選び方と比較

ACES Meet——話者の声を貯めて識別精度を上げる、という設計

東大松尾研発のACESが出しているAI議事録ツールです。特徴は「話者ごとの声の特徴を蓄積・照合する特許技術」で、使うほど誰が話したかの識別が正確になるという作り。この分野で最も崩れやすい部分に正面から取り組んでいますが、裏返しの論点もあります。

Recory 編集部編集

2026.09.01 読了 7分 価格・仕様の確認 2026.09.01

株式会社ACESが出しているAI議事録ツールです。東京大学松尾研究室発の会社で、公式サイトもそこを前面に出しています。この分野の製品を並べたとき、この製品だけが違う方向を向いている部分があります。話者識別への取り組み方です。話者識別は文字起こしとも要約とも別の処理で、どこが独立しているかはAI議事録とは何かに整理しました。

話者識別を、蓄積で解く

AI議事録でいちばん壊れやすいのが話者分離です。5人で話した会議が3人にまとめられる、途中から入った人が既存の話者に吸収される、といった崩れ方は製品を問わず起こります。原因は単純で、多くの製品がその1回の音声だけを手がかりに分けようとするからです。声質が近い2人がいれば、区別する材料がありません。

ACES Meetは、ここに別の解き方を持ってきています。公式の説明は「利用するほど、話者ごとの声の特徴を蓄積し、照合に活用。継続的に識別精度が向上し、発言の整理がより正確になります」で、これを特許技術としています。1回の音声で分けるのではなく、その人の声の特徴をあらかじめ持っておいて照合する、という作りです。

この設計が効くのは、同じ顔ぶれが繰り返し出る会議です。社内の定例、担当が固定された取引先との商談、毎週の1on1。こういう会議では、蓄積が効いて識別が安定していく方向に働きます。逆に、毎回はじめての人が入る会議——採用面接や大人数のセミナー——では、蓄積の効果は出にくいはずです。

固有名詞と業界用語についても同じ考え方が使われています。辞書に登録すると音声認識モデルが継続的に学習し、誤変換を減らすと説明されています。社内用語が多い会議ほど、この機能の価値は高くなります。

裏返しの論点——声紋を貯めるということ

強みの説明をしたので、裏側も書きます。「話者ごとの声の特徴を蓄積する」というのは、声紋のデータを貯めるということです。

これ自体は珍しい技術ではありませんし、識別精度を上げるためには合理的な設計です。ただし記録の対象には、自社の社員だけでなく取引先の担当者や、面接に来た人も含まれます。その人たちの声の特徴が事業者側に蓄積されることについて、社内でどう扱うかは決めておいたほうがいい論点です。

もう一点、公式サイトの説明からは読み取れなかったことがあります。蓄積された声の特徴が、自社のテナント内だけで使われるのか、それとも全体の音声認識モデルの改善にも使われるのかが書かれていません。「使えば使うほど学習し、社内専用AIに進化」という表現からは前者に読めますが、明示はされていません。議事録が学習に使われるかどうかの確認の仕方は別の記事にまとめてありますので、導入前にこの点を問い合わせる価値があります。

これは欠点の指摘ではありません。蓄積で精度を上げる設計を選んだ以上、必ず出てくる論点だというだけのことです。他社の「その回だけで分ける」設計は、この論点を持たない代わりに、精度が上がっていく仕組みも持ちません。どちらを選ぶかは、会議の顔ぶれと社内の規定で決まります。

精度は、相対値で示されています

公式サイトにある精度の表現は「LLM技術を応用した音声認識モデルに比べて、文字起こしの修正が必要な箇所は約40%削減」というものです。ここには読み方の注意が2つあります。

1つは、比較対象が明示されていないことです。「LLM技術を応用した音声認識モデル」がどれを指すのかは書かれていません。この分野には得意・不得意の出方が違うエンジンが複数あり、どれと比べたかで数字は変わります。

もう1つは、絶対値ではないことです。修正が必要な箇所が40%減ったというのは、元がどれだけあったかによって意味が変わります。他社が掲げる「精度98%」のような数字とは、そもそも比べられません。この分野の精度の数字が何を測ったものかは、製品ごとに違います。

とはいえ、「修正が必要な箇所」を指標に置いていること自体は、実務に近い測り方です。利用者が本当に知りたいのは正解率ではなく、そのまま共有できるかどうか、直す手間がどれだけ残るかです。公式も「議事録を"そのまま共有できる"精度」という言い方をしています。書き起こしのあとにフィラーや言いよどみの除去、表現の正規化、句読点の処理をかけるとも説明されていて、素起こしから整文までのどこを担うかがはっきりしています。

商談の記録に寄せた作りです

導入事例に並んでいるのが営業とセールス・イネーブルメントの文脈に偏っていて、機能もそちらに寄っています。

商談の記録を、そのまま次の行動につなげるという設計です。商談の議事録に何を残すと次が楽になるかは商談記録の書き方にまとめていますが、そこで挙げている項目の多くは、SFAの入力項目とほぼ重なります。人がやると面倒な転記を自動化する、という発想は理にかなっています。

導入事例で挙げられている数字には「議事録作成の工数を7〜8割削減」「録画取得率が10%未満から95%超に」といったものがあります。後者は精度の話ではなく、そもそも記録が残るようになったという話で、実務ではこちらのほうが効くことがあります。

公式が数字を出していない項目

2026年9月1日時点で、公式サイトに記載を確認できなかったのは次です。

セキュリティについては「ACES Meetはセキュリティー対応を最優先事項として捉えています。必要に応じて貴社のセキュリティーポリシーに準拠するべく対応いたします」という記載があります。個別に対応する構えだと読めますが、認証を取得しているかどうかは別の話です。社内の規定でISO27001が条件になっているなら、認証を明記しているサービスと並べて検討することになります。

向く場面・向かない場面

向く

• 同じ顔ぶれの会議が繰り返しある。声の蓄積が効くのはこの条件です
• 「誰が言ったか」が業務上重要。話者識別に正面から取り組んでいる数少ない製品です
• Salesforceを使っている。商談の内容を項目へ自動反映する連携があります
• 社内用語・業界用語が多い。辞書登録が継続的に学習に反映されます
• 対面の商談が中心。スマホアプリで対応しています

向かない

• 価格を先に知って比較したい。料金が公開されていません
• 毎回はじめての人が入る会議が中心。蓄積による精度向上は効きにくいはずです
• 声のデータを事業者に貯めることに社内の合意が取れない。設計の中心がここにあります
• ISO27001の取得が導入の条件。認証についての記載を確認できませんでした
• 個人で使いたい場合。法人向けの作りで、価格も問い合わせ前提です

内容は2026年9月1日時点の公式サイト（meet.acesinc.co.jp）の記載です。変わることがあるので、契約前に公式でご確認ください。

よくある質問

あわせて読む

AIレコーダーで話者が分かれないときに、まず見るところPLAUDでもオートメモでも、3人の会議で話者が区別されないことがあります。録り方で直るものと、どうやっても直らないものを切り分けます。その議事録サービスは、あなたの会議で学習するか「AIに学習されない」は、どのサービスでも同じではありません。使うと明記している会社、全プランで使わないと決めた会社、上位プランでだけ外せる会社があります。国内外4社の原文を並べました。話者分離が外れる2つの壊れ方。片方は直せて、片方は直せない5人の会議が3人になる「潰れ」と、1人が複数に分かれる「割れ」。同じ音源を6通りに通して実測したところ、直せるのは割れだけでした。道具を選ぶときの判定方法もまとめます。商談の議事録に何を残すと、次の商談が楽になるか商談記録は社内共有のためだけの書類になりがちです。次回の自分が使える記録にするために残すべき5項目と、担当者が逆になる事故を防ぐ書き方をまとめます。