音声・スピーチ

主要ニュース

1. 1

   ElevenLabs、Music v2.5公開

   ElevenLabsがElevenMusic向けにMusic v2.5をリリース。APIでも利用でき、無料枠は1日5件のロスレスDL、Pro枠は月400件。 47,885組の盲検比較で聴取者は大半の場合v2.5を好み、同社は既存モデルをライセンス済みのステムと楽曲で学習したと説明。

   Universal Music Groupとのライセンス契約は今後の製品が対象でMusic v2.5には及ばず、中核製品まで広がるかが焦点。

2. 2

   UMGとElevenLabsが楽曲リミックス基盤始動

   Universal Music Groupは木曜、音声AI企業ElevenLabsとの提携を発表。ユーザーは楽曲カタログを使いリミックスを制作できる。アーティストはオプトインが必要。 AI音楽大手SunoがWarner MusicやBMGと組んだモデルに続く動きで、AI音楽企業は訴訟対象から有料顧客へと移行。UMG、Sony、Warnerは2024年にSunoを提訴した。

   ファンに技術を触れさせればAI音楽の謎が解けるとの賭け。ただし楽曲利用にはアーティストのオプトインが必要。参加が広がるかが焦点。

3. 3

   OpenAI、音声API「GPT-Live-1」を公開

   OpenAIは、聞きながら同時に話せる全二重音声モデルGPT-Live-1を、毎分0.05ドルのAPIとして開発者向けに提供開始。Yelpはすでに電話予約で利用している。 OpenAIのベンチマークで、全二重の対話性はGPT-Realtime-2.1の45.4％から80.1％に上昇し、ターン交代の遅延は1.4秒から0.8秒に短縮された。

   毎分0.05ドルという価格が大量通話での導入を妨げないか、外部のテストがOpenAI自身のベンチマーク改善と一致するか。ツール呼び出し精度が60％から87％に向上した点にも注目だ。

4. 4

   Pocket FM、AIで年換算収益5億ドル

   Pocket FMが年換算収益を1年で5億ドルに倍増させたとCEOのRohan Nayak氏が表明。AIは現在カタログの93%、新規コンテンツの99%を支えている。 Nayak氏によればAIで制作コストが約80分の1になり、かつて1年かかった100時間分を1日で作れるように。12カ月収益維持率は2年前の44%から76%に上昇。

   マイクロドラマアプリPocket Sagaが年換算1500万ドルに迫る。20億ドル評価で1億ドルから1億2000万ドル調達報道も注目。

5. 5

   UMGとElevenLabsがAI音楽基盤を始動

   Universal Music Groupは木曜日、ElevenLabsと複数年ライセンス契約を結び、AI活用の基盤を始めると発表した。ユーザーは楽曲を制作できる。 この契約はSpotify、Nvidia、KlayとのAIライセンス契約や、Udioと開発中のAI音楽基盤に加わる。

   アーティストが参加するかどうかで、UMGの楽曲がどれだけ基盤に使われるかが決まる。発表資料には「今後数カ月から数年の追加製品とファン体験」の時期や価格は示されていない。

6. 6

   GPT‑Live‑1がAPIで提供開始、毎分0.05ドル

   OpenAIがAPIでGPT‑Live‑1を公開。聞くことと話すことを同時にこなす単一モデルで、フロントエンド音声層の価格は毎分0.05ドル。指示追従性が向上し、カスタム音声や電話対応もサポートする。 遅延を生み途切れに弱いSTT―LLM―TTSの連結構成を置き換える。

   開発者が電話対応やカスタマーサポートで単一モデル方式を採用するかが試金石。カスタム音声の利用には営業への問い合わせが必要だ。