Hume AIが音声モデル「EVI 3」公開、声だけでなく話し方まで再現

公開 2025年7月17日 17:37 UTC拡散指数 47

Hume AIは新型Speech-to-Speechモデル「EVI 3」とTTSを発表した。単なる声色の複製にとどまらず、話し方や言葉遣いのスタイルまで模倣する「パーソナリティ・クローニング」に対応。より本人らしいリアルな音声対話を実現する。

声質を似せるだけの段階は終わり、AI はいよいよ話し方の癖や個性まで再現し始めています。

Hume AI は新たな音声対音声モデル「EVI 3」の提供を開始し、あわせてテキスト読み上げ（TTS）機能をアップデートしました。同社はこれを「音声クローン」から「パーソナリティの複製」への進化と位置づけています。

話し方や言葉遣いまで丸ごと模倣

これまでの音声クローンは、声のトーンや響きを似せるアプローチが中心でした。Hume AI によると、今回の技術では声そのものだけでなく、話し方のスタイルや表現の癖まで再現できるようになったといいます。

この機能は、TTS ツールおよび同日リリースされた音声モデル EVI 3 経由ですでに利用可能です。

音声 AI の開発競争は、単なる発話の自然さから「人格や感情の再現性」へと軸足を移しつつあると見られます。キャラクター性の強いアシスタントや接客 AI を作りたい開発者にとって、口調まで再現できるメリットは大きいはずです。

スタイルごと複製する Hume のアプローチは非常にユニークですが、本人の話し方の癖まで完璧に模倣できるようになれば、なりすまし対策のハードルは一段と高まることになります。