本文へスキップ
IFAI

AI音声

業界タグニュース 572 件

  5. AIツール拡散指数 50

    Google、視覚障害者向け新機能「Guided Vision」提供開始

    Googleは、Gemini Liveでリアルタイムに視覚情報を音声解説する「Guided Vision」をAndroid向けに公開した。支援団体Airaと共同開発され、カメラ映像から周囲の様子や文字を読み上げるほか、被写体がズレている場合は画角の調整も音声で指示する。

  7. AIモデル拡散指数 54

    Tavusが対話モデル「Griffin」公開、通話テストで48%が「人間」と誤認

    AIスタートアップのTavusはリアルタイムに対話できるビデオモデル「Griffin」を発表した。音声と映像を同時に知覚・生成するフルデュプレックス構造で、相槌や割り込みにも自然に対応し、通話実験では48%が本物の人間と誤認した。現在「Griffin-Lite」が限定テスター向けに公開されている。

  11. AIツール拡散指数 35

    ElevenLabsが学割プラン提供開始：音声・Agentツールが3カ月無料

    ElevenLabs は大学生向けプラン「ElevenLabs for Students」を発表した。米英カナダ豪州および EU27 カ国の 18 歳以上の大学生を対象に、ElevenCreative、ElevenAgents、API の 3 カ月無料枠と ElevenReader Ultra 1 年分を提供する。研究やアプリ開発の支援が目的で、順次対象地域を拡大する予定だ。

  12. AIモデル拡散指数 50

    Google、Gemini 3.8に対話型アバター機能を追加：97言語のリップシンクに対応

    GoogleはGemini Enterprise向けに「Gemini 3.8 Live with Live Avatar」の提供を開始した。音声とニアリアルタイムの動画生成を組み合わせ、自然な表情とリップシンクを備えたアバターが会話に対応する。97言語のシームレスな切り替えや、会話を中断しないバックグラウンド処理にも対応する。

  14. 画像・動画生成拡散指数 41

    動画に直接話しかけて割り込める新媒体、対話型デモ「ACTx486」公開

    既存の動画を対話可能な新媒体へ変換する研究デモ「ACTx486」が公開された。ポッドキャスト再生中に画面をタップして質問を挟んだり言語を切り替えたりでき、出演者が応答した後に元の映像へと戻る。現在は1回の生成に数分を要するため動画は事前生成されたもので、開発チームは応答時間を6秒未満に縮めることを目指している。

  15. AIモデル拡散指数 51

    GoogleがGemini 3.8 Flash TTSを発表：プロンプトで声を作り出せる新音声モデル

    Googleは音声合成モデル「Gemini 3.8 Flash TTS」と「Flash-Lite TTS」を発表した。自然言語プロンプトからオリジナルの声を生成できるほか、30秒の音声サンプルからのクローン作成に対応する。100以上の言語に対応し、スクリプトの行単位で演技指導や相槌の制御が可能。Gemini APIおよびGoogle AI Studioで利用できる。

  17. AIツール拡散指数 40

    ElevenLabsが「Studio 4.0」公開、動画・音声・音楽生成を1つのタイムラインに統合

    ElevenLabsはAIネイティブ動画エディタ「Studio 4.0」を発表した。動画、画像、32以上の言語に対応する1万種以上の音声、音楽、効果音の生成を同一タイムライン上で直接実行できる。さらにAI共同編集機能「Studio Agent」を搭載し、映像をフレーム単位で解析して粗編集や音の同期を自動化する。

  18. AIツール拡散指数 37

    ElevenLabs、AI音声エディタ「Studio 4.0」公開　台本修正で音声再生成

    ElevenLabsは動画制作者やポッドキャスター向けの音声編集ツール「Studio 4.0」を発表した。1万種類以上の音声や背景音楽、効果音の生成に対応する。台本の文字を修正するだけで音声を自動再生成できるほか、指示をもとに構成やクリップ配置を行うAIアシスタント「Studio Agent」も備える。