MiniMaxが「Speech 2.5」公開：40言語対応の高精度音声クローン

カーナビのような無機質な読み上げ音声に慣れていると、ため息や感情が混じった合成音声には思わず聞き入ってしまいます。

AI企業のMiniMaxは8月7日、音声生成モデルの最新版「Speech 2.5」の提供開始を公式Xアカウントで発表しました。より自然な音声クローニングと40言語への対応を特徴としています。

40言語で感情やアクセントを再現

公式発表によると、Speech 2.5は単なる声色の再現にとどまらず、話者のアクセントや年代感、感情の起伏まで細かく保持できるとされています。

機械的なトーンを排除し、人間に極めて近い自然な表現を追求した形です。現在は公式サイトのオーディオコーナーで試用できるほか、開発者向けプラットフォームからAPIとしても利用可能になっています。

なぜ重要か

コンテンツの海外展開や多言語対応では、ネイティブ声優の起用コストや制作期間が常に課題となってきました。英語以外の言語になると急に不自然になるTTSツールも少なくありません。

40言語に対応し、キャラクター特有のニュアンスを保ったまま吹き替えができるなら、動画クリエイターやゲーム開発者にとっては大きな戦力になるはずです。一方で、声の再現度が高まるほど、なりすましや無断クローンのリスクも跳ね上がります。生成技術の進化と同時に、安全対策や利用許諾の仕組みをどこまで徹底できるかが問われそうです。