音声・スピーチ

主要ニュース

1. 1

   ローランド、AI音楽ツール発表

   ローランドは、音楽制作ソフト向けのプラグイン「Melody Flip」を発表した。ジャンル別に約250種類の「パレット」を用意し、音楽的アイデアを生成する。 SunoやUdioと異なり、Melody Flipは完成された楽曲を生成しない。ジャンル、ノート密度、BPM、キーを選ぶだけで、創造性を刺激するシンプルなループを提供する。国内の音楽制作者が、DAW上での編集を前提とした新たなAI支援ツールの活用を検討する可能性がある。

   MIDIデータを書き出せるため、DAW上で編集が可能。ローランドは最近の製品ヒットを受けて機運を高めるが、生成AIに対する音楽コミュニティの反応が課題となり得る。

2. 2

   マイクロソフト、音声AI価格を10セントに大幅引き下げ

   マイクロソフトAIが音声認識モデル「MAI-Transcribe-2」を公開。OpenAIやGoogle、ElevenLabsの製品より高速で正確、かつ安価と主張する。先行割引価格は音声1時間あたり10セントで、5カ月前の初代モデルの1時間$0.36から約72%引きだ。 年間10万時間のコールセンター音声を処理する企業の場合、年間費用は$36,000から$10,000に減る。この水準まで下がると文字起こしは無視できるコストとなり、大銀行や通信各社の予算編成に影響を与えかねない。国内のコールセンター運営企業は、音声認識の外部委託コスト削減効果を享受できる可能性がある。

   今回の投入は、マイクロソフトが自社製の最先端モデルを開発し、かつてOpenAIの技術を使っていた製品に置き換える戦略の一環だ。音声認識は、この計画が最も速く進んでいる分野である。

3. 3

   初音ミクと不気味な空間の共鳴

   この記事は、ヤマハの歌声合成ソフト「Vocaloid」が、日本のアーティストによって不気味で曖昧な雰囲気を生み出すために使われてきた経緯を探る。東京真中氏の「Brain Rot」のミュージックビデオは「Backrooms」ミームに触発された映像が特徴で、映画『Backrooms』は全世界で4億ドル以上の興行収入を記録している。 Vocaloid、特に2007年にクリプトン・フューチャー・メディアが発表した初音ミクは、「Backrooms」の主流化に先立ち、リミナルスペースの不気味な美学やSNS中毒といったネット時代の不安を表現する文化的ツールとなっている。日本の映像・音楽制作者は、ネット時代の不安を描く表現手法として Vocaloid やリミナルスペースを用いる機会が増える可能性がある。

   21歳のケイン・パーソンズ監督による映画『Backrooms』が今週日本公開される。Vocaloidの影響とともに、このバイラルな成功は、リミナルスペース美学への主流の関心の高まりを示唆している。

4. 4

   SoundHound AI株、1年で25%上昇と予測

   SoundHound AIの株価は現在約7ドルで、52週間のレンジの下限に近い水準にある。過去12か月で6ドル未満から22ドル超の間を変動してきた。筆者は今後1年程度で株価が約25%上昇すると予想するが、その道筋は依然として不安定かもしれない。 SoundHound AIの音声AIプラットフォームは、人々が車やデバイスと対話したり、人間の従業員なしでビジネスを行うことを可能にする。同社は自動車分野からレストラン、ホスピタリティ、カスタマーサービスへと事業を拡大してきた。進行中のLivePerson買収（企業価値約2億5000万ドル）により、フォーチュン100企業のうち25社を顧客に加えることになる。経営陣は、統合後の企業が2027年に3億5000万ドルから4億ドルの収益を生み出す可能性があると考えている。国内の音声AI活用企業は、買収による顧客基盤拡大の恩恵を受ける可能性がある。

   筆者の強気シナリオでは、2027年の収益がガイダンス範囲の中間である3億7500万ドルに達し、株価を2027年予想収益の12倍で評価すると、時価総額は約45億ドルとなり、仮定上の基準値35億ドルから約25%の上昇余地がある。ただし、SoundHound AIはまだ収益化しておらず、投資家は評価額をどの程度織り込むか注意が必要だ。

5. 5

   AI音声詐欺で45億円被害、元警部が警告

   詐欺事件に詳しい元警視庁捜査官は、会社役員を装ったAIを使った音声詐欺が横行し、被害額が45億円に達していると警告する。 生成AIの進化で本物と偽物の声の区別が難しくなり、経営層が電話だけで判断を迫られ、他の方法で身元を確認しないまま騙される危険が高まっている。国内企業の経営層は、AI音声詐欺による被害に遭う可能性がある。

   記事は2026年に向けた最新の音声詐欺ツールや手口を紹介し、企業がこうした進化する脅威にどう対応すべきかの指針を示す。

6. 6

   音声AIで調理現場をハンズフリー操作

   アドバンスト・メディアとAWS Japanが、セントラルキッチン向けに音声AIとAIエージェントでレシピ操作をハンズフリー化するアーキテクチャを発表した。AmiVoiceの音声認識とAmazon Bedrock AgentCore、Strands Agentsを組み合わせ、「次へ」「戻る」などの音声指示で工程を進められる。 調理現場では両手がふさがり、衛生手袋を外してのタブレット操作が作業中断や衛生リスクを招いていた。本ソリューションは音声で在庫減算や原材料チェック、工程メモを自動記録し、データを構造化して蓄積することで、管理者の可視性向上と経営判断の根拠提供につなげる。国内のセントラルキッチン運営企業では、調理作業の効率化や衛生リスク低減につながる可能性がある。

   AIエージェントが「玉ねぎがない」といった発話から代替食材を提案し、表記ゆれ（玉ねぎ/タマネギ/オニオン）も吸収する。さらに、調理工程ごとの時間をアプリで計測し、ダッシュボードで可視化する機能も備える。