わります。専門家Twinは本人が内容を修正し、会話を確かめたうえで承認します。
TECHNOLOGY
自然な会話は、 偶然には生まれません。
いつ話し、いつ待つかを決める会話タイミング、人を映すモデリング、目的に合った評価。ふたつのサービスを自ら運用しながら積み上げてきた、Playmoreの技術です。
CONVERSATION TIMING · 会話タイミングエンジン
よい会話の 4つのふるまい。
一つだけなら簡単です。いつも長めに待てば割り込みはなくなりますが、そのぶん遅くなります。Playmoreは4つを同時に、人のようにこなすことを目指します。
同じシーン、ふたつのボット
- 01
相づちには話し続ける
サポートボットが配送予定を案内している途中、お客さまが “mm-hm”（うんうん）と相づちを打ちます。
従来の方式“mm-hm” のひと言で話を止め、1秒以上黙ったあと案内を最初からやり直します。
ボット人待機 1.15秒Playmore相づちだと理解し、案内を止めずにそのまま続けます。
ボット人 - 02
言いよどんだら待つ
英語学習者が “I went to the… um…” と単語を探して2秒以上止まります。
従来の方式1.45秒で割り込んだため、学習者が話を続けると1.55秒間声が重なります。
ボット人重なり 1.55秒待機 1.45秒待機 1.45秒Playmoreまだ話し終えていないと判断して待ち、話し終えると0.2秒で答えます。
ボット人0.2秒 - 03
話し終えたらすぐ答える
レストランの予約電話。名前・人数・時間を順にたずね、お客さまが短く答えます。
従来の方式答えるたびに1.45秒待つため、3回のやりとりで4秒を超える空白ができます。
ボット人待機 1.45秒待機 1.45秒待機 1.45秒Playmore答えが終わったのは明らかなので、毎回0.2秒で次へ進みます。
ボット人0.2秒0.2秒0.2秒 - 04
本当に割り込まれたら止まる
ボットが保険料の更新を案内していると、お客さまが “Wait, it’s going up?”（ちょっと待って、上がるんですか？）と割り込みます。
従来の方式お客さまが割り込んだあとも3.6秒話し続け、お客さまの言葉にずっと声が重なります。
ボット人重なり 3.45秒待機 1.25秒Playmore“Wait” のひと言ですぐに止まり、お客さまが話し終えると0.2秒でお詫びと説明を始めます。
ボット人0.2秒0.2秒
合成音声でつくった英語のシーンです（日本語の音声は準備中です）。Playmoreが答え、止まるタイミングは実際のエンジンが同じ音声を聞いて下した判定そのままで、従来の方式は決まった沈黙（1.45秒）のあとに答え、書き起こしが確定すると止まる一般的なルールです。返答の生成時間はどちらも除いています。
BENCHMARK
実際の通話で、 答えるタイミングを最も正確に。
人が判定した実サービス通話で、Playmoreは話し終えたかどうかを、比較したすべてのシステムより正確に見分けました。言葉を探している人は待ち、話し終えた人にはすばやく答えます。
実際の通話で、人ならいつ答える？
実サービス通話の間（ま）ごとに、人が「答える・待つ・相づちを打つ」場面を判定しました。同じ録音を各システムに聞かせ、答えるべき場面をどれだけ正確に見分けるかを測りました。代表項目では、Playmoreは比較したすべてのシステムより高いスコアでした。
発話終了の判断精度（AUC）
答える場面と相づちの場面の区別（AUC）
実際の学習者との会話：待ちながらも、すばやく答える
よく待つシステムは答えが遅く、すばやく答えるシステムは話をさえぎりがちです。右上に行くほど両方ができていて、そこにいるのはPlaymoreだけです。
韓国語の電話回線での実通話でも、待つ85%、答える92%で上位です。
「前は話し終えたら、いつ答えが返ってくるか予想できて機械的でした。いまは状況によって少しずつ違うタイミングで反応するので、本当に人と話しているように感じます。」
ベンチマーク用の声ではなく、 本物の人の話を聞く。
業界のベンチマークの多くは、合成音声で評価します。しかし同じ言葉を合成音声に置き換えるだけで、発話の終わりを判断するスコアは大きく下がり、システムの順位まで入れ替わります。続けて話そうと少し止まった瞬間が、話し終えたように聞こえてしまうからです。だからPlaymoreは、実際のサービス通話で、人が判定した基準で測ります。
合成音声ベンチでは5位、実際の通話では1位
同じ7つのシステムを2つのテストで比べました。合成音声でつくられた公開ベンチマークで1位だったシステムは実際の通話では4位に下がり、5位だったPlaymoreは1位になります。
- GPT-Live-10.901
- LiveKit Agents (multilingual)0.802
- Gemini 3.1 Flash Live0.793
- Gemini 3.8 Live Ext. Thinking0.764
- Playmore0.755
- GPT Realtime 2.10.716
- Gemini 3.8 Live0.657
- 10.94Playmore
- 20.76Gemini 3.1 Flash Live
- 30.71Gemini 3.8 Live
- 40.69GPT-Live-1
- 50.65Gemini 3.8 Live Ext. Thinking
- 60.60LiveKit Agents (multilingual)
- 70.55GPT Realtime 2.1
相づちは聞き流し、割り込まれたら止まる
同じ録音を12の音声AIに聞かせました。多くは割り込みにすばやく止まりますが、「うんうん」のような相づちでも88〜100%話を止めてしまいます。
待つべきときは待ち、話し終えたら答える
韓国語の会話で、言葉を選んで止まった人は待ち、話し終えた人にはすぐ答える。どちらか一方だけなら簡単です。
聞きながらの相づち
人は聞いている間も「うん」「mm-hm」と反応します。Playmoreもちょうどよい瞬間に相づちを入れ、場面に合う相づちや次の返答の感情まで選びます。自社の試聴評価で、相づちがないほうがよいという判定は一度も出ていません。
まばたきより速く
1回の判断にかかる時間は約0.07秒。まばたき1回よりも短く、代表的な公開ターン検出モデルのおよそ半分の時間です。会話の流れを途切れさせないほど軽くつくったので、ユーザーが話し終えると、答えるか待つかをすぐに判断します。
2026年10月測定。サービス通話の指標は、自社の実データを人が聞いて判定した結果と、実通話の再生シミュレーションによるものです。
TRANSCRIPT CORRECTION
聞き違えた言葉も、 自ら正します。
名前、数字、専門用語のように大切な言葉ほど、より正確に。ユーザーの言葉を正確に聞き取るから、会話はその人に合わせて自然に続き、正確な通話記録によって要約や評価、分析もより信頼できるものになります。
- −68%
誤りを最大1/3に
通話記録の重要語の認識誤りが最大68%減りました。
- 52〜68%↓
誤りは半分以下に
保険相談・高齢者見守り通話・英会話の3分野すべてで、重要語の誤りが半分以下に減りました（52〜68%減）。
- −63%
聞き違いによる的外れな応答を約1/3に
聞き違いがあった会話で、AIが誤った情報で答えることが約63%減りました。
自社評価基準。Deepgram Nova-3のリアルタイム書き起こしで、保険相談・高齢者見守り通話・英会話の実際の通話をテストし、補正の前後を比較しました。
会話をつくる3つの基盤
02CONVERSE声でつなぐ
何を話すかと同じくらい、いつ話すかが大切です。
話し終えたのか考えている途中なのかを見分け、割り込まれたら止まり、聞きながら「うん」「なるほど」と相づちを打つ。こうした瞬間を判断するのがPlaymoreの会話タイミングエンジンで、実際のサービス通話のなかで日々磨かれています。
03REFINEもっとよく映す
どこでずれたかを見つけ、変えて、比べる。
その人ならこう答えるか、お客さまが本当にこう反論するか、会話が自然につながっているか。目的に合った基準で会話を評価し、ずれた部分を見つけて次のバージョンに反映します。
騒がしい場所でも、声だけをくっきりと
ユーザーは静かなスタジオで話してくれるわけではありません。Playmoreは実際のサービス環境に合わせたノイズ抑制エンジンを自社で開発・運用しています。騒がしいカフェで録音した同じ音声を、各エンジンで処理しました。
- 01
カフェの原音
- 02
Playmore リアルタイムエンジンPlaymore
- 03
Playmore 高品質エンジンPlaymore
- 04
プレミアム商用エンジン
- 05
オープンソースエンジン（RNNoise）
自分たちでつくっているもの
Playmoreは、人を映す設計から会話の流れとタイミング、評価と運用までを自らつくっています。どんなモデルが登場しても、より人らしい会話をつくることに集中します。
メモリーベースのリアルタイム会話生成、および多次元指標による会話コーチング・評価に関する特許2件を2025年に出願しました。
実際のサービスAmeego · Callplay