人間が話し終わる前に検索や処理を開始する音声AI「Phonic-1」が登場、応答までの待ち時間を大幅に短縮

音声AIを開発するPhonicが2026年10月29日に新たな音声AIモデル「Phonic-1」を発表しました。相手が話し終わる前に情報の検索や外部サービスとの連携を開始できるのが特徴で、従来の音声AIと比べて応答までの待ち時間を大幅に短縮できるとのことです。

Introducing Phonic-1 and our $27.5M Series A | Phonic Blog
https://phonic.ai/blog/phonic-1

多くの音声AIは人間の声を一度文字に変換し、AIが回答を考えた後に音声として読み上げる仕組みのため、情報の検索や予約の確認といった作業が必要になると返答までに時間がかかるほか、音声を文字に変換する過程で声の調子や言葉の間にある沈黙などの情報も失われてしまいます。

Phonic-1は「Speech-to-Speech」と呼ばれる方式を採用し、音声を直接処理すると同時に、人間の発言が終わるのを待たずに必要な作業を開始することで会話が途切れる時間を減らせる仕組みとのこと。

例えば旅行について質問された場合、Phonic-1は相手の話を聞きながら必要な情報を検索します。公式サイトで公開された比較デモでは、Phonic-1が発言中に5件の外部ツールを呼び出し、発言終了から1.1秒後に回答しました。

一方、比較対象となったOpenAIの「GPT-Live」は発言終了後に外部ツールを呼び出し、回答までに15.7秒かかっています。

Phonic-1は応答速度に加えて会話の自然さも重視しており、相手の声の調子を理解したり、周囲に雑音がある環境でも発言のタイミングを判断したりできるとのこと。

第三者機関のPodonosによる音声の比較テストでは、Phonic-1の応答がGPT-Live-1の応答より好まれた割合は61.5％でした。一方、人間の声と比較したテストでは人間の声が57.0％の割合で選ばれており、Phonicも会話の自然さには改善の余地があると認めています。

また、Phonic-1は50以上の言語で学習しており、会話の途中で言語を切り替えても同じ声で応答できるとのこと。

Phonic-1は記事作成時点ですでに利用可能となっており、Phonicはカスタマーサポートや採用面接、物流などの分野で音声AIの導入を進めていくとのことです。