音声・スピーチ

主要ニュース

1. 1

   Meta、新音声認識モデル公開

   Metaは、Meta Superintelligence Labs（MSL）が開発した初のリアルタイム音声認識モデル「Muse Voice Transcribe」を発表した。9月1日からMeta Model APIで提供され、料金は1時間あたり0.18ドル。 このモデルは20人以上の話者を識別でき、1時間を超える音声も後処理なしで処理。ストリーミング認識、話者分離、エンドポイント検出を単一モデルで実現する。70以上の言語で訓練され、日本語を含む25言語がリリース時に検証済みで、コードスイッチングにもネイティブ対応。

   Metaは、Artificial Analysisのストリーミング音声認識と公開話者分離ベンチマークで1位を主張。最終文字起こしの単語誤り率は3.1%、発話終了から0.16秒の遅延で、Cartesia Ink-2（3.4%）やElevenLabsのScribe v2 Realtime（3.6%）を上回る。Mac版Meta AIとMuse Codeにも音声入力機能として統合されている。

2. 2

   ウィナンプ、AI音楽訴訟拡大 6社追加

   ウィナンプ・グループ傘下のJamendo SAは、NVIDIAに対する米連邦訴訟を修正し、正式な送達が完了した。第一回審問は2027年1月12日に予定されている。別件では、JamendoはSunoに対する訴訟を取り下げ、近日中により包括的な内容で再提訴する方針だ。 Jamendoは、AI開発における音楽コンテンツとデータの無断使用をめぐる争いを拡大している。NVIDIAとSunoに加え、自社のコンテンツやデータを使用したとみられるテクノロジー・AI企業をさらに6社特定し、すでに一部には接触済みだ。国内の音楽著作権を扱う企業や団体は、AI企業への権利行使がさらに広がる可能性がある。

   Jamendoは商業的解決を最優先としている。過去の使用に対する対価の支払いと、将来の使用に向けたライセンス契約やパートナーシップを求めており、交渉が決裂した場合はNVIDIAとSunoのケースと同様に権利行使に踏み切る構えだ。

3. 3

   Gemini 3.7 Flash 発表、Pixel 11 も登場

   Googleは8月、Gemini 3.7 FlashとGemini 3.5 Transcribe、Pixel 11シリーズを発表した。Gemini 3.7 Flashはコード作成やAIエージェント向けの最も高性能な実用モデルで、3.6 Flashの約3週間後に登場し、当初価格は3.6 Flashの半分以下。 Geminiアプリの月間利用者数が公式に10億人を突破した。GoogleはAIを単なる理論でなく日常で役立つものに変える転換期にあるとし、Pixel 11シリーズはGemini専用に設計された最速・最強のチップ「Google Tensor G6」を搭載する。

   Pixel 11、Pixel 11 Pro、Pixel 11 Pro XL、Pixel 11 Pro Foldの4モデルがMade by Google 2026で発表された。カメラ性能の大幅向上、耐久性の強化、最新のGemini Nanoモデルを実行する。学生向けにはGoogle AIプランを1年間無料提供する。

4. 4

   三菱電機、汎用音分離AIを開発

   三菱電機と米国子会社Mitsubishi Electric Research Laboratoriesは、テキストによる指示で混合音声から指定した音を分離・抽出できる単一のAIモデルを開発した。複数話者の分離、音声強調、環境音の抽出などのタスクに対応する。 従来技術は分離タスクごとに個別のモデルが必要で、騒音環境や用途の変化への対応が課題だった。新技術により、工場や公共空間での複雑な状況把握が進み、物理世界と相互作用する物理AIの信頼性向上が期待される。

   CEATEC 2026（10月13日〜16日、幕張メッセ）で「多様な現場音から異常音や人の声を判別する音源分離技術」として展示し、工場騒音、楽器音、複数人の声を同時に分離するデモを公開する。

5. 5

   音楽家探偵団がAI音楽詐欺を追う

   EDMプロデューサーのMax "H4RRIS" Harrisと、イタリアのターンテーブリストからプロデューサーに転身したNihil Youngが、EDMシーンにおけるAI生成音楽を公然と批判している。多くはSunoなどのプラットフォームのトラックを例に挙げている。 HarrisとYoungは、AI音楽は本物のアーティストから盗む「デコイ・アート（おとり芸術）」だと主張する。YoungはAI導入以降、クライアントを失ったと話し、人間のクリエイターへの金銭的損害を浮き彫りにしている。

   Youngはハッキング被害や嫌がらせを受けた後、批判活動を一時休止している。しかしAI音楽は伸び続けており、Deezerによると新規アップロードの50%以上をAI曲が占めるようになった。

6. 6

   Beatport、DJ市場でAI生成音楽を禁止

   Beatportは、全体または大部分をAIで制作されたトラックを禁止した。この規則は、パートナーであるBeatdappの検出ツールでアップロード時にAIトラックを選別して執行され、拒否されたトラックの権利者には通知が送られる。 Beatportの調査では、ユーザーの60%がセットでAI音楽を流さず、77%が人間制作の音楽を好むと回答した。CEOのマット・グレイレン氏は、人を助けるツールと人を完全に置き換えるシステムの違いを強調した。国内DJ市場では、AI生成楽曲の排除が作品選定の判断材料となる可能性がある。

   Deezerなど他のプラットフォームも最近同様の措置を取っており、Deezerは毎日のアップロードの約50%がAI生成であると指摘している。