解決できる課題 事業紹介トップ 経営データ分析基盤 AI導入・業務改善 AI 業務アプリ 基幹システムのWeb化・段階移行 複雑な SaaS を専用 UI に Shopify Plus 移行・拡張 生成AI 活用(Multi AI) SEO / AIO / 広告運用 顧問・アドバイザリ インフラ構築 PHP脆弱性対策・更新 WordPressからEmDashへの移行 自社メディア投資・開発
AI導入 AI導入・業務改善 ChatGPTの社内導入 OpenAI Codex導入 AI運用・定着 Claude / MCP 総合 Claude Cowork Claude Code 導入支援 Claude Code 使いこなし支援 Claude Design MCP 開発・サーバー構築
EC構築・移行 Shopify Plus トップ EC-CUBEからShopifyへの移行 大手カートからの移行 Shopify 通常プラン EC サイト構築
実績
業界ニュース 業界ニュース トップ AI ニュース └ Claude └ ChatGPT・Codex └ Gemini └ その他 Shopify ニュース SaaS ニュース お知らせ(自社発信)
会社情報 相談する
2026.11.07

Open ASR Leaderboardにエジプト・ナイジェリア英語アクセントが追加

記事のサマリー(TL;DR)

  • Hugging FaceはOpen ASR LeaderboardにLiva AIとの協業により、エジプト英語とナイジェリア英語の非公開データセットを新たに追加しました。
  • 両データセットはいずれも自発的な会話スタイルで、句読点・大文字小文字・非流暢性(言い淀みなど)を含む書き起こしが付与されています。
  • 新アクセントの追加に伴い、Private タブでKachruの「三つの同心円(Three Circles)」モデルに基づくアクセントの内訳表示が導入されました。

詳細

これまでの経緯

数か月前、Open ASR LeaderboardにはAppenとDataOceanAIによる非公開データが追加されました。これは5種類のアクセントにわたる台本読み上げおよび会話形式の音声からなる11分割のデータセットです。コミュニティからの反応は好評で、信頼できる評価のためにはホールドアウトセット(評価専用の非公開データ)が重要であるという指摘が多く寄せられました。その後、Voice Arenaによるインド英語アクセントの非公開分割データが追加されています。

Liva AIとの新たな協業

今回、Hugging FaceはLiva AIとの新たな協業により、エジプト🇪🇬とナイジェリア🇳🇬という2つの新しいアクセントの非公開データを追加すると発表しました。

追加されたデータセットの詳細は以下の通りです。

データセット アクセント 収録時間 [h] スタイル 書き起こし
Liva AI Conversational EG エジプト 1.34 会話形式、自発的発話 句読点・大文字小文字付き、非流暢性を含む
Liva AI Conversational NG ナイジェリア 1.55 会話形式、自発的発話 句読点・大文字小文字付き、非流暢性を含む

この取り組みは、ASR(自動音声認識)評価における多様なアクセントおよび言語の代表性を高めるとともに、ベンチマーク対策的なスコアの最適化(benchmaxxing)を防ぐための非公開データの追加や、新たなデータ提供元の確保を通じて評価の信頼性を高めることを目的としています。

Privateタブにおけるアクセント内訳の充実

今回の新アクセント追加により、Kachruの「三つの同心円」モデルに基づいた、より詳細なアクセントの内訳表示が可能になりました。これはHume AIが自社のリーダーボードで採用していたアイデアを参考にしたものだと説明されています。

Open ASR Leaderboardでは今後、以下の区分で結果が表示されます。

  • 米国 vs. 非米国(英国、オーストラリア、カナダ、インド、ナイジェリア、エジプト)
  • Inner Circle(米国、英国、オーストラリア、カナダ)vs. Outer & Expanding Circles(インド、ナイジェリア、エジプト)

今後さらに多くのアクセントが追加されるにつれて、Outer CircleとExpanding Circleは分割して表示される予定です。

Liva AIについて

Liva AIは、実際の人々が利用する消費者向け製品を通じて、マルチモーダルなインタラクションデータを収集しています。Livaはデータ収集の環境と配信の両方を所有しているため、ドメイン、業界、言語、モダリティ、インタラクションの種類といった観点でのモデルの特定のギャップに合わせて製品を設計できるとしています。これにより、人為的に引き出されたものやタスクベースのインタラクションではなく、実際の製品利用の中で自然に生じる高コンテキストな行動データへのアクセスが可能になるとされています。