あなたの音声AIは、地方の高齢者の声を「正しく」認識できますか？
全国屈指の難解方言「山形弁」のネイティブ自然発話と、完全な標準語対訳を収録。標準語に過剰適合した音声認識（ASR）や対話AIの「真のロバストネス（頑健性）」を測る、商用利用可能な高品質・評価用パラレルコーパス。
音声AIの実社会実装を阻む、「方言」と「高齢者」の壁
現在の音声認識モデルやLLMは、標準語やニュース音声の学習に最適化されています。そのため、以下のような実証実験やビジネス現場で、致命的な精度低下を引き起こしていませんか？
自治体・行政サービス
高齢者向け音声アシスタントが、利用者の言葉を全く理解できず使われない。
コールセンターAI
地方からの問い合わせ電話で誤認識が頻発し結局オペレーターによる対応が必要になる。
モデルの限界テスト
自社で開発したASRモデルが、標準語以外のイレギュラーな入力に対してどこまで耐えられるか（ストレステスト）の定量的な評価指標がない。
山形弁は、県内でも4地域（村山・庄内・最上・置賜）で発音・語彙が全く異なる、全国でも屈指の難解方言です。本データセットは、AIの限界を検証するための「最強のストレステスト環境」を提供します。
本データセットがAI評価の「最適解」である理由
徹底した「自然発話」と「完全対訳（パラレルコーパス）」
用意された原稿を読む「朗読音声」ではなく、山形弁ネイティブによる日常の「自然発話」を収録。音声ファイルに加え、実発話に忠実な「素起こしテキスト」と「標準語対訳」を完備。自動化ツールでは絶対に作れない、人手による高品質な正解データです。
詳細なメタデータとアノテーション
話者の属性（年代・性別・出身地域・現居住地）に加え、言い淀み、フィラー、笑い、ノイズ区間などのタグ付けを実施。「庄内地方の60代以上の会話」など、評価したい条件での細かなフィルタリングが可能です。
商用利用・権利関係が完全にクリア
すべての収録話者から、音声収録、データ整備、商用利用、評価用途での利用に関する同意を正式に取得済み。プライバシーや著作権のリスクを排除し、安心して自社モデルの検証・評価にご利用いただけます。
このようなプロジェクトに最適です
ASR（音声認識）モデルの評価指標構築
既存の標準語モデルに対する、Word Error Rate（WER）の劣化率測定に。
音声対話エージェントの理解性能テスト
音声UIが、地方特有の語彙やイントネーションをどこまで意図理解（NLU）できるかの検証に。
誤認識の傾向分析とファインチューニングの基礎検証
どのような音韻変化や方言特有の表現でシステムが失敗するのかの分析に。
データセット基本仕様
| 項目 | 仕様 |
|---|---|
| 対象話者 | 山形弁ネイティブ話者（主に家庭内・地域内で自然に使用する話者） |
| 収録地域 | 山形県内4地域（村山・最上・置賜・庄内）を網羅 |
| 発話タイプ | 自然発話、対話発話、日常会話表現など |
| 音声仕様 | WAV形式 / PCMエンコード / 16kHz〜48kHz / モノラル |
※ より詳細なアノテーション仕様やメタデータ構造については、詳細仕様書(PDF)をご覧ください。
提供データ一式
- 音声ファイル (WAV)
- 書き起こしテキスト（素起こし・実発話忠実）
- 標準語対訳ファイル
- メタデータ (CSV/JSON：話者属性・収録環境等)
プロジェクトの規模に合わせた柔軟な提供形態
評価用途に特化した高品質パッケージから、オーダーメイド収録まで対応いたします。
プランA：評価用基本セット
AIモデルのベンチマークテストに最適な、バランスの取れた標準セット。
プランB：条件別サブセット
「特定の年代」「特定の地域」のみを指定してご購入いただけるプラン。
プランC：カスタム追加収録
貴社の指定する対話シナリオ、特定のノイズ環境、特定の話者属性に合わせて新規に収録・アノテーションを行います。
よくある質問
方言の壁を越え、すべての人が使える音声AIへ。
まずは無料サンプルデータで、その圧倒的な品質と「難易度」をご体感ください。詳細な仕様書（PDF）もすぐにお送りいたします。