生成 AI で DX 化を加速！Gemini 2.0 Flash でカラオケのユーザー体験向上と業務効率化を実現する開発

通信カラオケ「DAM」を展開する株式会社第一興商様は、ユーザーにもっと快適な体験を提供するため、生成 AI を活用した汎用ツールを開発。本プロジェクトをアイレットが支援させていただきました。

株式会社第一興商様（以下、第一興商様）は、カラオケのリーディングカンパニーとして創業以来50年以上にわたり、歌いやすさ、音質、臨場感あふれる映像など、機能・コンテンツの充実とともに幅広い音楽の普及に取り組んでいます。同社が提供する通信カラオケ「DAM」では、「歌う楽しさ」と「歌う環境」を追求し、音楽文化のさらなる振興と楽しいコミュニケーションの場を提供することを目指しています。

同社のカラオケ楽曲検索では、楽曲やアーティスト名を検索する際に、一部の言語表記では検索にヒットしないという課題がありました。たとえば、中国語の簡体字では検索できるものの繁体字ではヒットしないケースがあり、また英語やその他の言語で登録された楽曲やアーティスト名がハングルで検索した場合に正しく表示されないこともあったのです。さらに、歌詞データの管理においても、画像や PDF に記載された歌詞を手作業で文字起こしし、データベースに登録する作業が発生しており、業務の効率化が求められていました。

こうした背景から、検索精度の向上と業務負担の軽減を目指して生成 AI の活用を検討。ご依頼いただいたアイレットは、今後も様々な機能開発や業務効率化に生成 AI を活用していくことを見据え、開発や運用の内製化を可能にする汎用ツールの開発を提案いたしました。

今回は Google Cloud の Vertex AI を活用した汎用ツールを開発。以下の3つの機能を統合したツールを構築しました。

• 歌手名、楽曲名の簡体字から繁体字への自動変換
• 歌手名、楽曲名の複数言語からハングルへの自動変換
• 画像や PDF に記載された歌詞データの自動文字起こし

生成 AI の開発には Gemini 2.0 Flash を使用。従来の機械翻訳では対応が難しかった楽曲名やアーティスト名のローカライズにも対応し、より自然で正確な変換を実現しています。たとえば、K-POP の楽曲は韓国語・英語など言語によって異なるタイトルが使われることが多いのですが、本ツールではそれぞれの言語のタイトル名を把握した上で適切な言語に変換し、検索結果を表示できるようになっています。なお、このデータに関しては現状運用として利用を始めており、検証した結果は100％に限りなく近い精度を誇っています。

加えて、歌詞データの文字起こし機能では、画像や PDF からの文字認識を自動化し、従来は手作業で行なっていたデータ入力の工数を削減することで、カラオケの楽曲管理業務の効率化につなげるため、現在検証中となります。

そして、このツールの大きな特徴は、第一興商様が新たな言語の変換機能や文字起こし機能などを開発する際、翻訳家の手配やシステム改修、専門的な知識を必要とせず、設定ファイルの変更だけで対応可能な柔軟性を備えている点です。これにより、生成 AI を活用した様々な機能開発を社内で完結し、迅速かつ低コストで実装できるようになりました。

ツールの導入により、以前は繁体字やハングルで検索にヒットしなかった楽曲が適切に表示されるようになるため、ユーザー体験の向上が見込めます。また、歌詞データの文字起こしを自動化したことで、手作業で行なっていた業務の工数やコスト削減にもつながることが期待できます。

さらに、近年カラオケのインバウンド需要が高まる中、様々な国の訪日観光客にも利便性の高いカラオケ体験を提供できるようになったことも大きなポイントです。

第一興商様はこの汎用ツールをさらに発展させ、新たな言語変換やデータ処理の自動化など、DX 推進を加速させていく予定です。今後もアイレットはお客様に寄り添い、豊富なノウハウと技術力の提供を通じて事業成長を支援してまいります。

（使用プロダクト）

• ・Vertex AI
  • Gemini 1.5 Pro / 2.0 Flash
  • Grounding with Google Search

• ・Cloud Storage

• ・Cloud Functions

• ・Cloud Run Jobs