
何が起きたか
Amazon Pollyの音声クローンがゲート付きリリースとして一般提供開始。同意した話者の録音1〜10件からカスタム音声を作成でき、英語やヒンディー語など7言語に対応する。
なぜ重要か
ブランドは既製音声やスタジオ再予約に頼らず、統一感のある聞き慣れた声でオンデマンド音声を生成できる。クローン音声の作成は無料。
誰に効くかオーディオブック、講座ナレーション、広告読み、電話の自動応答など音声コンテンツを制作するブランド、メディア、カスタマーサポートのチームは、台本が変わるたびに録音セッションを予約し直すことなく統一感のある声を作れる。ただし現時点ではAWSアカウント単位でアクセスが制限されている。
こういう要約が、毎朝あなたのメールに届きます。
Amazon Pollyの音声クローンはゲート付きリリースとして登場した。つまり全顧客に一斉開放されるのではなく、AWSアカウントごとにアクセスが有効化される。機能は単一話者の録音からカスタム音声を構築し(Amazon Pollyは自然な話し声で2〜10分を推奨)、その音声で新しいテキストを生成エンジンを通じて合成する。
実用上の効果として、ブランドやクリエイターは1つの聞き慣れた声を確立し、台本が変わるたびに録音セッションを予約し直すことなく複数チャネルで再利用できる。Amazon Pollyは音声作成が無料である一方、利用は従量課金で請求されるとしている。
導入には制御の仕組みも伴う。顧客は音声ごとに話者の同意を確認し、生成音声にはウォーターマークが付され、Amazon Pollyは音声作成後に録音を保持せず、モデルの学習にも使用しないとしている。クローン音声は作成したAWSアカウントに限定され、作成したリージョンにのみ存在する。
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
phonon:31m-enを試したところ、英語の短文音声が0.2〜0.3秒、長文(約17.4〜17.8秒)の音声が0.6〜0.8秒で生成され、メモリ使用量は約90〜126MBだった

OpenAIはChatGPTの全プランでウェブ、デスクトップ、iOS、Androidに対応するLive Dictationを世界展開し、10分の音声入力制限を撤廃する

StudyPocketは11月19日、iOS/Android向け「AI面接対策 - 声で練習する模擬面接」を公開した

保育園に通う息子が動物や恐竜が1対1で戦う動画にハマり、筆者に質問を浴びせている

米AI音声企業ElevenLabsは、従業員15人の米音声AIスタートアップKotoba Technologiesを¥15.9 billionで買収すると発表した

Reson8は5億パラメータの音声認識モデルRumble-2-FlashをApache 2.0ライセンスの無償オープンウェイトとして公開した