音声・スピーチ

主要ニュース

1. 1

   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。

2. 2

   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。

3. 3

   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。

4. 4

   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。

5. 5

   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。

6. 6

   Suno v6、Warnerと提携

   Sunoがv6を公開。Warner Music Group、BMG、Believeのライセンスデータとユーザーデータで学習した初のAI音楽モデルだとSunoのJack Brodyが説明。 v6はv6、v6-wild、v6-miniの3バージョンで展開。データセットに従来の学習データは含まれないが、怪しい入手経路のコンテンツが排除されたかは不明。

   v6が「自然な不完全さ」を実現できるかが試金石に。音程外れや単調な結果を繰り返し指示しても毎回失敗。Sunoが旧モデルを廃止するかも注目。