リアルタイム翻訳の精度：
ベンチマークが示すもの

リアルタイム会議翻訳ツールは、クリーンな英語音声で85〜95%の音声認識精度を達成しますが、背景ノイズのある多言語通話では65〜80%まで低下します。翻訳では第二の変数が加わります：EN-ESとEN-FRのペアは現代のLLMパイプラインで約88〜92%に達し、EN-ZHとEN-JAは75〜82%になります。これらの数字が実際の会議でどう意味するか、そして主要4ツールの比較結果をご紹介します。

通話の3分目に、東京のクライアントが「ちょっと難しいです」と言いました。字幕には「少し難しい」と表示されます。あなたはうなずいて次のスライドへ進みます。47分後、彼らが伝えたかったのは「これは私どもには難しい状況です」だったとわかります。翻訳の失敗ではなく、コンテキストの失敗です。より高精度のモデルなら捉えられたはずの失敗です。この記事ではそのギャップについて解説します。

精度についての主張はあちこちにあります。しかし、音声から文字、そして翻訳までのパイプライン全体をカバーする、検証済みの会議特有のベンチマークはほとんど存在しません。私たちは30分間のEN+ZH二言語ビジネス通話を4つの主要ツールで処理し、WMT 2024とCHiME-6チャレンジデータセットの公開データと組み合わせました。以下が判明したことです。

リアルタイム翻訳精度の測定方法

単語誤り率（WER）：STTの指標

単語誤り率（WER）は音声認識システムが誤認識する単語の割合を測定します。100単語の文で5%のWERは、5単語が誤り、置換、または欠落していることを意味します。トップシステムはクリーンで制御された音声で5〜8%のWERを達成します。会議音声はより難しい状況です。

背景ノイズ、複数の話者、ノートパソコンのマイク、非ネイティブアクセントにより、CHiME-6チャレンジの自然会議データによると、実際の会議環境でのWERは一貫して15〜25%に達します。これが「予算を承認する」が「予算を証明する」になる差であり、下流の翻訳にその誤りが引き継がれます。

ストリーミングSTTはさらに別の要素を加えます。リアルタイムシステムは文章が完成する前に一時的な単語トークンを確定し、より多くの音声が届くにつれて修正します。この単語ごとの自己修正がストリーミングを速く感じさせる要因ですが、2秒目の字幕が4秒目の字幕と異なる場合があることを意味します。精度ベンチマークが測定するのは最終確定テキストですが、あなたの会議が依存するのはライブ読みです。

BLEUスコアと機械翻訳品質

BLEU（Bilingual Evaluation Understudy）スコアは機械翻訳が人間の参照訳にどれほど近いかを測定します。スコアは0から100の範囲で、50以上であれば良好と見なされます。WMT 2024では、ほとんどのエンタープライズMTシステムが一般的な言語ペアで40〜60点を取得します。

EN-ESとEN-FRは現代のLLMパイプラインで一貫して52〜60 BLEUを達成します。EN-ZHとEN-JAは35〜48の範囲にあります。AIの翻訳が劣っているのではなく、構造的な違い（語順、文字間のスペースなし、文脈依存の意味）により、参照訳と単語レベルで一致しない有効な翻訳が自動スコアリングでペナルティを受けるためです。

リアルタイム利用に関する重要なニュアンス：BLEUはドキュメントレベルで計算されます。ストリーミング翻訳は文章の断片、時には個々の単語で動作します。有効な文レベルの品質はドキュメントベンチマークより10〜15点低くなります。実験室でスコアが高いものが、急ピッチな営業電話の4分目に苦労することはよくあります。

誰も話さないパイプラインの問題

会議翻訳は二段階です：音声をテキストに変換し、次にテキストを翻訳します。第一段階の誤りが第二段階に連鎖します。10%のWERは、約10単語に1単語が誤りであることを意味します。その誤った単語が名前、数字、または否定語の場合、「承認されていない」が「承認された」になると、翻訳が誤りを引き継ぎ、多くの場合さらに増幅します。

私たちの推計では、10%のSTT WERはビジネス語彙において翻訳出力で20〜30%のセマンティック劣化を引き起こす可能性があります。なぜなら、MTモデルは元の単語が誤りであることを知る方法がないからです。これが、STTとMTを単独でベンチマークすることが的を外す理由です。重要な数字は実際の会議音声における結合パイプライン品質です。

リアルタイム翻訳精度に影響する5つの要因

1. 音声品質と背景ノイズ

背景ノイズは、STTエンジンの選択よりも精度に大きな影響を与える最大の要因です。私たちのテストでは、静かな部屋でUSBヘッドセットからノートパソコン内蔵マイクに切り替えるだけでWERが5〜8パーセントポイント上昇しました。典型的なオープンオフィスの背景ノイズを加えると、ベースラインよりさらに15〜20ポイント上昇しました。

会議室のスピーカーフォンは特に難しい状況です。音が壁で反射し、複数の話者が重なり合い、マイクは各声から遠くに位置しています。これらの条件下でのWERは、最強のSTTエンジンでも通常25%を超えます。30ドルのUSBヘッドセットは、悪いマイクで高級ツールにアップグレードするよりも精度向上に貢献します。

2. 話者のペースとアクセント

1分間に180単語を超える速い話者は、バッファが次のバーストが到着する前にセグメントを確定できないため、ストリーミングSTTに負荷をかけます。速い音声での精度は通常の会話ペースに比べて5〜10%低下します。重要なポイントでは15〜20%遅くすることが、ソフトウェアを変更せずに最も簡単に精度を向上させる方法です。

アクセントのある英語はより複雑なパターンを示します。主要なSTTシステムは過去2年間で一般的な非ネイティブアクセントについて大幅に改善されています。当社のストリーミングSTTは、アジア訛りの英語においてWhisperと比較して特に良好なベンチマーク結果を示しており、MirrorCaptionの主要ユースケースであるEN-ZHおよびEN-JA会議に関連しています。重いリージョナルアクセントと文中の言語切り替えはすべてのシステムにとって依然として難しい課題です。

3. 言語ペアの難しさ

すべてのペアがリアルタイム翻訳で同じように難しいわけではありません：

• 簡単なペア（EN-ES、EN-FR、EN-DE、EN-PT）：GPT-4パイプラインで約88〜92%。共通の語彙ルーツ、類似した文構造、豊富なトレーニングデータ。
• 中程度のペア（EN-RU、EN-AR、EN-HI）：約80〜86%。異なるスクリプトや語順が曖昧さを生む；ビジネス語彙のトレーニングデータが少ない。
• 難しいペア（EN-ZH、EN-JA、EN-KO）：約75〜82%。表語文字または膠着語的なスクリプト、単語間のスペースなし、豊富な敬語体系、および正確に解決するために完全な文脈を必要とする構造的差異。

リアルタイムシステムは難しいペアでより多くのペナルティを受けます。なぜなら、完全な発話ではなく文章の断片から、部分的なコンテキストで翻訳に取り組むからです。ここがストリーミングとバッチのギャップが最も大きい部分です。

4. ストリーミングとバッチのトレードオフ

Otter.aiのような事後ツールは、通話終了後に完全な音声をフル文脈で処理します。だからOtterはクリーンな英語で90〜95%の精度を達成します。リアルタイムストリーミングツールは500ms以内に確定します。これは本物のトレードオフです。

しかし、代替手段を考えてみてください。Priyaはムンバイのチームと日本のエンタープライズクライアントの間で国際営業通話を担当しています。特に混乱した通話の後、彼女は事後トランスクリプトツールを使い始めました。それは何が間違っていたかの洗練されたサマリーを提供してくれました。彼女が見逃した価格に関する反論は12分目のトランスクリプトにありました。彼女はそれを75分目、通話が終わった後に読みました。

通話終了後に届く92%正確なトランスクリプトは、12分目の価格反論に応答するのに役立ちません。話者がまだ話している間に表示される84%正確な字幕は役立ちます。精度はライブの意思決定において主要な指標ではありません。タイミングがそれです。

5. コンテキストフィーディングとドメイン語彙

一般的なLLM翻訳モデルは技術的なビジネス語彙、製品名、財務用語、規制フレーズに苦労します。「Strike」は野球、労働法、ボーリングでそれぞれ異なる意味を持ちます。コンテキストがどちらかを決定します。単文翻訳はしばしば最も一般的な表現にデフォルトして誤ります。

MirrorCaptionは各翻訳呼び出しに直前の3〜5会話セグメントを投入します。そのコンテキストウィンドウにより、モデルは営業コンテキストで「deal を成立させる」について話しているのか、労働コンテキストで「ストライキ行動」について話しているのかを知ることができます。私たちの内部テストでは、このアプローチが同じ音声の単文翻訳と比較してドメイン語彙の精度を約15〜20%向上させることが示されています。コンテキストフィーディングはコードスイッチング時に最も重要です。話者が会話の途中で言語を切り替える瞬間が、コンテキストなしのMTが最も速く崩壊する場所です。

2026年主要リアルタイム翻訳ツールのベンチマーク

翻訳品質＝ビジネス会議音声における複合STT+MTパイプラインパフォーマンス。出典：WMT 2024共有タスク結果、CHiME-6チャレンジデータ、実地テスト。Otterのクリーン英語（事後処理）でのSTT精度は約90〜95%；「該当なし」はリアルタイム翻訳の欠如を反映しており、STT品質ではありません。

Zoom AI Companion

Zoom AI Companionは限られた言語ペアセット（EN-ES、EN-FR、EN-JA、EN-ZHを含む約5つの組み合わせ）にライブ翻訳を提供します。クリーンな英語でのSTT精度は競争力があり、私たちのテストでは約86〜90%でした。EN-ESの翻訳品質は堅実で、約89%でした。EN-ZHはビジネス語彙で低下しました。特に一貫性なく表示された固有名詞と製品名において顕著でした。

厳しい制約はプラットフォームロックインです。Zoom AI CompanionはZoom内でのみ機能します。相手がTeamsを使用している場合、またはクライアントと対面で会話している場合は、別のツールが必要です。翻訳には特定の有料プランティアも必要で、基本ライセンスでは利用できません。

Google Meet Live Translation

Google Meetのライブ翻訳は高速で、Google Workspace内では無料で、一般的なヨーロッパのペアで優れています。私たちのテストでのEN-ESとEN-FRの品質は約88%でした。EN-ZHは一般的なビジネスフレーズで76〜80%に達し、技術的な語彙や固有名詞ではさらに低下しました。Googleのモデルは曖昧なフレーズを最も一般的な表現にデフォルトとし、会社名や製品用語が一般的な中国語の単語と衝突する場合に問題が生じます。

主要な制限は字幕が一時的なものであることです。エクスポート可能なトランスクリプトなし、話者帰属なし、AIサマリーなし。3分前に字幕ウィンドウに表示されたものは消えています。言われたことを確認したり、フレーズを検索したり、通話に参加していなかった同僚と記録を共有したりする必要がある場合、Google Meetでは対応できません。

Otter.ai

Otter.aiの事後英語STT精度は優れており、クリーンな音声で90〜95%、このリストの中で最高です。完全な録音が完了するまで確定を待つためです。品質は際立っています。Otterのトランスクリプトはリアルタイムストリーミング出力にはない、洗練された読みやすさを持っています。

しかし、Otterはリアルタイム翻訳を提供していません。翻訳は会議終了後に英語トランスクリプトの翻訳版を生成する追加機能です。英語のみの内部要約には、Otterは優れています。今話されていることに応答する必要のある二言語会議では対応できません。詳細な機能比較については、MirrorCaption vs. Otter.aiの比較をご覧ください。

MirrorCaption（自研 STT + GPT-4）

MirrorCaptionのパイプラインは、文字起こしに当社のWebSocketストリーミングSTTを、翻訳にGPT-4を使用し、直前の3〜5会話セグメントをコンテキストとして各呼び出しに投入しています。エンドツーエンドのレイテンシは500ms未満です。話者がまだ話している間に単語ごとの出力が表示され、より多くのコンテキストが届くにつれて一時トークンが自己修正されます。

私たちのテストでのSTT精度はクリーンな英語音声で約88〜92%でした。混合アクセントのEN+ZHセグメントでは約78〜84%に低下しました。ビジネス語彙でのEN-ZH翻訳品質は約80〜85%で、EN-ESの単独フレーズベンチマークを下回りますが、直前のセグメントが重要な多ターンビジネスコンテキストでは上回ります。率直な制限：サポートされる主要60言語以外の低リソース言語ペアでは、GPTバックエンドの翻訳には音声側の当社STTがカバーするような専門的なドメイントレーニングがありません。

アジア系言語ペアには異なるアプローチが必要な理由

HiroshiはUS製品リードにレポートする東京拠点のエンジニアリングチームを管理しています。週次のスタンドアップは英語で行われ、Hiroshiの第二言語で、上手だが母国語ではありません。ある木曜日、USリードが機能の納期スケジュールについて尋ねました。Hiroshiは「We can try to make that date」と返答しました。日本のビジネス文化では、このフレーズは強い暗黙の疑念を持ちます。「おそらく難しいでしょう」という丁寧な言い方です。英語のビジネス文化では、「we can try」は慎重ながらも楽観的に聞こえます。製品リードはその機能をコミット済みとしてマークしました。2週間後、チームはHiroshiのサイドでは既に非現実的と内々に合意していた日付を逃しました。

その会議では翻訳ツールが失敗したわけではありません。会話は英語で行われました。失敗したのは言葉と文化的レジスターのギャップで、そのギャップはアジア系言語ペアで最も大きいです。

構造的な理由は具体的です。日本語と中国語は、ヨーロッパ語語が行わない方法でコンテキスト、関係、語順を通じて意味を伝えます。「ちょっと難しいです」は日本語では文字通り「少し難しい」ですが、ビジネス交渉では深刻な疑念や丁寧な断りを意味します。EN-ES翻訳は同じレベルでこの問題に直面しません。なぜならスペイン語と英語は文構造と直接性の慣習を共有しているからです。

日本語、中国語、韓国語にまたがる多言語リモートチームの実用的なポイントはこれです：アジア系言語ペアの精度パーセンテージは、使用するツールに関係なく、常にヨーロッパ系ペアより低くなります。ツール間の差は数字だけでなく、システムが字義通りの翻訳が誤解を招く場合を捉えるのに十分な会話コンテキストを投入しているかどうかです。

コンテキストフィーディングは役立ちます。すべての文化的レジスターのギャップを解決するわけではありません。アジア市場での高リスクの交渉には、明確化のための時間を確保し、両言語を知っている人間のモデレーターとAI翻訳をペアリングすることを検討してください。ツールは量を処理します。人間はツールが見逃すニュアンスを捉えます。

リアルタイム翻訳精度を向上させる5つの方法

1. ヘッドセットを使用し、ノートパソコンのマイクを使わないでください。これは最も影響が大きい単一の変更です。口元に近い位置にあるUSBまたはBluetoothヘッドセットは周囲のノイズを軽減し、ほとんどのエコー問題を排除します。ソフトウェアを変更する前にWERを5〜15パーセントポイント下げます。
2. ソース言語を明示的に設定してください。自動検出はほとんどの場合機能しますが、処理時間が増え、通話の最初の数秒を誤認識することがあります。セッション開始時にソース言語をENまたはZHに設定することで、重要な早期コンテンツでのフォールスタートエラーを排除します。
3. 60秒のキャリブレーション音声から開始してください。アジェンダの前の軽い会話は、STTエンジンがあなたの声、部屋、ネットワークに適応する時間を与えます。セッションの最初の60秒のトランスクリプション品質は、通話の残り部分よりも一貫して低くなります。最も重要なコンテンツから始めないでください。
4. 自己修正する単語に注目してください。ストリーミングモードでは、単語が表示されて後で変わることがあります。その場合、最終バージョンはより信頼性が高く、システムは最初の推測を修正するのに十分なシグナルを受信しました。変更なく残った単語は高い信頼度でコミットされました。
5. EN-ZHまたはEN-JA通話では、明確化のための時間を確保してください。これらのペアでは約75〜85%の精度を想定し、それに応じて計画してください。価格設定、コミットメント、スコープ変更などの重要な意思決定ポイントでは、15秒の確認ループを設けてください：「理解したことを確認させてください。」後で誤解を解くよりも速いです。

よくある質問

正しい問いは「最も正確」ではありません

リアルタイム翻訳精度はパイプラインの問いであり、単一の数字ではありません。STT精度、翻訳品質、言語ペアの難しさ、コンテキストフィーディング、レイテンシはすべて相互作用します。クリーンな英語ベンチマークで95%を取得し、実際のEN-ZH営業通話で72%のツールは、あなたのチームにとって95%精度のツールではありません。

実際に最もパフォーマンスが高いツールは、4つすべての側面でバランスを取ります：通話中に読むのに十分な速さ、意図を捉えるのに十分な精度、限界についての誠実さ、そして単一のプラットフォームにロックされていないこと。会議ボットなしでプラットフォームや言語ペアを超えたリアルタイム会議翻訳は、MirrorCaptionが構築されているベースラインです。

あなたの現在のツールを、実際の会議に関わる言語ペアでまだテストしていない場合、今がその時です。月2時間無料、クレジットカード不要です。