故ジョージ・カーリンの遺族、AI偽動画めぐる訴訟でポッドキャスト側と和解
伝説的コメディアン故ジョージ・カーリンの遺族は火曜日、AIで音声を模倣した偽特番を公開したポッドキャスト「Dudesy」の制作者と和解した。被告側は動画を完全削除し、今後カーリンの声や肖像を使用しないことに合意。セレブのAIディープフェイクをめぐる米国初の訴訟例として注目された。
AI音声
新しいニュースを見る
OpenAI、15秒で声を複製する「Voice Engine」公開 悪用リスク懸念で一般公開は見送り
OpenAI はわずか 15 秒の音声サンプルから本人そっくりの音声を生成できる「Voice Engine」のテスト結果を発表した。教育や医療向けに限定提供されているが、ディープフェイクなどの悪用リスクを警戒し、一般への公開は見送られている。
ElevenLabsがrabbitと提携：AI端末「r1」に極めて自然な音声を統合
ElevenLabsはrabbitとの提携を発表し、携帯型AI端末「r1」に超高品質・低遅延の音声合成モデルを統合した。ボタンを押して話しかけるだけで、配車やフードデリバリーなどの複雑なタスクを自然な対話で実行できる。機械的ではないリアルな音声により、ポケットAIアシスタントの対話体験が一段と人間に近づく。
米テネシー州、AIによる音声の無断模倣を禁止する全米初の法案に署名
テネシー州知事は木曜日、AIによる音声の無断複製から音楽家を守る「ELVIS法」に署名した。全米の州として初の試みで、許諾を得ずにAIでアーティストの声を模倣する行為を禁止する。新法は7月1日に施行される予定だ。
人型ロボット「Figure 01」にOpenAIモデルが統合、会話しながら作業可能に
ロボット企業のFigureは、人型ロボット「Figure 01」にOpenAIの音声および視覚言語モデルを統合したデモを公開した。ロボットは人間と自然に対話しながら指示通りに物を片付ける作業をこなし、発話時の自然な言い淀みまで再現。ChatGPTに物理的な身体を与える具身AIの大きな一歩となった。
DeepgramがAuraを発表：リアルタイム音声合成APIでAIが即座に対話
Deepgramはリアルタイムのテキスト読み上げAPI「Aura」を発表した。0.5秒未満（多くは0.3秒未満）で自然な音声を生成し、1000文字あたり0.015ドルと低価格に抑えている。これにより、大規模言語モデルを活用したカスタマーサポート等のAIエージェントが即座に応答できるようになる。
バイデン米大統領、一般教書演説で「AI音声のなりすまし」禁止を訴え
バイデン米大統領は木曜夜の一般教書演説で、AIによる音声のなりすまし禁止を呼びかけました。具体的な罰則や規制内容、エンタメ業界への適用範囲は明かしていませんが、ハリウッドのストライキに続き、生成音声の悪用が本格的な政策課題へと浮上しています。
ChatGPTに「Read Aloud」機能が追加：回答の音声読み上げに対応
OpenAIはChatGPTにテキスト回答を音声で読み上げる「Read Aloud」機能を追加した。iOS・Androidアプリでは回答を長押しして選択、Web版では回答下部のアイコンから利用できる。移動中など画面を注視できない場面で重宝しそうだ。
Pikaが新機能「Lip Sync」を公開、ElevenLabs連携で口パクと音声を同期
動画生成AIのPikaが新機能「Lip Sync」を発表した。ElevenLabsの音声技術を採用し、テキスト入力や音声アップロードに合わせて動画内キャラクターの口元を自動で同期させる。現在はPika Pro有料会員や招待枠限定で提供されている。
ElevenLabsとPerplexityが提携、AI音声ポッドキャスト「Discover Daily」配信開始
音声AIのElevenLabsはPerplexityとの提携を発表し、短尺デイリーポッドキャスト「Discover Daily」を公開した。Perplexityが収集・要約した最新の科学や技術ニュースをElevenLabsのAI音声で読み上げる仕組みで、主要ポッドキャストプラットフォームで配信中。
音声AIのElevenLabs、2024年ディズニー・アクセラレーターに採択
2月22日、音声生成AIスタートアップのElevenLabsが「2024 Disney Accelerator」プログラムへの採択を発表した。同社はディズニーのクリエイティブなリソースを活用し、言語の壁を取り払う音声技術の展開を目指す。大手エンタメ産業での生成AI実用化が一段と加速しそうだ。
ElevenLabsが選挙対策を強化：米英候補者の音声クローンを検知・阻止へ
ElevenLabs は 2024 年の世界的な選挙に向けた安全対策を発表した。米英の大統領や首相候補者の声を模倣することを防ぐ「no-go voices」機能を導入し、なりすましや政治的な自動架電への利用を禁止。同社製音声を判定する識別ツールも継続して提供する。
NBAが「NB-AI」を披露：試合映像を瞬時に「スパイダーマン風アニメ」に変換
NBAのアダム・シルバーコミッショナーが技術サミットで「NB-AI」をデモ公開した。音声指示で生中継の視聴体験をカスタマイズでき、試合をスパイダーマン風のアニメ調に再生成したり、選手が履いているバッシュをその場で特定して購入できる。現在はコンセプト段階の展示となる。
アマゾンが音声合成モデル「BASE TTS」発表、パラメータ拡大で「創発的能力」を発現
Amazonの研究チームは最大9億8000万パラメータの音声合成モデル「BASE TTS」を発表した。10万時間の音声データを学習させると、LLMと同様に感情表現やささやき声、複雑な構文を自然に読み分ける「創発的能力」が現れたという。悪用リスクへの懸念からモデルの重み自体は非公開となっている。
ElevenLabsが声の収益化に対応：音声クローン共有で現金獲得
ElevenLabsは作成した音声クローンを「Voice Library」で共有し収益化できる仕組みを発表した。30分の音声をアップロードして作成したプロ仕様のクローンが有料ユーザーに使われると、現金報酬が得られる。本人確認や日次アナリティクス機能も提供される。
米FCC、AI音声を使った自動迷惑電話を違法化
米連邦通信委員会（FCC）はAI生成音声を使用した自動迷惑電話（ロボコール）を違法とする決定を下した。AI音声クローンを既存の規制枠組みに組み込むことで、詐欺の立証を待たずに各州の司法長官がAI音声の使用自体を取り締まれるようになる。
Roblox、16言語対応のリアルタイムAIチャット翻訳機能を公開
Robloxは今週、独自の大規模言語モデルを活用したリアルタイムAIチャット翻訳機能を発表した。16言語に対応し、韓国語で入力されたメッセージが英語やドイツ語のユーザー画面に母国語へ即時変換されて表示される。TextChatServiceを利用する全ワールドで利用可能で、今後は音声翻訳の導入も見込む。
米FCC、ロボコールでのAI音声クローン利用を違法化へ
米連邦通信委員会（FCC）は、自動発信電話（ロボコール）でのAI音声クローン技術の利用を違法と認定する方針を提案した。バイデン大統領の偽音声による有権者妨害電話を受けた動きで、既存法の「人工音声」に該当させることで詐欺業者の摘発を容易にする狙いがある。
Apple Podcastsが文字起こしに対応、iOS 17.4でほぼ全番組にテキスト提供
Apple が iOS 17.4 ベータ版の Apple Podcasts に機械学習を活用した自動文字起こし機能を追加した。ライブラリ内の大半の番組で利用できるが、外部 URL から追加した番組は対象外となる。3 月の正式リリースで一般提供される見通しだ。
バイデン氏の偽音声電話で投票妨害か、AIディープフェイクの可能性
米ニューハンプシャー州の予備選を控え、バイデン大統領の声を模倣して投票に行かないよう呼びかける自動電話が拡散した。専門家や検知企業はAIによるディープフェイクの可能性が極めて高いと指摘。わずかな音声データで政治家の声を偽造できる現状に対し、規制の遅れが懸念されている。