AIxBlock
AIxBlock · コーディング · ビジネス
AIxBlockは音声AIと大規模言語モデル向けの企業トレーニングデータを手がける。100以上の言語で音声と対話を収集・文字起こし・アノテーションし、顧客自身のストレージへ直接納品する。
AIxBlock について
About
AIxBlockとは
AIxBlockは、音声モデルと言語モデルを開発するチームにトレーニングデータを供給する。100以上の言語で収集・文字起こし・アノテーションの案件を回し、完成したデータセットは自社サーバーに残さず買い手へ引き渡す。企業向けトレーニングデータの提供者として、この違いが提案の核にある。銀行、医療、政府、防衛といった顧客では、ベンダーがコピーを一切持たないようにデータの流れを設計している。
サービスは二つの柱に分かれる。音声側には、人声の収集、話者ラベル付きの逐語文字起こし、音声記号のアノテーション、感情タグ、環境音や効果音の収集があり、加えて数十万時間の実通話を収めたコールセンター音声データセットを用意する。米国、インド、フィリピンなどのアクセントを網羅する。テキストと対話側には、会話のアノテーション、意図と固有表現のラベル付け、RLHFの選好データ、指示チューニング向けのLLMトレーニングデータ、そしてレッドチーム評価がある。
同社は2023年に現体制の事業を始め、欧州連合のイノベーション支援を受ける。それ以前にOracle、AWS、Apple、Uber、Uniphore向けの大型案件を手がけたとしている。セルフホスト型AIデータ基盤が全体をつなぐ。データエンジン、学習と評価の環境、GPUマーケットプレイスを備え、顧客自身のインフラに導入できる。こうしたデータアノテーションサービスは、自前でアノテーター集団を抱えずに規模を確保したいチームに向く。
利点と同じくらい制約も大きい。これはサービス事業であり、ダウンロードできるアプリではない。料金は商談の後に決まる。小規模チームや趣味用途は対象外で、無料データセットの公開ページは研究用途のみのライセンスだ。
はじめ方
- 案件の要件を持って営業チームに連絡する。本格的な案件にセルフサービスの申し込み口はない。
- データの範囲を決める。言語、アクセント、モダリティ、量、アノテーションの仕様。
- 自分のストレージを基盤に接続する。収集・ラベル付けされたデータが初日から自社環境に入る。
- AIxBlockのチームが収集とアノテーションを実行する。品質管理は多層で、定期的にすり合わせる。
- 納品されたデータセットを確認し、同じ基盤上でモデルの学習・微調整・評価に使うこともできる。
AIツール情報
AIxBlockの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- 機密データを外部クラウドへ送ることが禁じられている銀行、病院、公共機関のAIチーム。セルフホスト納品はまさにこの制約のために作られている。
- 多言語の本番規模の音声を必要とし、自前で協力者集団を抱えたくない基盤モデル・音声のラボ。ただし案件計画と予算は必要だ。
- ASRやTTS向けに、アクセントのある実会話音声を求める音声プロダクトやアシスタントの開発者。既存の録音をライセンスできるなら、既製のコールセンター音声ライブラリが納期を縮める。
- 生テキストではなく、人間の選好順位やレッドチームのデータを必要とする安全性・アラインメントの研究者。RLHFデータセットを内製すると調整役と審査済みの協力者集団が要るが、ここではそれを省ける。
タスク
- 新しい言語やアクセントの音声収録を集める。母語話者、あらゆる方言、台本ありでも自然な会話でも対応する。
- 既存の音声を文字起こししてアノテーションする。逐語テキスト、話者分離、タイムスタンプ、音声記号のラベルをまとめて付ける。
- LLM向けにRLHFや微調整のデータセットを組む。人間の選好順位、回答の比較、品質スコア。
- ゼロから集めずに既製のコールセンター音声をライセンスする。金融、医療、通信、旅行などの領域で数十万時間。
- モデルの安全性をレビューして評価する。レッドチーミング、バイアス検出、ベンチマーク形式の評価。
- 分類モデル向けに効果音や環境音を調達する。街の騒音、機械音、家庭内の音、ラベル付きの音響シーン。
シーン
- 銀行が多言語の顧客対応データを必要とするが、現地ルールが持ち出しを禁じている。データは自社環境に入り、ベンダー側には何も残らない。
- 音声AI製品を十数の市場で出す。それぞれの市場でアクセントをカバーする必要がある。取引先を十数社に分けず、一社で言語の広がりを押さえる。
- 実験室が、スクレイピングしたテキストの薄いニッチ領域で行き詰まる。協力者の選別と領域の専門家が穴を埋める。
- モデルが幻覚を起こし、アラインメントの作業が要る。選好データとレッドチーム評価が微調整の材料になる。
- 手持ちの録音で今日始めたい。既製ライブラリからのライセンスは、数週間の収集サイクルより速い。
主な機能
音声とLLMのための企業トレーニングデータ
AIxBlockの仕事は、普通なら別々のベンダーに分かれる二本の流れで成り立つ。音声の流れはASR、TTS、音声アシスタント向けの収集・文字起こし・アノテーションを担い、音声トレーニングデータを供給する。対話の流れは会話のアノテーション、意図と固有表現のラベル付け、RLHFの選好データ、指示チューニング用データセットを担う。両方を同じ相手から買えば、契約と品質プロセスは二つではなく一つで済む。
セルフホストによるデータ主権
規制の厳しい顧客には、基盤が初日から自社ストレージに接続する。収集・ラベル付けしたデータは自社環境に入り、AIxBlockはコピーを持たない。同社はこれを方針の約束ではなくアーキテクチャの保証として位置づける。データを保有しない以上、転売も再利用も物理的にできないという理屈だ。導入はオンプレミス、プライベートクラウド、規則が求める場合は閉域網でも可能だ。
既製のコールセンター音声ライブラリ
一時間ずつゼロから集める代わりに、顧客は常備ライブラリから数十万時間の実通話をライセンスできる。カタログは米国、インド、フィリピンなどのアクセントと複数のインド系言語を網羅し、金融、医療、通信、旅行、保険といった領域をカバーする。人間の文字起こしが付く項目もあり、生の会話音声だけを求めるチームはアノテーションの手間を省ける。
協力者の選別を軸にした品質管理
AIxBlockは一度の確認ではなく複数の層で守る。協力者は実際のタスクで選別し、コンセンサスで基準を作って優秀な人を自動的に選ぶ。稼働中の作業者には無作為にブラインドテストを配り、品質のずれを検知する。各案件には少なくとも三つの品質ロール（QA、QC、第二のQC）が常時関わる。機密案件では、本人確認にKYCと生体認証を含む。
アラインメント作業のための対話・RLHFデータ
テキスト系のサービスは、基盤モデルのラボとアシスタントを作るプロダクトチームを狙う。多ターンの会話アノテーション、意図分類、固有表現抽出、人間の選好順位、SFT用のプロンプトと応答のペア、加えてレッドチームとバイアスの評価をそろえる。RLHFデータアノテーションもここに含まれ、これらは微調整やアラインメントのパイプラインが実際に消費するデータセットで、スクレイピングした生テキストとは性格が違う。
データエンジンとGPUマーケットプレイスを備えたセルフホスト基盤
データサービスの背後には、より包括的なAI開発基盤がある。収集とアノテーションを担うデータエンジン、学習と評価の環境、必要な分だけ使えるGPU計算のマーケットプレイスを一つにまとめる。スタック全体をセルフホストできるため、規制下のチームはデータ、学習の実行、完成したモデルを同じ統制範囲に置ける。
メリットとデメリット
メリット
- データ主権の納品は宣伝文句ではなく実物だ。顧客が自分のストレージを接続し、ベンダーは作業コピーを残さない。SaaSのアノテーション基盤で止まっていたコンプライアンス審査の多くが通る。
- 一社で音声、効果音、対話、RLHFデータを網羅する。多言語の案件は契約一つ、品質プロセス一つで回る。
- 既製のコールセンターライブラリを使えば、数週間の収集サイクルを待たずに今日から音声をライセンスできる。
- 多言語の対応範囲は本当に広い。約100言語に母語話者がおり、アクセント、方言、コードスイッチングも扱う。
- ISO 27001やSOC 2 Type IIといったセキュリティ認証があり、調達担当が確認できる書面がそろう。
デメリット
- 公開の価格表がない。案件ごとに営業見積もりになるため、予算を立てにくく、気軽な比較もしづらい。
- セルフホストは導入と保守のハードルを上げる。インフラの経験がないチームは、導入も運用もベンダー頼みになる。
- サービスモデルは企業規模を前提にしている。個人開発者や小規模チームでは、作業そのものより手続きが重く感じられる。
- 無料データセットは研究限定だ。公開された配布物で商用製品を学習させたいなら、データをライセンスする必要がある。
よくある質問
AIxBlockは音声AIと大規模言語モデル向けの企業トレーニングデータを手がける。100以上の言語で音声と対話を収集・文字起こし・アノテーションし、既存のコールセンター音声の大きなライブラリもライセンスする。チームはその成果でAIモデルを学習、微調整、評価する。
関連コンテンツ
AIxBlockに関連するツール、スキル、記事を探す。
AIxBlockの代替ツール
Base Code
Base44 (Wix) · コーディング · 生産性向上Base CodeはBase44の共有クラウド開発環境だ。既存のGitHubリポジトリに対する変更をチャットで伝え、プレビューで確認し、プルリクエストとして返せる。
Google EmbeddingGemma 2
Google DeepMind · ライティング · 画像 · コーディングGoogle EmbeddingGemma 2 は 7 億 4000 万パラメータのオープンなモデルで、テキスト、コード、画像、音声、動画フレームを同じ 768 次元空間のベクトルに変え、スマートフォンやノート PC 上で動く。
GitGlow
GitGlow · コーディング · 生産性向上GitGlow は自分のコードと AI エージェントの変更を一つのレビューにまとめるデスクトップ Git クライアントだ。出荷前に、マシンから何が出ていくのかを確かめられる。