Copilot Labsに脚本モード登場：新音声モデルMAI-Voice-1で原文通り朗読

AI でナレーションを作ったことがある人なら、せっかく書いた原稿の単語を勝手に変えられたり、セリフを飛ばされたりした経験があるはずです。

Microsoft AI を率いる Mustafa Suleyman 氏は、Copilot Labs の音声生成に新しく「Scripted モード」を導入したと発表しました。

勝手な脚色は不要、一字一句をそのまま読む

この機能は、同社の新しい音声モデル MAI-Voice-1 を基盤にしています。特徴は極めてシンプルで、入力したテキストを一字一句そのまま読み上げます。

Copilot Labs ではこのほか、ドラマチックな表現のために少しアドリブを加える「Emotive モード」と、複数の声やキャラクターを演じ分ける「Story モード」も提供しています。これら 3 つのモードはすでに Copilot Labs で試すことができます。

なぜ重要か

動画のナレーションや広告、教材などを作るクリエイターにとって、AI が勝手に言葉を言い換えてしまうのは致命的でした。指定したフレーズを正しく読ませるためだけに、何度も再生成を繰り返す必要があったからです。

万能なひとつのモデルにユーザーの意図を推測させるのではなく、正確さ重視か表現力重視かをモードとして切り分けられるようにした点は、非常に実用的だと私たちは考えます。

原稿通りの正確さを優先した結果、イントネーションが機械的になってしまわないかという懸念は残りますが、制作現場のリアルな不満に直接応えたアップデートと言えます。