音声・スピーチ

主要ニュース

1. 1

   Particleがポッドキャスト検索エンジン「Radar」発表

   元Twitterエンジニアらが創業したAIニュースリーダー企業Particleが、ポッドキャスト検索エンジン「Radar」を発表した。音声を文字起こし・理解し、主要な引用やハイライトを抽出する。13万以上のポッドキャストを文字起こし対象とし、Appleのトップ200ポッドキャストを135のカテゴリーすべてでカバー。毎日2万エピソードを追加している。 CEOのSara Beykpour氏によると、この製品はヘッジファンドから高い関心を集めており、APIを直接統合している顧客の中でも最多の利用量となっている。AIエージェントは一般的に「音声を見ることができない」ため、Radarは音声コンテンツをプログラムからアクセス可能にする層を提供する。国内の投資・調査業務に携わる企業は、音声コンテンツを検索可能な情報源として利用できる可能性がある。

   Radarの価格は1席あたり月額29ドルで、企業向けには月額399ドルのプラン（20席含む）を用意。API利用者にはカスタム価格が適用される。今後はポッドキャスト以外にも、YouTube動画やニュースクリップなど他の音声形式への対応を拡大する予定だ。

2. 2

   AMDとレコード3社、Stability AIへ出資

   Stability AIは、ソニー・ミュージックグループ、ユニバーサル ミュージック グループ、ワーナー ミュージック グループ、AMDベンチャーズ、エレクトロニック・アーツなどから7,600万ドルを調達した。 世界最大のレコード会社3社が同社を支援する背景には、最大6分20秒の音声クリップを生成できるオーディオ生成モデルへの期待があるとみられる。ユニバーサルとワーナーは既にAI音楽ツールでStability AIと提携している。日本の音楽制作現場では、AI活用を巡る大手3社との関係が深まる可能性がある。

   Stability AIはこの資金を、クリエイティブ専門職向けの製品開発や、応用研究・プロフェッショナルサービス部門の拡大に充てる予定だ。

3. 3

   豪州、AI生成曲をチャートから除外

   オーストラリアの音楽業界は来週から、完全にAIで生成されたトラックを公式チャートから除外する。人間が作詞し、リードボーカルと主要楽器を演奏したAI支援楽曲は一部対象となる。 マドンナの「ライク・ア・プレイヤー」のAI生成バージョンが豪州トップ20に16週間留まり、最高2位を記録したことを受けた動きだ。業界は無許諾のAI出力を報酬の対象にすれば、録音音楽の基盤が損なわれると主張する。国内の音楽配信プラットフォーム運営者にとって、AI生成曲のチャート除外基準が海外の動きに追随する形で導入される可能性がある。

   AI生成曲はARIA賞の対象からも外れる。この規則は国際レコード産業連盟の新原則に沿ったもので、チャート入りには「実質的に人間が制作した」トラックであることが求められる。

4. 4

   AIホストがレストランの電話注文をAmazon Connectで対応

   AWSが、レストランの電話受付を自動化する音声注文システムの構築手順を公開。着信応対、メニュー案内、受け取り場所の検索、注文内容の読み上げ確認までをAIが担当する。使用するのはAmazon Connect、Amazon Lex V2（Amazon Connect Agentic Voice対応）、そしてAnthropic Claude Haiku 4.5を搭載したAmazon Connect AIエージェント。 電話注文は店頭対応中のスタッフを中断させ、保留時間や手書きミスの原因となる。このシステムならアプリやWebサイト、サインイン不要で、電話番号にダイヤルするだけでAIが通話を完結。スタッフは対面サービスに集中できる。国内の飲食事業者は、電話注文の受付をAIに任せてスタッフを接客へ振り向けられる可能性がある。

   ソリューションはAWS CDKで単一スクリプトとして完全展開され、サンプルリポジトリはGitHubで公開。前提条件はAWSアカウント、Claude Haiku 4.5用のBedrockモデルアクセス、電話番号クォータ。推奨リージョンは米国東部（バージニア北部）。

5. 5

   Apple Music、AI制作曲にラベル導入へ

   Apple Musicは年内に、「かなりの部分」をAIで制作した楽曲に「Made With AI」ラベルを追加する。レコードレーベルと販売元は、3月に導入されたAI Transparency Tagsを使って該当曲をタグ付けする必要がある。 SpotifyがAI生成アーティストプロフィールを「AI Personas」と表示し、TidalがAI音楽をロイヤルティ対象から除外する中での動きだ。RIAA、IFPI、グラミー賞、SAG-AFTRAなどの業界団体も最近、同様の表示を提唱している。SunoやUdioといったAI音楽生成サービスの台頭を受けてのことだ。日本の音楽配信関係者には、AI制作曲の開示義務が新たに課される可能性がある。

   Apple Musicのオリバー・シュッサーVPは、アップロードされた楽曲の「3分の1以上」が「完全なAI制作」だと述べたが、ラベルの表示時期は未定。アップロード者にはAI使用の開示義務がある。

6. 6

   AIオーディオストーリーをソフトウェアエンジニアが開発

   あるソフトウェアエンジニアがSchmaudioを開発した。リスナーの選択がリアルタイムでストーリーを変える双方向オーディオストーリー生成プラットフォームである。ChatGPTでストーリーを執筆し、ElevenLabsで音声合成を行い、ストーリー全体を事前構築する代わりにリスナーがそこに到達した時点でのみエピソードを生成する。 従来の双方向ストーリーには実質的な限界がある。分岐パスが指数関数的に増加するため、人間の著者が全ての結果を執筆することは不可能である。生成AIはこの制約を排除し、同じエピソードから始めた2人のリスナーが選択に基づいてますます異なる冒険を経験できるようにする。また別のパスを再生して探索できる。日本の視聴者は、生成AIを活用した双方向オーディオストーリープラットフォームにより、従来の固定的なストーリー構成の制約を超えた、選択肢に基づいて分岐するコンテンツを体験できる可能性がある。

   3つのストーリーがschmaudio.netで複数言語により無料で利用可能だ。The Alibi（大人向けミステリー）、The Map Awakens（若年リスナー向け冒険）、Who Comes Tonight?（幼い子ども向け）である。開発者はAIモデルの改善と双方向ストーリーテリング構造の習得により、プラットフォームが本来の可能性に達するかどうかが決まると指摘している。