音声AIのElevenLabs、8000万ドル調達でユニコーンに　音声収益化市場も展開

過去1年間、ハリウッドの声優やナレーターたちの最大の懸念は、生成AIに自分の声を無断で奪われ、仕事を失うことでした。音声AIを手がけるElevenLabsは、それを逆手にとり「AI化された自分の声を貸し出して稼ぐ」仕組みを提示しました。

同社は1月22日、Andreessen Horowitz（a16z）、Nat Friedman、Daniel Grossが主導し、Sequoia CapitalやSV Angelなどが参加したシリーズBラウンドで8000万ドルを調達したと発表しました。これにより、同社の評価額はユニコーン企業の基準に到達しました。

資金調達に合わせて、長編映像のローカライズを細かく調整できる「Dubbing Studio」、自分のAI音声を収益化できる「Voice Library marketplace」、そしてWebページやテキストを即座に読み上げるモバイル向け「Reader App」の先行プレビューも一挙に公開されました。

従業員40人で100年分の音声を生成

発表によると、ElevenLabsの従業員は立ち上げ当初の5人から40人にまで拡大しました。

この少人数体制でありながら、同社のプラットフォーム上で生成された音声の総時間は100年分を超えています。さらに、Fortune 500企業の41％に所属する従業員が同社の技術を利用しているといいます。

提携先も急速に広がっており、ワシントン・ポストやオーディオブック大手のStorytel、ゲーム分野ではNetEaseやParadox Interactive、動画編集ソフトのWondershare Filmoraなどが同社の技術を組み込んでいます。

新機能のDubbing Studioは、従来の29言語対応AI自動吹き替えをさらに進化させたものです。これまでは一括変換のみでしたが、新しい編集画面では文字起こしや翻訳テキストを人間が直接書き換えたり、タイムコードをドラッグして口の動きに合わせたり、声の安定度やスタイルをトラックごとに微調整できるようになりました。

自分の声を「貸し出し」、利用料を受け取る仕組み

注目を集めているのが、音声のマーケットプレイスです。

ユーザーは高精度な音声クローン技術を使って自身の声のデジタルレプリカを作成し、審査を経てプラットフォーム上で公開できます。他のクリエイターがその声を使って動画やナレーションを制作すると、元の声の持ち主に報酬が支払われます。

なりすましやディープフェイクを防ぐため、同社は「Voice Captcha」と呼ばれる認証プロセスを導入しました。指定された時間内に画面に表示されたテキストをリアルタイムで読み上げ、学習データと一致するかを照合した上で、運営チームによる手動審査を経て初めて公開されます。

なぜ重要か

ElevenLabsのこの動きは、単に読み上げの自然さを競う段階から、音声コンテンツの「知財プラットフォーム」へと立ち位置を進めた賢い一手だと考えます。

ナレーターや声優にとって、AIを敵視するだけでなく、自分の声を資産としてライセンス販売し、寝ている間も収益を得る現実的な選択肢になり得ます。多言語展開を急ぐYouTuberやインディーゲーム開発者にとっても、Dubbing Studioを使えば高額な翻訳スタジオを使わずに、ブラウザ上で直感的に多言語音声の調整が完結します。

一方で懸念されるのは、権利侵害と悪用のいたちごっこです。Voice Captchaや、自社モデル製音声かを判定するAI Speech Classifierの強化を進めているとはいえ、声の権利を巡るトラブルを完全に防ぎ切るのは容易ではありません。

それでも、ElevenLabsは単なるAPI提供企業を脱し、音声版のShutterstockのような巨大な流通網を築こうとしており、競合他社に対する大きな防壁になりそうです。