何が起きたか
RimeがPrismを発表。約300ミリ秒で音声に反応し、返答をテキストで出力して確認できる。τ-Voiceテストでは56.6%を記録した。
なぜ重要か
AIが話す内容を企業が事前に確認できる。電話対応における自然な音声と顧客情報・金額の管理という課題に対応する。
誰に効くか顧客情報や金額を正確に読み上げるAIを必要とするカスタマーサービスやコンタクトセンターのチームは、音声を自然に保ちながら返答を事前に確認できるようになる可能性がある。
こういう要約が、毎朝あなたのメールに届きます。
音声AIは長らくトレードオフを抱えてきた。音声をテキストに変換して戻す方式は返答の確認が容易だが、怒りやためらい、笑いといった要素が失われる。音声を直接理解する方式はそうした手がかりを保てるが、企業がAIの発言内容を確認するのが難しくなる。Prismの設計はこの二つを橋渡しすることを狙う。ユーザーの音声を直接理解しながら、話す予定の返答をテキストで出力し、企業が必要に応じて修正してから音声で話させられる。話している間も聞き続けるため、遮りにも対応できる。
Rimeのテストは航空会社や小売業者、通信事業者への問い合わせを模したτ-Voiceが中心だった。Prismのタスク成功率56.6%は、追加の推論なしでOpenAIとGoogleのリアルタイム音声モデルを17〜30ポイント上回った。通信分野では82.5%に達し、OpenAIのGPT-Live-1の45.6%を大きく引き離した。最初の音声出力は0.57秒で、GPT-Live-1とGoogleのGemini 3.8 Liveの約半分の時間だった。
RimeはPrismを企業ごとの業務に合わせてカスタマイズする構想も描く。試験導入企業との会話データを使ってPrismを学習・調整するAPIを開発中で、企業が自社業務に特化した音声AIを構築できるようにする狙いだ。
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 →
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。
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
Doremiの制作メモが短い手順を示した
NTTテクノクロスがオンプレミス型IP-PBX「Crossway」向けに「AI音声通訳」オプションを提供開始
夢の技術とされる動物語翻訳機の進捗は10段階中4と評価された
MusiCraft Stem Splitterにステレオファイルをアップロードし、4分割を実行してボーカル、ドラム、ベースなどのステムをDAWに書き出す手順を解説したガイド
Rivianは第3四半期資料で、58億ドルの合弁事業の一環としてAI音声アシスタントの要素をVolkswagen Groupに供与すると明らかにした
Granolaが会議ノートツールに音声入力機能を追加
