ElevenLabsが音声クローン悪用で対策強化へ、有名人の偽音声拡散
AI 音声スタートアップの ElevenLabs は、ベータ版で音声クローンの悪用が急増したことを受け安全策を強化すると表明した。4chan 上で有名人の声を模したヘイト音声が出回ったためで、決済情報の登録や身元確認、手動審査の導入を検討している。
AI音声
新しいニュースを見る
米警察がボディーカメラにAI導入：Truleoが音声分析で不適切行動を検知
米Axiosによると、スタートアップTruleoのAIが米国の複数警察署で導入されている。装着カメラの音声を自動で書き起こして解析し、暴言や暴力、「息ができない」といった危険な発言を検知して上司に報告する仕組み。カリフォルニア州アラメダでは武力行使が36%減少したという。
AIで「動物の言葉」を解読へ：種を超えた対話を目指す研究
世界経済フォーラムの報告によると、非営利組織Earth Species Projectなどの研究者らが、AIを活用して動物の音声や生態系データを解析し、動物の言語解読に取り組んでいる。野生動物の保護や持続可能性の向上に向け、双方向の意思疎通を目指す。
ElevenLabs、架空の音声をゼロから作成できる新生成AI機能を発表
ElevenLabsは架空の合成音声をゼロからデザインできる生成AIモデルを発表した。性別、年齢、アクセントなどを設定するだけで、これまで存在しなかった声を生み出せる。本機能は2月にVoice Labで提供開始予定。
マイクロソフトの音声モデル「VALL-E」、わずか3秒の音声から声を再現
マイクロソフトはテキスト読み上げAIモデル「VALL-E」を発表した。わずか3秒の音声サンプルから、話し手の音色や感情のトーン、空間の音響まで再現できるという。Metaのデータセットで学習されたが、なりすまし等の悪用リスクを考慮してコードは非公開となっている。
MIT、動画と音声を1000語で結びつけるマルチモーダルAIを開発
MIT CSAILの研究チームは動画・音声・テキスト間で共通する概念を学習するマルチモーダルAI技術を発表した。共有埋め込み空間で1000個の単語ベクトルを用いて動作を自動識別し、高精度かつ説明可能なクロスモーダル検索を実現する。ロボットの知覚向上に期待されるが、現状は一度に2つのモダリティの処理にとどまる。
Apple BooksにAIナレーション導入：小説や実用書で本格展開へ
AppleはApple Booksストアにて、AI音声による朗読作品「Narrated by Apple Books」の提供を開始した。小説や自己啓発書などジャンルに合わせたAI音声が割り当てられる。制作には審査を含め1〜2か月かかるものの、高額な有声書制作のハードルを下げると期待される一方、声優の仕事への影響も懸念されている。
NVIDIA、「Omniverse ACE」の早期アクセスを開始：クラウドAIでデジタルヒューマン開発を支援
NVIDIA はデジタルヒューマン制作向けクラウド AI マイクロサービス群「Omniverse ACE」の早期アクセスを開始した。音声から表情アニメーションを生成する Audio2Face や Riva 音声合成を統合し、Unreal Engine の MetaHuman や Ready Player Me と連携可能。開発者は端末スペックに縛られず、高品質な対話型アバターを迅速に構築できる。
DeepBrain AI、亡くなった家族と“ビデオ通話”できるAIサービス「Re;memory」を提供
韓国のDeepBrain AIは2022年後半、故人の姿や声をAIで再現して対話できる「Re;memory」を開始した。写真や動画、事前面談のデータを学習させ、専用ショールームの大型スクリーンで30分間のリアルタイムなビデオ通話体験を提供する。
AIがメッシに流暢な英語を話させる：Synthesiaが5分の映像から10言語を合成
AI動画生成のSynthesiaがサッカー選手のリオネル・メッシの映像わずか5分から、流暢な英語など最大10言語を話す合成動画を作成した。普段英語を話さないメッシのリアルな口の動きや発声にファンから驚きの声が上がっている。ディープラーニングによる多言語アバター生成の急速な進化を示す好例だ。
深層学習がメタバースを加速する理由：音声翻訳から生成AIキャラクターまで
深層学習はメタバースの進化において不可欠な基盤技術となりつつある。視線追跡や3D再構築に加え、Metaのリアルタイム音声翻訳や、定型文に頼らない生成AIチャットボットによるブランド代表の対話が実現しつつある。仮想世界での自然な体験を深層学習が支える。
Dialpadが「AI Labs」を設立：5年間で5000万ドルを業務AI研究に投資
DialpadはAI Labsの設立を発表し、今後5年間で5000万ドルをAI研究開発に投資すると表明しました。顧客満足度や解約の予測分析、CRMへの自動メモ記録といったワークフローの自動化に注力します。音声認識技術の蓄積を、実用的なビジネス意思決定支援へと拡張する狙いです。