KAMEとは
KAMEとは、音声AIに「すぐ話す係」と「内容を深く考える係」を並行して動かすSakana AIの研究アーキテクチャです。音声の応答を始めた後に、後方のLLMが作る候補を会話中へ取り込みます。受付担当が話し始め、隣の専門家がメモを差し込むような仕組みです。
2026年4月29日に研究発表されました。2026年7月時点では論文に加えて、推論コードと公開モデルの導線を確認できます。
速い会話系と深く考える系を同時に走らせる
前面ではSpeech-to-Speech(S2S)モデルが、相手の音声からすぐに返答を作り始めます。速さに強い一方、複雑な知識を組み立てるのは苦手になりがちです。
後方ではLLMが同じ質問を読み、応答候補を生成。その候補を会話が続く間に前面へ渡すことで、「考え終わってから話す」以外の設計を狙う構成です。後方のLLMは仕事に合わせて差し替えられます。
音声窓口のPoCでは速さと正しさを分けて測る
KAMEは完成した会話サービスの商品名ではなく、リアルタイム音声AIの研究モデルです。電話受付や商品案内で試すなら、最初の返答までの時間、最終回答の正しさ、途中で言い直す頻度、会話ログを追えるかを別々に見ます。
返答開始が速いことと、業務判断まで速く正確に終わることは同じではありません。本番導入前に、間違いを人へ戻す条件と、類似サービスを同じ会話で比べる評価表を用意するのが安全です。
TopicKAMEは略語ではなく日本語の「亀」
KAMEは英字の技術略語に見えますが、公式は日本語の「亀」を意味すると説明しています。研究ページにも亀のアイコンが登場。長い英語名を縮めた言葉だと早合点しないのが小さな読みどころでしょう。
KAMEに関するよくある質問
- KAMEのコードやモデルは公開されていますか？
- 2026年7月16日時点で、Sakana AIのGitHubに推論コード、Hugging Faceにモデルページが公開されています。自社で試す場合は、それぞれのライセンスと実行環境も確認します。
- KAMEの後方で使うLLMは固定ですか？
- 公式発表では、後方のLLMは仕事に合わせて差し替え可能とされています。実務では、接続先の利用条件、データの取り扱い、応答速度も合わせて比べます。
