モデル

CLEVIモデルは、汎用知能と業務自動化を担うCIP、音声生成と認識を担うCosa、文書と画像の情報抽出を担うCovaの3製品群に分かれます。各製品は単独で使用することも、文書認識、分析、業務遂行、音声案内へとつながるサービスとして連携させることもできます。

CIP

CIPは汎用知能と業務自動化を担います。ゲートウェイ経由で呼び出すcip-5.5-imとcip-5.5-mm、エッジサーバーとオンプレミスにデプロイするcip-5.5-smで構成されます。

cip-5.5-imとcip-5.5-mm

cip-5.5-imは、目標と作業範囲が明確な業務に適しています。提供された資料から必要な情報を抽出し、指定された形式で成果物を作成するとともに、要件に応じてコードを修正する作業が代表的です。最大64Kの出力は、詳細なレポートや複数の部分で構成される成果物の作成に使用します。

• 開発支援：関数や機能を作成し、範囲が明確なバグを修正し、既存のパターンに沿って実装します。
• テスト生成：要件と実装に基づいて、テストの草案と検証ケースを作成します。
• 文書処理：要約・分類・項目抽出・形式変換・草案作成を行います。
• マルチモーダル分析：画面画像や文書の表・図を、関連する説明と併せて確認します。
• 対話型業務支援：業務資料に基づいて質問に回答し、必要な成果物を作成します。
• 大量処理：多数の文書の個別要約、依頼の分類、データ変換に使用します。
• サブエージェント：コードの探索、特定ファイルの確認、資料の整理など、境界が明確な下位タスクを担当します。

たとえば、機能要件と関連コードを受け取り、修正案・テスト・変更内容の説明を作成したり、受付文書を分類して担当者向けの要約を作成したりする業務に使用します。

cip-5.5-mmは、情報間の関係を把握し、作業全体の一貫性を維持する必要がある業務に適しています。開発では、要件・設計・実装・テストのつながりを確認し、文書分析では、複数の資料における主張と根拠、相違点と矛盾を総合的に分析します。

• 複合機能の実装：複数モジュールの契約と動作を考慮し、コード・テスト・文書を併せて変更します。
• 大規模なコード分析：呼び出し関係、データフロー、変更の影響範囲を確認します。
• 障害原因の分析：ログ・設定・コード・実行結果を照合し、原因仮説と確認手順を整理します。
• 設計と意思決定の支援：要件と制約条件を構造化し、実装案が及ぼす影響を分析します。
• 複数文書の総合分析：レポートと技術文書の共通点・相違点・矛盾を、根拠に基づいて整理します。
• マルチモーダル統合レビュー：テキストと視覚資料を併せて解釈し、問題と要件を分析します。
• 多段階エージェント：調査・計画・ツール実行・結果確認へと続く業務に使用します。
• 専門文書の作成：複雑な条件と根拠を反映した技術レポート、設計案、詳細なレビュー文書を作成します。

たとえば、複数のサービスで発生したエラーの関連コードとログを併せて確認したり、複合機能の要件分析から実装、検証結果の確認までを一連の業務として行ったりする際に使用します。

cip-5.5-sm

cip-5.5-smは、エッジサーバーやオンプレミス環境でローカル推論と業務自動化を行います。モデル規模を24B～40Bの範囲で調整できるため、導入機器の計算リソースと現場で求められる性能に合わせて構成を選択できます。データが発生する場所の近くで処理するため、現場システムとの連携や内部データの活用に使用でき、必要なモデルとツールをローカルに構成すれば、外部接続が制限された環境でも運用できます。

現場で発生する情報を解釈し、処理手順につなげる役割を担います。ログとリクエストを分類し、データから必要な情報を抽出するとともに、連携された内部ツールやスクリプトで反復業務を実行します。

• 現場イベント処理：機器のログと状態情報を分類し、確認が必要なイベントを選別します。
• データ前処理：業務記録から主要項目を抽出し、分類・タグ付け・正規化します。
• リクエストルーティング：受け付けたリクエストを担当システムや処理手順に引き渡します。
• ローカル業務エージェント：内部システムの参照やスクリプトの実行により、反復作業を行います。
• オンプレミス業務支援：内部資料に基づいて質問に回答し、業務内容を整理します。
• 後続分析支援：追加確認が必要な資料を選別し、要点を整理します。

たとえば、事業所のサーバーで運用ログを分類し、関連履歴を参照した後、担当者向けの事案概要を作成するフローに使用します。

Cosa

Cosaは、テキストを音声に変換し、入力音声をテキストとして認識し、任意の声を登録して再利用できる音声製品群です。サービス案内、コンテンツ制作、アクセシビリティ支援、対話型エージェントの音声インターフェースに使用します。

音声生成はcosa-aとcosa-bが、音声認識はcosa-asrが担当します。cosa-aとcosa-bは、それぞれ独自の音声リストと合成設定を提供する別個のモデルであり、同じサービスインターフェース上で選択します。両モデルが共通して提供する機能は次のとおりです。

• テキスト音声変換：入力した文章を選択した音声で合成します。
• 音声複製：使用権限のある参照録音を基に音声を登録し、新しい文章を合成します。
• 音声デザイン：希望する音声の特徴を説明して音声を作成し、登録します。
• 音声の再利用：登録した音声を後続の合成に使用します。
• 合成設定：話す速度や言語などを調整します。
• ストリーミング配信：テキストが届くとすぐに句単位で合成し、音声を順次配信します。
• 再生制御：一時停止、再開、中断、追加の文章入力に対応します。

段階的なテキスト入力を利用すると、回答全体が完成する前に音声再生を開始できます。CIPが回答を作成している間に、Cosaが準備できた句から読み上げるサービスを構成できます。

cosa-a

cosa-aはテキスト音声変換、音声複製、音声デザイン、ストリーミング出力に対応しています。音声・言語・話す速度を選択する基本機能に加え、合成段階数、ガイダンス強度、生成長に関する設定など、追加の制御項目を提供します。音声制作の過程で設定を調整して結果を確認したり、同じ原稿に複数の設定を適用して結果を選んだりする際に使用します。

• アプリ、キオスク、業務システムの案内や通知を合成します。
• 教材や取扱説明書を音声化します。
• 動画や音声コンテンツのナレーションを制作します。
• 登録した音声で繰り返しコンテンツを制作します。
• 対話型エージェントのストリーミング音声出力に使用します。
• 詳細な合成設定を調整する音声制作に使用します。

cosa-b

cosa-bはプリセット音声の選択、説明に基づく音声デザイン、参照音声に基づく複製、ストリーミング出力に対応しています。独自の音声一覧から音声を選ぶことも、サービスで使用する音声を新たに登録することもできます。

音声複製には参照録音と、それに対応するテキストを使用します。登録時に音声認識で参照テキストを生成するフローにも対応しており、登録した音声は後続の合成で再利用します。

• サービスやキャラクターの音声ペルソナを構成します。
• 説明や参照録音からカスタム音声を制作します。
• ブランド案内、キャラクターの台詞、コンテンツのナレーションを合成します。
• 対話型エージェントの音声応答に使用します。
• 同じ音声で変更後の案内メッセージや原稿を合成します。

cosa-aとcosa-bのどちらかを選ぶ際は、希望する声、実際の合成結果、必要な制御項目を基準にしてください。

cosa-asr

cosa-asrは入力音声をテキストに変換します。録音資料を文書化したり、音声で入力されたリクエストを後続の業務システムが処理できる入力に変換したりします。

• 音声メモや録音資料を文字起こしします。
• 音声ベースの質問や業務リクエストを入力に変換します。
• 音声複製用の参照テキストを生成します。
• 文字起こし後の要約・分類・検索へと続く処理に使用します。

文字起こし結果をCIPに渡すと、内容の要約、リクエストの分類、業務文書の下書き作成へとつなげられます。処理結果をcosa-aまたはcosa-bで合成すれば、音声入力と音声出力に対応した業務サービスになります。

Cova

cova-1はLLMベースのビジョンOCR専用モデルです。文書や画像からテキストを認識し、レイアウトや表構造を抽出するとともに、視覚要素について簡単な説明を提供します。

人が見る文書を、エージェントや業務システムが扱いやすい形式に変換します。本文と表は構造化された内容として抽出し、文書に含まれる画像は短い説明として提供するため、後続のエージェントは文書の内容と視覚的なコンテキストを併せて把握できます。抽出されたテキストと説明でまず資料を把握し、詳細な確認が必要な原本だけを追加で確認するフローを構成すれば、原本画像を繰り返し入力する量を減らし、コンテキストトークンを節約できます。

• 文書のデジタル化：紙文書やスキャン資料をテキストベースの資料に変換します。
• 業務文書の受付：申請書・証憑資料・報告書から内容を抽出します。
• 表データの処理：文書に含まれる表を後続のデータ処理に使用します。
• ナレッジ検索の前処理：文書画像や視覚資料を検索可能なテキストと構造に変換します。
• 文書レビューの自動化：抽出結果をCIPに渡し、項目の確認・要約・資料間の比較を実行します。
• エージェント入力の最適化：長文書の本文・表・画像説明を整理し、必要な情報だけを伝達します。

例えば、報告書の本文と表を抽出しながら、挿入されたグラフを四半期ごとの売上推移を示すグラフとして説明します。エージェントはこの説明からグラフの存在と用途を把握し、正確な数値や傾向が必要な場合に該当する原本を追加で確認します。

製品群の連携

製品を連携すると、次のフローを構成できます。

• 文書ベースの業務：Covaが本文・表・画像説明を抽出し、CIPが必要な原本を選択的に確認して分析と業務処理を行い、Cosaが結果を音声で伝えます。
• 音声ベースの業務：Cosa ASRが音声リクエストをテキストに変換し、CIPが処理した回答をcosa-aまたはcosa-bが読み上げます。
• 現場の自動化：cip-5.5-smが現場データを分類してローカル業務を実行し、追加の総合分析が必要な資料をcip-5.5-imまたはcip-5.5-mmに引き渡します。

ゲートウェイで許可された呼び出し

ゲートウェイのプランは、モデルごとに許可される呼び出しを定めます。以下の表は、LLM_FREE、TTS_FREE、STT_FREEプランで利用できる範囲を示しており、これらのプランは申請なしで自動的に適用されます。その他の経路で利用可能になるモデルは含まれていません。

cip-5.5-smとcova-1はこのプラン表にはありません。表のcip-5.5-im-chat、cip-5.5-mm-h、cosa-tts、ivy-4-embedding、ivy-4-embedding-mm、ivy-4-mmは、上記の製品説明に含まれていないモデルIDです。呼び出しキーがどのパスに対応するかは、API呼び出しのドキュメントに記載されています。