Corti Symphony for Speech-to-Textは、医療AI企業Cortiが2026年5月20日に公開した、臨床に特化した音声認識サービスである。医療従事者のリアルタイムな書き起こし、診療会話の文字起こし、録音ファイルのバッチ処理を、単一のAPIシステムで提供することを目標としている。汎用的なSpeech-to-Textが日常言語を書き起こす汎用的な秘書であるのに対し、Symphonyは、薬物名、診断名、投与量、医療略語を理解するように訓練された、臨床専門の記録アシスタントに近い。音声をテキストに変換するだけでなく、臨床ワークフローで後続の処理が可能な構造化された出力をサポートし、複数の言語に対応する医療音声モデルを提供することが特徴である。 汎用的な音声認識エンジンは、一般的な会話で高い精度を示すものの、発音が似ている薬物名、単位を含む投与量、専門的な診断名と略語が連続して登場する臨床環境では、エラーが累積する可能性がある。これらのエラーは、単なる誤字脱字ではなく、診療記録の検証時間の増加とデータ品質の低下につながる。Symphonyの差別化ポイントは、医療語彙と音声フォーマットコマンドを中心に、モデルと出力システムを設計した点にある。Cortiは、自社の医療音声評価において、汎用モデルと比較して、単語誤り率（Word Error Rate、WER）が最大93％低かったと報告している。ただし、この数値はCortiが実施した評価結果であるため、実際の導入前には、対象言語、診療科、録音機器と騒音条件を反映した独立した検証が必要である。 臨床研究者は、Symphonyを診療室での会話や遠隔相談の録音の文字起こし層に接続し、返された構造化された結果を、電子カルテへの入力前の検証画面や自然言語処理パイプラインに転送することができる。例えば、30分間の外来相談の録音をバッチ処理した後、薬物名、診断名、投与量の表現を抽出し、人が元の音声と比較することで、手作業による文字起こしよりも、検証を中心とした作業フローを構築することができる。リアルタイムの書き起こしでは、医療従事者が音声フォーマットコマンドを使用して記録を作成し、結果を保存する前に、患者の識別情報と臨床的な主要項目を確認する方法を適用することができる。 製薬・臨床試験環境では、多施設でのインタビューや有害事象に関する相談の音声を、同じ文字起こしAPIで処理した後、構造化されたテキストを症例報告書のレビューや安全性シグナルの探索の入力として活用することができる。多言語モデルのサポートは、異なる言語圏の医療音声を共通の処理フローに接続する可能性を提供するが、具体的なサポート言語と地域ごとの精度については、公式ドキュメントを確認する必要がある。また、医療音声には機密性の高い個人情報が含まれているため、実際の運用では、データの保存場所、保存期間、暗号化、アクセス制御、および関連する医療情報規制の遵守範囲を、契約とセキュリティドキュメントで別途検証する必要がある。

Corti Symphony for Speech-to-Textは、医療AI企業Cortiが2026年5月20日に公開した、臨床に特化した音声認識サービスである。医療従事者のリアルタイムな書き起こし、診療会話の文字起こし、録音ファイルのバッチ処理を、一つのAPIシステムで提供することを目標とする。汎用的なSpeech-to-Textが日常言語を書き取る汎用的な秘書であるのに対し、Symphonyは、薬の名前、診断名、投与量、医療略語を理解するように訓練された、臨床専門の記録アシスタントに近い。音声をテキストに変換するだけでなく、臨床ワークフローで後続の処理を行うことができる。

🔬 外来診療の会話の文字起こし: 例えば、30分間の診療録音をバッチ処理し、構造化された結果から薬剤名、診断名、投与量の表現を抽出し、元の音声と比較する。汎用モデルと比較して最大93%低いWERという開発元の評価を、実際の診療科別のサンプルで再検証し、記録のチェック効率を判断する。