テンセントクラウドが音声AIで提携加速、SonioxとInworld AIとの戦略的提携の全貌

テンセントクラウドは、エンタープライズ向けリアルタイムコミュニケーション（RTC）のグローバル展開を加速するため、音声AI分野で重要な戦略的パートナーシップを相次いで発表しました。その中核にあるのは、「聴く」を担う音声認識（STT）のSoniox と、「話す」を担う音声合成（TTS）のInworld AI との提携です。これらの提携により、テンセントの低遅延グローバルネットワーク「TRTC（Tencent Real-Time Communication）」は、単なる通信基盤から、高度な音声対話AIを実現するワンストッププラットフォームへと進化しようとしています。

1. Sonioxとの提携：多言語音声認識で「聴く」力を強化

• 発表日: 2026年6月2日。
• 統合技術: 米国サンフランシスコに拠点を置くSonioxの高精度・低遅延STTエンジン。この技術は、60以上の言語でネイティブスピーカーに迫る精度を誇り、さらに**英語から中国語へ、といった文中での自然な言語切り替え（コードスイッチング）**にも対応する点が大きな特徴です。
• TRTCとの連携方法: SonioxのSTTは、世界3,200以上のノードで構成され、全世界で300ミリ秒未満の超低遅延を実現するTRTCの伝送基盤に直接組み込まれます。この基盤には、AIノイズ抑制や不安定なネットワーク環境下での耐性といった技術も含まれています。
• 得られる効果: これにより、音声認識の全行程におけるエンドツーエンドの遅延が最小化され、企業はインテリジェントなカスタマーサービス、音声アシスタント、リアルタイム翻訳、会議文字起こしといった多言語対応の音声AIアプリケーションを世界200カ国以上で展開しやすくなります。開発者は、テンセントクラウドの管理コンソールから直接、SonioxのSTT APIを利用できます。

2. Inworld AIとの提携：感情を理解する音声合成で「話す」力を強化

• 発表日: 2026年6月16日。
• 統合技術: Inworld AIが研究プレビュー版として公開している、最高評価のリアルタイムTTSモデル「Realtime TTS-2」。このモデルは、音声合成ベンチマーク「Artificial Analysis Speech Arena」でリアルタイムTTS部門のトップにランクされており、会話の文脈を理解する「会話認識」能力を備えている点が革新的です。具体的には、ユーザーとの音声のやり取り全体を聞き取り、相手の口調や話す速度といった雰囲気を察知。それに応じて、開発者が「もっと明るく話して」のように自然言語で声色を指示することも可能です。200以上の言語に対応し、どの言語で話しても一貫した声のキャラクターを維持できます。
• TRTCとの連携方法: このInworldのTTSは、TRTCのインフラを通じて「ワンストップでリアルな音声AI」ソリューションとして提供されます。この統合は、TRTCがすでにサードパーティ製TTSの統合に対応している「StartAIConversation」APIの仕組みを活用して行われます。
• 得られる効果: 開発者はTRTC上で、「音声認識（STT）→ 大規模言語モデル（LLM）→ 音声合成（TTS）」という音声対話AIの一連の流れを閉ループで構築できます。出力される音声は会話の感情的な文脈とマッチし、多言語間でも同一人物の声として認識されるため、より没入感のある自然なコミュニケーション体験を実現します。

より大きな戦略：TRTCを対話型AIのOSへ

今回の2つの提携は、テンセントクラウドがTRTCを単なる通信インフラではなく、エンタープライズ向け対話型AIの共通基盤（OS） として位置づける戦略を明確に示しています。

「聴く（Soniox）」と「話す（Inworld AI）」という中核的な音声機能を、すでに強固な自社の低遅延ネットワーク上に統合することで、テンセントはすべてのモデルを自社開発することなく、最高水準の音声AIソリューションを迅速に提供する道を選びました。これは、企業が新興市場や多言語シナリオへビジネスを拡大する際の強力な武器となります。

この動きは単独ではありません。テンセントは2026年5月には、マルチモーダルAIエージェントの開発フレームワークを提供するStreamとの提携も発表しています。さらに、Inworld AIとの提携発表と同じ**6月16日の「Tencent Cloud Day Korea 2026」**では、AIエージェントの統合ポートフォリオを発表し、韓国市場を重要拠点と位置づけるなど、グローバルでのAIエコシステム構築を加速させています。一連の動きは、テンセントクラウドがリアルタイムAIコミュニケーションの分野で、グローバルなデファクトスタンダードを目指していることの表れと言えるでしょう。