OrcaRouter、研究論文が自然言語処理の国際会議「EMNLP 2026」Main Conferenceに採択

音声認識の誤りが高度なマルチホップRAGで最大67%増幅されることを、1万2,000件の音声クエリで実証

FlashLabs株式会社

2026年8月27日 20時00分

FlashLabs株式会社（本社: 東京都千代田区、代表取締役: 細井洋一、以下「FlashLabs」）が日本独占提供するAI推論ゲートウェイ「OrcaRouter」を開発する、米国のAI研究機関Continuum AIの研究論文「Better Retrieval, Worse Robustness: How Multi-hop RAG Amplifies Upstream ASR Errors」（より良い検索、より脆弱な堅牢性 ― マルチホップRAGが上流の音声認識誤りを増幅する仕組み）が、自然言語処理分野の国際会議「EMNLP 2026」（Conference on Empirical Methods in Natural Language Processing、2026年10月24日〜29日・ハンガリー・ブダペスト開催）のMain Conferenceに採択されました。本論文はarXivにて公開しています。

音声で質問を入力するタイプのAIサービスでは、話した言葉が自動音声認識（ASR）によってテキスト化された後、外部知識を検索して回答を生成するRAG（Retrieval-Augmented Generation、検索拡張生成）の仕組みが使われます。このときASRの誤認識は、検索より前に発生する「上流の制約」としてパイプライン全体に影響します。本論文は、この音声認識の誤りがRAGの回答精度にどの程度影響するかを、1万2,000件の音声クエリで体系的に検証した研究です（※1）。

【主なポイント（※1）】

音声認識の1語の誤認識が、検索・推論・回答の各段階に波及し、最終的な回答精度を下げる「カスケード」現象を実証
複数回の検索・推論を組み合わせる高度なマルチホップRAGでは、単純なRAGと比べて誤認識の影響が最大67%増幅
検証規模: 1万2,000件の音声クエリ（3つのマルチホップQAベンチマーク × 各1,000問 × 4つの英語アクセント）
クエリ内の固有名詞の誤認識が回答劣化の主因（ベンチマーク別に劣化事例の87〜96%）
論文・評価コード・データセットを一般公開（評価コードはApache 2.0ライセンス）

音声ベースAIの普及と「上流の誤り」という課題

音声アシスタントやコールセンターの音声対応など、音声ベースのAIサービスが急速に普及しています。こうしたサービスでは、ユーザーの発話をテキストに変換するASRの精度が、その後の回答品質を左右します。一方、LLM（大規模言語モデル）が外部の知識ベースを検索して回答を生成するRAGは、音声ベースのAIと組み合わせて使われるケースが増えています。

RAGには、複数回の検索と推論を繰り返して複数の情報源をまたぐ「マルチホップ」と呼ばれる高度な構成があり、単純な構成よりも高い回答精度を実現できるとされています。しかし、音声認識の誤りがこうした高度な構成に与える影響は、これまで体系的に検証されていませんでした。

研究の内容と結果

本研究では、米国・インド・フィリピン・ナイジェリアの4つの英語アクセントで合成した音声クエリ合計1万2,000件を用い、単純な検索方式から、エンティティグラフ連携、反復的なクエリ書き換え、それらの組み合わせまで、4種類のRAG構成を3つのマルチホップQAベンチマーク（HotpotQA、2WikiMultiHopQA、MuSiQue）で比較評価しました。ASRにはWhisper-large-v3とSeamlessM4T-v2-largeの2系統を用い、ナイジェリア英語の実音声500件でも検証しています。

その結果、構造が高度なRAGほどテキスト入力時の回答精度は高い一方で、音声認識の誤りが与える影響も大きく、テキスト入力と音声入力の精度差は単純なRAGと比べて36〜67%拡大することが、3つのベンチマークすべてで確認されました。劣化の主因はクエリ内の固有名詞の誤認識で、対象ベンチマークでは劣化事例の87〜96%を占めました。また、複数の候補から選択する「N-best復号」や音素レベルの補正といった軽量な対策では、精度差の大部分を回復できないことも明らかになりました。これらの結果は、RAGの構造そのものが音声認識の誤りを増幅することを示しています。

今後の展望

本研究成果は、音声ベースのAIサービスの設計には、ASRの固有名詞認識精度の向上と、誤りに耐性のある検索構造の両方が重要であることを示唆しています。FlashLabsは、音声を活用したAIサービスとRAGを組み合わせるシステムの信頼性向上に、本研究成果を活かしてまいります。

「OrcaRouter」について

OrcaRouterは、米国のAI研究機関Continuum AIが開発し、FlashLabs株式会社が日本市場向けに独占提供するAI推論ゲートウェイです。OpenAI互換のAPIを備え、Anthropic、OpenAI、Google Gemini、DeepSeek、Grok、Qwenなど200以上のLLM・生成AIモデルを単一のゲートウェイから利用できます。直近では、GPT-5.6、Claude Opus 5、Gemini 3.6 Flash、Grok 4.6、Muse Spark 1.2など、各社の最新モデルが公開後まもなくカタログに追加されています。OrcaRouterのAIモデル一覧からすべてのモデルを確認できます。

最大の特徴は、リクエストの難易度をリアルタイムに判定し、最適なモデルへ自動で振り分けるアダプティブ・ルーティングです。同機能により、コストを40%以上削減しながら約99%の品質を維持します（当社調べ）。キャッシュを考慮したルーティングや、高難度タスクを高性能モデルへ自動的に引き上げる「Frontier Escalation」にも対応しています。

また、トークン単価へのマークアップは一切なく、上流プロバイダの公表単価のまま利用できます。自社のAPIキーを利用するBYOK（Bring Your Own Key）に対応し、ベンダーロックインなしで複数モデルを経済的に使い分けることが可能です。さらに、回転式の無料モデルを提供し、コストをかけずに各モデルの性能評価ができます。

会社概要

FlashLabs株式会社

本社所在地: 東京都千代田区一番町10番8号
代表取締役: 細井洋一
設立: 2023年7月
事業内容: AI応用研究所（"Human-AI Hybrid"による営業・カスタマーエクスペリエンスの自動化・自律化。オープンソース音声モデルChromaシリーズの開発元）
URL: https://www.flashlabs.ai/