音声・スピーチ

主要ニュース

1. 1

   ElevenLabsがイギリス政府と提携、公共サービスに音声AI導入

   AI音声生成企業ElevenLabsが6月8日、イギリス政府と協定を結び、公共サービス向けに音声AI技術を提供すると発表した。同時にロンドン本社の拡張も発表された。

   政府サービスの電話対応や案内が、より自然な音声AIに置き換わり、24時間対応や多言語サービスが拡充される可能性がある。

2. 2

   Moss TTS 1.5が英語音声クローニングで最高性能を達成

   オープンソース（誰でも無料で使える）の音声合成モデルMoss TTS 1.5が、Fish AudioやQwen 3などの競合を上回り、英語の音声クローニング（特定の人の声を再現する技術）で現在最高の品質を実現した。

   個人でも高品質な音声クローニング技術を無料で利用できるようになり、ポッドキャストや動画制作でのナレーション作成が手軽になる。

3. 3

   NVIDIAのParakeet音声認識システムが大幅高速化

   開発者がNVIDIAのParakeet音声認識モデルをggml（軽量AI実行エンジン）に移植し、GPU上で最大5倍、CPU上で最大1.86倍の高速化を実現した。メモリ使用量も約2分の1に削減された。

   音声をテキストに変換する処理が大幅に速くなり、会議の議事録作成や音声入力の応答性が向上する。

4. 4

   AI教育システムでは音声応答速度がモデル選択より重要と判明

   AI教育システムの開発者が、どのAIモデルを使うかより音声応答の遅延時間（1.5秒以内）の方が学習者の集中維持に重要だと報告した。遅延が長いと学習者はシステムが止まったと判断して離脱する。

   AI家庭教師や語学学習アプリの品質向上により、より自然で効果的なオンライン学習体験が期待できる。

5. 5

   ElevenLabs Music v2がジャンル横断的な音楽生成を実現

   ElevenLabsが5月28日に音楽生成AI「Music v2」を発表し、1つの楽曲内でオペラからヘビーメタルまで自然に移行できる機能を追加した。部分的な再生成機能も搭載している。

   音楽制作者や動画クリエイターが、複数ジャンルを組み合わせた独創的な楽曲を簡単に作成できるようになる。