AIToday
大規模言語モデル音声・スピーチSiliconANGLE AI掲載日時: 2026年10月20日 22:01

Scaled Cognitionが音声モデル発表

LINEで送る
Scaled Cognitionが音声モデル発表

3つのポイント

  1. 何が起きたか

    Scaled Cognitionが音声合成モデル「Voice」を発表。

  2. なぜ重要か

    通話内容の正確な読み上げと低コストを両立させる点が顧客対応の自動化を後押しするとみられる。既存の電話システムやAIエージェントにも組み込める。

誰に効くかコールセンターや顧客対応システムの運用を担う情報システム部門は、既存のIVR(自動応答システム)を入れ替えずに音声品質を改善できる可能性がある。

わからないところ、AIに聞けます

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

背景と解説

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。

よくある質問
料金はいくらですか?
ホスト型APIは9ドル per million characters、自社ホスティングは1ドル per million characters。後者はインフラ費用を含まない。
どのような環境で使えますか?
API経由か自社ホスティングで利用でき、既存のAIエージェント、コンタクトセンター基盤、旧来の電話システムとも連携できる。
遅延はどの程度ですか?
音声生成の遅延は70ミリ秒。1つのGPUを16会話で共有しても応答時間は約80ミリ秒に保たれるという。
SiliconANGLE AI元記事を読む
LINEで送る

あなたの仕事に関係するAIニュースを、毎朝お届けします。

業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。

登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →

AIに質問

この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。

質問と回答はこのページに公開されます。

このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る

関連記事

次の記事へChief TelecomがAIデータセンター起工