音声合成や音声エージェントを手がける米ElevenLabs(イレブンラボ)は、日本語の音声AIモデルを開発する東京のスタートアップ、Kotoba Technologies(コトバ・テクノロジーズ)を買収すると発表した。発表文の日付は2026年11月16日で、18日に更新されている。Kotobaのモデルを取り込み、日本で企業向けのAIエージェントと音声インターフェースの導入を広げる。買収は規制当局の承認などの条件を満たしたうえで、2026年10〜12月期の後半に完了する見込みだという。両社の発表には買収額の記載がない。

日本語の「空気を読む」を音声AIに

ElevenLabsは発表で、買収の狙いを日本語の難しさから説明した。日本語の文では主語や目的語が省かれることがあり、相手によって使う言葉も変わる。会話の間は気まずさではなく考えていることを示し、褒められても謙遜し、直接「ノー」と言うことは避けられる。日本語には言葉にされないことを察する「空気を読む」という表現さえある、と記した。

そのうえで、人がAIとやり取りする仕組みを、どの言語・文化でも自然に使えるものにすることが自社の目標だとし、音声研究の知見と日本市場への理解を持つKotobaを「最適なパートナー」と位置づけた。

共同創業者で最高経営責任者(CEO)のマティ・スタニシェフスキ氏は「人々が話す言語や従う社会規範を、テクノロジーのアーキテクチャに当初から反映する必要がある」と述べ、Kotobaは日本でそれを実現してきたと評価した。共同創業者で最高技術責任者(CTO)のピョートル・ドンブコフスキ氏は、日本語は音声モデルを作るうえで技術的な課題が多い言語だとし、両社の研究を合わせることで、ElevenLabsが手がける技術全体で日本語の性能が上がると説明した。

Kotobaとはどんな会社か

Kotobaは2023年、AI研究者の小島熙之氏と笠井淳吾氏が設立した。ElevenLabsの発表によると、CEOの小島氏は米コーネル大学でコンピューターサイエンスの博士号を取得し、AI開発基盤の米Hugging Faceで研究員を務めた。CTOの笠井氏は米ワシントン大学で博士号を取得し、シカゴ大学豊田工業大学院(TTIC)で助教を務めた。

小島氏は、理化学研究所のスーパーコンピューター「富岳」で学習させた大規模言語モデル「Fugaku-LLM」の開発にも加わっている。2024年5月10日の公開時の発表には、東京工業大学(当時)、東北大学、富士通、理研、名古屋大学、サイバーエージェントと並び、Kotoba Technologiesの小島CEOが開発者として名を連ねた。Fugaku-LLMは130億パラメーターのモデルで、研究と商業目的での利用が認められている。

Kotobaの主力は音声モデル「Koto」だ。同社のサイトによると、文章を音声で読み上げる「テキスト読み上げ」、話した言葉を文字にする「文字起こし」、ある言語の発話を別の言語の音声に変える同時通訳向けの「音声から音声への変換」を1つのモデルで担う。読み上げの応答時間は50ミリ秒未満とうたい、日本語、韓国語、中国語の精度を強みに掲げる。クラウドのほか、企業の自社設備や端末の上でも動かせる。同時通訳のアプリ「Kotoba」も提供している。

小島氏は買収の発表で「Kotobaの創業時から、日本発の最先端AI研究所をつくることを目標にしてきた」と振り返り、ElevenLabsとともに音声AIの開発と普及を進めると述べた。笠井氏は「東京に最先端のAI研究所を設立し、音声AIエージェントから同時通訳まで、人々の生活を変えるプロダクトをつくることを夢見てきた」とコメントした。

Salesforceの音声エージェントも採用

ElevenLabsによると、Kotoはすでに世界の大手企業に使われている。米Salesforceは、AIエージェントの音声版「Agentforce Voice」での日本語の会話にKotoを使っている。

両社にはSalesforceの投資部門Salesforce Venturesが出資している。同部門のパートナー、ノウィ・カレン氏は発表で、ElevenLabsとKotobaの両社を支援してきたことを誇りに思うと述べた。

AIエージェントは、利用者の求めに応じて調べものや手続きを自ら進めるAIのことだ。ElevenLabsは、企業の問い合わせ窓口などで電話や音声で応対するエージェントの基盤を提供している。同社によると、自社のエージェントは週に1500万件を超える会話を処理し、2月から3倍に増えた。顧客企業を分析したところ、音声のエージェントはチャットのエージェントより平均31%早く問題を解決したという。AIに作業を任せる機能を巡る大手IT企業の動きは「グーグル、AIに作業を任せる「Tasks in Gemini」日本でも無料に 電話代行や決済は米国限定」でも伝えた。

評価額220億ドル、東京にも拠点

ElevenLabsは2022年創業の音声AI企業で、ロンドンやニューヨークなどに拠点を置く。2026年2月に5億ドルを調達した際は、ロンドン、ニューヨーク、サンフランシスコ、ワルシャワ、東京、ソウル、シンガポールなど14都市で、各地に根ざした営業チームを通じて国際展開を進めると表明していた。

企業の評価額は急速に上がっている。同社の発表によると、最初の資金調達をした2022年の評価額は900万ドルだった。2026年2月のシリーズDでは110億ドルとなり、9月30日に発表した従業員の保有株売却(テンダーオファー)では220億ドルと、半年あまりで2倍になった。売上高の55%を企業向けが占め、従業員は800人を超える。音声モデルは90以上の言語に対応しているという。

時期 出来事 評価額
2022年 最初の資金調達 900万ドル
2026年2月 シリーズDで5億ドル調達 110億ドル
2026年9月 従業員の保有株売却 220億ドル
ElevenLabsの評価額の推移出典: ElevenLabsの発表(「ElevenLabs raises $500M Series D at $11B valuation」「ElevenLabs valuation increases to $22 billion」)

日本で営業責任者を採用へ

ElevenLabsは今回の買収を「日本全国の日常的なやり取りで、直感的に使え、信頼されるAIを実現する長期計画の第一歩にすぎない」と位置づけた。今後数か月で日本の営業責任者の採用を進め、日本でのインフラへの投資も続けるとしている。日本企業と、日本で事業を展開する多国籍企業との連携を深める考えだ。

Kotobaは買収の発表の5日前、11月11日にも、Crestaとの提携を自社サイトで発表していた。題は「Kotoba Partners with Cresta to Bring Real-Time Voice AI to Contact Centers Worldwide」で、リアルタイムの音声AIを世界のコンタクトセンターに届けるとしている。10月19日には、サービス「fal」でKotobaの音声AIが使えるようになったと告知した。

笠井氏は今回の統合で「日本と東アジアにおける音声AIの次なる波」を主導したいと述べた。Kotobaは日本語に加えて韓国語と中国語にも強みを掲げており、ElevenLabsがKotobaの研究を自社の音声モデルにどう組み込むかが今後の焦点になる。買収の完了時期は2026年10〜12月期の後半とされ、規制当局の承認が条件となっている。