現場音声×LLMで、話し言葉を業務データに構造化する｜Voice AI研究開発インターン 建設・設備・製造などの現場では、今も紙への記録や、事務所へ戻ってからの再入力が多く残っています。 iTANでは、現場で話した内容をAIが解析し、点検記録や報告帳票へ変換するVoice AIプロダクトを開発しています。 今回募集するのは、すでに動いているプロダクトを、実際の現場で使える精度まで引き上げる研究開発インターンです。 音声を文字にするだけではありません。 ・専門用語、数字、単位を正しく認識する ・崩れた話し言葉から必要な情報を抽出する ・抽出結果を適切な帳票項目へ反映する ・話されていない必須情報を検知する ・現場の人が確認、修正しやすい体験をつくる 音声認識、自然言語処理、LLM、データ分析、UX設計を横断して取り組みます。 現在、正解データ付きの検証音声163件、正規化辞書100語以上、9種類の入力テンプレート、変更前後を比較できる評価環境があります。 扱うのは、騒音、専門用語、言い直し、省略、発話漏れを含む現場の話し言葉です。 担当テーマは経験や興味に応じて決定します。 ・音声認識モデル、設定、プロンプトの比較 ・専門用語、数字、単位、型番の認識改善 ・発話から必要情報を抽出する方法の改善 ・LLMによる構造化出力の安定性検証 ・必須項目の不足検知 ・評価データ、評価指標、回帰テストの整備 ・追加質問や確認画面などの音声UX設計 仕事は、失敗ケースの観察、原因分類、仮説立案、実装、比較検証、考察の記録というサイクルで進めます。 改善が数字に表れないことや、別のケースを悪化させることもあります。「この方法では改善しない」と確認できたことも成果として扱います。 このプロジェクトは、代表、技術責任者、エンジニアなどの少人数で進めています。インターン専用の練習課題ではなく、実際のプロジェクトメンバーとして、何を測るか、どの課題から解くか、どの改善をプロダクトへ反映するかという議論から参加してもらいます。 技術責任者の石澤は、仙台の高等専門学校、東京工業大学大学院で情報工学を学び、デジタル信号処理を用いた脳波解析や歩行支援技術の研究に携わりました。その後、新日鉄ソリューションズで大規模システム開発を経験し、現在は技術と顧客業務の両面からプロダクトを担当しています。 代表の倉田は、経営者向けコンサルティング、IT企業での営業組織づくり、新規事業立ち上げを経験し、2018年にiTANを創業。顧客課題と技術をどうプロダクトとして届けるかを一緒に考えます。 必須要件 ・大学、大学院、高等専門学校などに在籍している ・Pythonでデータ処理や検証コードを書ける ・研究または技術検証の経験がある ・仮説、比較条件、評価結果を説明できる ・失敗した結果も記録、共有できる ・日本語の話し言葉について議論できる ・最低2か月参加できる 音声認識、自然言語処理、信号処理、機械学習、HCI、Flutterなどの経験は歓迎します。 期間は最低2か月、週8〜12時間程度。フルリモート可能です。2か月以降も興味があれば、継続してより広いプロダクト開発に関わってほしいと考えています。 学生として見学するのではなく、少人数のチームで技術責任者や代表と直接議論し、実際に使われるプロダクトを一緒につくりたい方を募集します。