2026年11月9日、株式会社カーリルは、図書館の蔵書目録のためのルビエンジン「カーリル Furikake（ふりかけ）」をリリースしました。目録のヨミから書名と著者名に正確なルビを付け、図書館のアクセシビリティを向上します。
これにあわせて、図書館の蔵書検索サイト「カーリル」では、書名と著者名へのルビの表示を開始しました。また、カーリル学校図書館支援プログラムでは、デモ画面でルビ表示をお試しいただけます。11月下旬から希望する学校で先行導入を始め、2027年以降、サービスを提供するすべての学校に展開する予定です。
技術開発のきっかけ
カーリル学校図書館支援プログラムは、現在、約2,900校（2026年10月末現在）で導入されています。小学校・中学校での導入が増えるにつれて、検索画面にルビを付けてほしいという要望を多くいただくようになりました。学校図書館の現場からは、「検索できても本のタイトルが読めないため、児童生徒がカウンターで相談しにくいことがあるようだ」という課題も届いていました。本のタイトルには難しい漢字や当て字が多く、著者名も含めて、漢字から正確に読むことは大人でも困難です。これは学校図書館だけではなくすべての図書館に共通する課題だと考えました。
データはあるのに、表示できない
図書館の書誌データには、書名や著者名の「ヨミ」が記録されています。図書館が長年、目録作業の中で積み重ねてきたデータです。ところが、これを画面に出すのは簡単ではありませんでした。ヨミは検索や本の並べ替えのために書名全体をカタカナで書いたもので、どの漢字をどう読むかの対応がありません。そのまま添えても、カタカナが並ぶだけで読みにくくなってしまいます。実際、多くの図書館ではヨミを表示していないか、詳細書誌情報のひとつとして列挙しているに過ぎません。カーリルでも同様でした。
多くの公共図書館は子ども向けの検索画面（いわゆる子ども用OPAC）を提供していますが、「検索」が「けんさく」になるなど、ユーザーインターフェースがひらがなに切り替わるだけで、書名にはルビが付いていませんでした。しかし、いちばん読みたいのは、本のタイトルでした。
カーリルでは、大規模言語モデル（LLM）に目録のヨミを渡せば、比較的高い精度でルビを割り付けられることを、開発の初期に確かめることができました。LLMは処理に時間がかかるため、事前にまとめて処理する必要があります。しかしその場合、費用が課題になりました。例えば商用のLLM*1 を全国の公共図書館の蔵書約4.5億冊*2 に使うと約4億円かかる計算になります。オープンモデルを使ってローカルLLMで処理すると、年単位の時間がかかります。技術的には実現できますが、現実的ではありませんでした。
*1 Claude Sonnet 5.5 で1万件に対して実測した結果から推計（価格は2026年11月時点の定価・為替レートによる）
*2 文部科学省「社会教育調査」令和3年度の公共図書館の蔵書冊数（448,091千冊）による
カーリル Furikake の解決策
カーリル Furikake は、自然言語処理とLLMを組み合わせることで、この課題を解決しました。新しい方式では、商用LLMを単独で利用した場合と比較して、より高い精度を、大幅に少ない計算コストで実現しました。処理も十分に速いため、事前に一括処理しておく必要もありません。
- ヨミを、ワード単位のルビに組み立て直す
形態素解析で得た読みの候補を手がかりに、書名とヨミを一文字ずつ突き合わせ、ヨミを語ごとに切り分けます。主題と副題の順がヨミと逆でも対応づけます。 - 表示用のルビに直す
ヨミは検索や並べ替えのためのデータです。助詞の「は」「へ」「を」を発音どおり「ワ」「エ」「オ」と書いたり、「ヂ」「ヅ」を「ジ」「ズ」に置き換えたりします。このような目録特有の書き方の違いを吸収して、読みやすくします。漢字の読みはひらがなに、外来語の当て字（鎮魂歌＝レクイエム）や英字の読みはカタカナにします。 - 読みを推測しない
辞書やLLMは、書名とヨミを照らし合わせるための手がかりとしてだけ使い、ルビは図書館が作成したヨミから構成します。推定はしません。当て字や人名も、整合性を確認しながら図書館のヨミの表現を残します。 - 新しい言葉にも強い
大半はリアルタイムにアルゴリズムで確定し、ごく一部をバックエンドのLLMが処理します。LLMは複数のモデルによる多数決を採用して偏りを軽減します。処理が十分に速いためデータを事前に一括処理する必要がなく、ヨミの更新やルビエンジンの改良はすぐに表示に反映できます。
性能評価
国立国会図書館の新刊書誌1万件で、書名へのルビ付与の正確さ・速さ・費用を、形態素解析や AI（LLM）と比べました。測定条件の詳細は furikake.calil.jp に掲載しています。
形態素解析はほぼすべての書名にルビを振れますが、17.3%の書名に誤ったルビが含まれました。書名には固有名詞や当て字、書名ならではの読みが含まれるため、表記から読みを推測する方法では一定の誤りが避けられません。LLM を使うと誤りは減りますが、書名だけから推定すると6.7〜12.8%、目録のヨミを渡して割り付けさせても2.9%が残りました。カーリル Furikake は目録のヨミを正解とするため、誤りは0.1%にとどまります。ヨミが無い部分や対応が確かでない部分にはルビを付けないため、すべての漢字にルビが付いた書名は98.6%でした（目録のヨミがある漢字では99.5%）。著者名では、99.1%で区切りと読みが正しく付きました。
処理時間は形態素解析がもっとも短いものの、前述のとおり誤りが多くなります。LLM は1回に2〜4秒かかり、書誌を表示するたびに呼び出すには遅すぎます。
費用の差はさらに大きくなります。商用の LLM で処理すると1万書誌あたり約8,200〜15,800円かかるのに対し、カーリル Furikake は辞書で決まらない書名・著者名だけを LLM に回すため、約7円で済みます。全国の公共図書館の蔵書約4.5億冊すべてを処理しても、約31万円の計算です。
カーリルでの活用事例
カーリル
書誌詳細ページ で、書名と著者名にルビを表示しています。
カーリル 学校図書館支援プログラム
デモ画面 でお試しいただけます。「ぜんぶ」「小学3・4年」「小学5・6年」「中学生」「高校生・おとな」「なし」から読む人に合わせて選べ、学校の種類に合わせた表示ができます。2026年11月下旬から12月にかけて先着20校で先行導入を行い、2027年以降、サービスを提供するすべての学校に展開する予定です（先行導入図書館の募集について）。
図書館システムへの組み込み
カーリル Furikake を大量のアクセスにも応えられる API として提供する取り組みを開始します。これはカーリル自身が使っているAPIそのもので、1件を平均2ミリ秒で返し、100件までまとめて問い合わせられます。検索結果を表示したあとでルビを取りに行っても、利用者を待たせずに表示できる速さです。
カーリルでは、より簡単にシステムに組み込めるようツールキットなどの提供を検討しています。図書館システムへの組み込み、自館の OPAC でルビを表示したい図書館や開発事業者からのお問い合わせを受け付けています。ニーズを把握したうえで、具体的な提供方法や利用規約を検討する予定です。API はすでに登録不要で利用できますので、まずはお試しください。
実際のユースケースを設計に反映した上で、2027年中に、長期的な運用を前提にしたバージョン1のリリースを目指しています。
蔵書検索のルビをあたりまえに
図書館のさまざまなサービスで、ルビの表示を始めてみませんか。検索画面だけでなく、館内の検索端末で印刷するレシート、予約や貸出の確認、新着図書の案内、ブックリストなど、書名や著者名が出てくる場面はたくさんあります。そのひとつひとつにルビが添えられていれば、書名を口に出して尋ねたり、人に本を勧めたりするときの小さなストレスや、ときには大きなハードルを、すべての人にとって減らせるはずです。
カーリルは、ルビの表示を、図書館の蔵書検索サービスにとって現実的で、当たり前のものにしたいと考えています。カーリルの中だけでなく図書館のOPACでもルビが付くよう、図書館や図書館システムの事業者のみなさまと取り組んでいきます。
参考
- カーリル Furikake：https://furikake.calil.jp/
- カーリル Furikake API リファレンス：https://furikake.calil.jp/docs
- カーリル学校図書館支援プログラム：https://gk.calil.jp/
- 国立国会図書館「NDL 書名振り仮名コーパス」（辞書の材料の一部、GitHub）
- 評価に使った書誌は、国立国会図書館書誌データをもとに株式会社カーリルが作成しました。
