録音を WAV ファイルとしてホストにアップロードし、アップロードから文字起こしおよび話者分離完了までを計測しました。音声は公開データセット FLEURS（CC BY 4.0）と AISHELL-1（Apache 2.0）です。音声認識モデルにはアリババ達摩院の SenseVoice-Small（中・英・日・韓・広東語対応）+ CAM++ 話者分離を採用しています。
1. 単一バッジの即時対話書き起こし（30秒対話）
| 録音シーン・サンプル | 音声長 | 処理総時間 | 話者分離 | 推奨機器 | 現場での体感 |
|---|---|---|---|---|---|
| 中国語 2 人接客対話（FLEURS） | 26.1 秒 | 1.21 秒 | 2 人 / 5 往復 | reComputer J40 シリーズ（J4012） | 瞬時完了、対話終了直後にテキスト表示 |
| 中国語 2 人長文対話（FLEURS） | 30.5 秒 | 1.17 秒 | 2 人 / 4 往復 | reComputer J40 シリーズ（J4012） | 175 倍リアルタイム処理、待ち時間なし |
| 中国語 2 人対話（AISHELL-1） | 16.5 秒 | 1.25 秒 | 2 人 / 3 往復 | reComputer J30 シリーズ（J3011） | 主流のコスト重視構成、J40 とほぼ同等 |
| 日本語接客対話（FLEURS） | 34.0 秒 | 1.71 秒 | 2 ターン日本語 | reComputer J40 シリーズ（J4012） | 多言語迅速処理、接客振り返りに最適 |
| 中国語 2 人対話（FLEURS） | 30.5 秒 | 4.61 秒 | 2 人 / 4 往復 | reComputer RK3576 シリーズ（8 GB） | 5 秒以内で完了、相談記録のアーカイブ向け |
2. 交代時の集中同期・並行処理（バッジ 10 台・計 10 分の音声一括アップロード）
| 機器選定 | 推奨バッジ数 | 10台分処理総時間 | 最大待ち時間（キュー遅延） | スケジューリングと信頼性機構 | 推奨現場 |
|---|---|---|---|---|---|
| reComputer J40 シリーズ<br>（Orin NX 16GB） | 10 〜 50 台 | 約 3.5 秒 | < 3.5 秒（待ち時間ほぼゼロ） | 超リアルタイム・ミリ秒単位キュー消化：単一コンテキスト CUDA Graph ロックでメモリ溢れや 429 エラーを完全防止 | 大型スーパー、チェーン店、行政窓口 |
| reComputer J30 シリーズ<br>（Orin Nano 8GB） | 5 〜 20 台 | 約 4.1 秒 | < 4.1 秒（待ち時間ほぼゼロ） | 同上、GPU スループット 29.5 QPS、VRAM 使用量わずか 486 MB | スタッフ 8〜15 名の標準店舗・専門店 |
| reComputer RK3588 シリーズ<br>（RK3588 8GB） | 5 〜 15 台 | 約 14.5 秒 | 約 5.0 秒（3 並列パイプライン） | ハードウェア真の並行処理：3 つの独立 NPU コアで 3 つの Worker を並行稼働 | 中規模ワークステーション、分散窓口 |
| reComputer RK3576 シリーズ<br>（RK3576 8GB） | 1 〜 3 台 | 約 46 秒 | 約 46 秒（順次処理） | 単一 Worker 軽量運用：メモリピークわずか 442 MB（W4A16）、順次キュー処理 | 個人クリニック、相談室、小型窓口 |
多言語文字起こし所要時間、話者分離精度、RK3576 のリソース使用率の詳細は エンジニアリング Wiki · スマートバッジ音声文字起こし を参照してください。