Scaled Cognitionが音声モデル発表

Scaled Cognitionは顧客対応向けの会話モデル「APT」を手がけており、Voiceはその用途に合わせた音声合成として位置づけられる。Kannan氏によると、自然な音声を生成する生成AIの音声合成は、確認コードや金額、住所といった正確さが求められる情報の読み上げでつまずきやすい。英語以外の言語ではこの問題がより顕著になるという。

Voiceは文脈を解釈してから音声を生成する「Smart Pronunciation」を備え、略語が役職名か通り名か、数字をどう読むかを判断する。APTと組み合わせれば文単位を超えた曖昧さの解消も期待できるが、Voice単体でも動作する。企業が既存の応答システムを置き換えずに更新できる互換性を売りにしており、自社ホスティングのコストは利用量が増えるほど有利になると同社は説明する。