お疲れ様です、@jumboOrNotです。この記事をあなたが読んでいるということは・・・もう AWS Summit 2025 は終わったということでしょう・・・

こちらの記事でも書かせていただいた AWS Summit 2025 が終わりましたー！今年も多くの方にブースにも訪問いただき、プロダクトのご紹介やテクノロジーに関する議論を多くさせていただく機会に恵まれました。

構成図や仕組みについてブースで展示されていた資料に多くのご質問や資料が欲しいと言っていただけたので「あとでテックブログ書くんで見てくださいー！」と言ってしまった手前、この記事の中で資料の中で言及していたことをご紹介していこうと思います。少しでも訪問いただいた方にも届くようにタイトルを出展名にしている都合、めっちゃ堅い。堅いタイトル。

今回の展示内容「AI講師による英会話体験」

レアジョブではAIを活用した様々なサービスを提供しており、「レアジョブ英会話」というプロダクトの中でもいくつかのプロトタイプを提供しています。AI英会話はそのうちの機能の一つで、下記のような機能です。

AI講師とのチャット形式で英会話を行います。Daily News Article教材を活用し、日常的なトピックで英語力を高めます。レッスン中にはAIがリアルタイムでフィードバックを提供し、語彙や表現の向上を手助けします。

www.rarejob.com

現在ではレアジョブ英会話の会員様向けに弊社でも人気の英語記事 Daily News Article を利用したレッスンに対応し限定的に公開しています。

構成するリソースと仕組み

AI英会話の構成図は以下のようになっています。

またそれぞれを簡単に紹介すると

Amazon Transcribe: 生徒が発話した音声をテキストに書き起こします。
Amazon Bedrock: AIメッセージ生成の核となるサービスで、基盤モデルとして図にはClaude 3.5 Sonnetと記載していますが現在はClaude 3.5 Haikuを利用しています。
Amazon Polly: 講師の発話するテキストを音声データに変換します。
Amazon ECS (Elastic Container Service): Web Socket接続を処理し、各サービス間の連携をオーケストレーションするコンテナ実行環境です。
AWS IoT: 生徒と講師とのリアルタイム双方向通信の基盤を提供します。Publish/Subscribeモデルでメッセージをやり取りします。
Amazon RDS: 会話のテキストデータなど、構造化されたデータを格納します。
Amazon S3: 音声データなど、非構造化データを格納します。

構成としてはシンプルですが、実際のレッスンをシミュレーションできるようにWebSocketを扱うために AWS IoT を使っていたり、発話もAmazon Pollyで音声にしているなどシームレスなレッスン体験になるようにフロント・バックエンドともに工夫をしています。

主に構成図などに質問いただいたこととしては

Q, AWS Iot を使っているのはなぜ？

A, シームレスなレッスンになるようにWeb Socketを導入している。構成としてシンプルにしたい理由もあり、自前で管理することなくIoT CoreのWebSocketを利用している。

Q, Amazon Transcribeの精度は問題になる？

A, 現在は英会話レベルも少し高い人向けの教材を利用しているため、そもそも発話のレベルが一定高い人が使っており課題になっていない。発話環境（ノイズなど）にも依存はするが今のユースケースでは問題ない。

Q, コストはどうか

A, フルマネージドな構成を主としており、利用量に基本は応じるがサービス提供で課題にはならないレベル。発話量などにも依存するため、今後は課題が出るようなレッスン形式も出てきそうに思っている。

Q, Bedrockのspeech to speech は使わないのか

A, 将来的に音声やテキストの情報を集計してメトリクスやレポートを提供する予定でテキストも必要なのでテキストで扱いたいためこうしている

Q, モデルは適切なのか

A, コスト・品質の面から考えても今のところは課題はない。レッスンの構成自体がシンプルなので回答や生徒の発話する内容もブレにくいためだと思っている