国際ニュース：AFPBB News
このニュースをシェア
FlashLabs、世界初となるリアルタイム音声対話モデル「Chroma 1.0」を公開 Hugging Face世界1位を獲得。わずか数秒のサンプルから「本人の声」を再現するオープンソースAI2026年1月23日FlashIntel Japan株式会社FlashIntel Japan株式会社（本社：東京都千代田区、代表取締役：細井 洋一）は、FlashLabsが1月16日、世界初となるオープンソースのエンドツーエンド・リアルタイム音声対話モデル「Chroma 1.0（クロマ）」を正式公開したことを発表いたします。Chroma1.0はAI開発のための世界最大級のオープンソースプラットフォームHugging Faceにてマルチモーダルカテゴリで1位を獲得（2026年1月22日時点）。Chroma公開のXの投稿は100万回表示を突破しています。 Chroma 1.0は、音声入力から音声出力まで約147ミリ秒の低遅延を実現し、数秒の参照音声から高精度な個別化音声生成を可能にします。コールセンターや営業の電話対応など、ビジネスの現場で人間に代わって対話するAIとしての活用が期待され、すでにFlashIntel Japan株式会社が提供するエンタープライズ向け音声エージェント基盤FlashAI 2.0上で実運用されています。クローズドAPIが主流であったリアルタイム音声AI分野において、Chroma 1.0は研究・開発・実装のすべてを開放した、初の実用レベルのオープンモデルとなります。 【画像：https://kyodonewsprwire.jp/img/202601222899-O1-Dl7pSZ5W】 【画像：https://kyodonewsprwire.jp/img/202601222899-O2-hwm6esi2】 背景：音声AIの遅延問題と個別化の課題 従来の音声AI システムは、音声認識（ASR）→テキスト処理（LLM）→音声合成（TTS）という多段階処理により、応答遅延が発生していました。また、話者の声質を保持したままリアルタイムで対話する技術は、計算コストと精度の両立が困難でした。コールセンターや顧客対応の現場では、自然な会話速度と個別対応が求められており、技術的なブレークスルーが必要とされていました。 【画像：https://kyodonewsprwire.jp/img/202601222899-O2-hwm6esi2】 Chroma 1.0とは：「声を声のまま理解するAI」 Chroma 1.0は、音声を音声のまま処理する「Speech-to-Speech（S2S）」設計を採用し、以下の特徴を備えた世界初のモデルです（当社調べ、2026年1月時点）。 世界初の特徴（当社調べ、2026年1月時点）： ・オープンソース（コード・モデル重みを含む全公開） ・エンドツーエンド音声間処理（ASR→LLM→TTSを介さない） ・リアルタイム対話（200ミリ秒未満の応答） ・数秒の参照音声からの個別化音声クローニング 調査範囲： 主要オープンソースリポジトリ、論文データベース（arXiv等）、主要ベンダー公開情報（OpenAI Realtime API、Elevenlabs等）を対象に、上記4条件を同時に満たすモデルの有無を確認。 【画像：https://kyodonewsprwire.jp/img/202601222899-O2-hwm6esi2】 技術的特徴：性能データと計測条件 Chroma 1.0は、研究・管理環境下で以下の性能を示しました。 ◆ 低遅延リアルタイム応答 エンドツーエンドTTFT（Time To First Token）：146.87ミリ秒 音声入力から最初の音声出力までの時間 測定条件：単一GPU環境、標準ネットワーク、平均3〜5秒の音声入力 ◆ 高速推論 RTF（Real-Time Factor）：0.43 実時間の半分以下で処理完了（実時間の2倍以上の速度） 測定条件：同上 ◆ 高精度音声類似度 Speaker Similarity（話者類似度）：0.817 人間ベースライン（0.73）比で +10.96% の向上 評価指標：客観的話者類似度評価 数秒の参照音声から高精度な個別化音声を生成 ◆ 軽量・高効率設計 パラメータ数：約40億（4B） Qwen2.5-Omni-3B、Llama 3クラスに匹敵する対話性能 ストリーミング生成に対応し、連続的な音声出力を実現 ◆ インターリーブ設計 テキスト-音声トークンスケジュール（1:2） テキストと音声を同期生成し、自然なターンテイキング（会話の交代）を実現 【画像：https://kyodonewsprwire.jp/img/202601222899-O2-hwm6esi2】 想定ユースケース Chroma 1.0は、以下の分野での活用を想定しています。 1. コールセンター・カスタマーサポート 音声応答の待ち時間を短縮し、自然な会話フローを実現。顧客ごとに最適化された音声で対応することで、満足度向上とオペレーター負荷軽減を両立。 2. 営業・インサイドセールス リアルタイム音声エージェントが初期対応を担当し、商談機会の取りこぼしを削減。人間らしい声での見込み顧客との自然な対話で、人的リソースを高付加価値業務にシフト。 3. 予約・問い合わせ対応 24時間365日、遅延のない音声対応を提供。飲食店、医療機関、公共施設等での無人受付や多言語対応に活用可能。 4. 音声ネイティブなマルチモーダルAIアプリケーション 音声インターフェースを核とした新サービスの構築。教育、エンターテインメント、アクセシビリティ支援等、多様な領域での応用が期待される。 5. 音声アシスタント・バーチャルヒューマン 個別化された音声で対話するAIキャラクターやアバター。ゲーム、メタバース、パーソナルアシスタント等での利用を見込む。 FlashLabsが提供している電話対応AIエージェントFlashAI上でも実装され、大手システム提供会社を含めた同サービス利用者にも順次公開されます。 【画像：https://kyodonewsprwire.jp/img/202601222899-O2-hwm6esi2】 オープンソース公開内容： Chroma 1.0は、研究・開発・実装のすべてを公開しています。 ◆ 公開内容 モデルウェイト（Hugging Face） https://huggingface.co/FlashLabs/Chroma-4B ソースコード（GitHub） https://github.com/FlashLabs-AI-Corp/FlashLabs-Chroma 技術論文（arXiv） https://arxiv.org/abs/2601.11141 ◆ ライセンス Apache License 2.0 商用利用、改変、再配布が可能。研究機関・企業・個人開発者が自由に活用できます。 ◆ 動作環境 GPU推奨（NVIDIA A100、H100等） transformersライブラリ最新版 PyTorch最新版 【画像：https://kyodonewsprwire.jp/img/202601222899-O2-hwm6esi2】 デモと検証 ◆ デモ動画 リアルタイム対話と個別化音声生成の実際の動作を確認できます。https://www.youtube.com/watch?v=AOMmxTwsam0 ◆ 技術レポート 測定方法、ベンチマーク詳細、アーキテクチャ解説を論文で公開。再現手順も含め、第三者による検証が可能です。 ◆ ベンチマーク結果 主要な音声理解・推論・対話タスクにおいて、同クラスのモデルと競合する性能を確認。詳細は論文のTable 5を参照。 【画像：https://kyodonewsprwire.jp/img/202601222899-O2-hwm6esi2】 コメント FlashLabs 創業者兼Global CEO 石 一（Yi Shi） は次のように述べています。 「リアルタイム音声AIは、クローズドであるべきではありません。Chroma 1.0は、音声AIを"開かれた知能"として次の段階へ進めるための第一歩です。従来の多段階処理では、遅延、誤り伝播、副言語情報の損失が避けられませんでした。エンドツーエンド設計により、これらの課題を根本から解決しました。開発者コミュニティとともに、音声AIの民主化を推進します。」 【画像：https://kyodonewsprwire.jp/img/202601222899-O2-hwm6esi2】 FlashIntel Japan株式会社について FlashIntel Japan株式会社は、次世代AIエージェントおよび音声AI基盤の研究・開発・提供を行うAI企業です。営業AI基盤システムFlashRev、電話AIエージェントFlashAIをはじめ、に日本市場における生産性革新を推進しています。 会社名： FlashIntel Japan株式会社代表者： 代表取締役 細井 洋一所在地： 東京都千代田区事業内容： AIエージェント基盤、リアルタイム音声AI、企業向けAIソリューションの研究開発・提供ウェブサイト： https://www.flashlabs.ai/ 【画像：https://kyodonewsprwire.jp/img/202601222899-O2-hwm6esi2】 報道関係お問い合わせ先 FlashIntel Japan株式会社電話： 03-6869-2514担当： 広報担当 提供：共同通信ＰＲワイヤー プレスリリース 一覧へ>BOT