ElevenLabs、AI音声で長文やPDFを読み上げる「Reader App」を公開
ElevenLabsはiOSとAndroid向けに「Reader App」を公開した。Web記事やPDF、ePubなどの文書を高品質なAI音声で自然に読み上げてくれる。最初の3カ月間は無料で利用可能。現在は英語のみだが、近く29言語以上に対応する予定だ。
ElevenLabsはiOSとAndroid向けに「Reader App」を公開した。Web記事やPDF、ePubなどの文書を高品質なAI音声で自然に読み上げてくれる。最初の3カ月間は無料で利用可能。現在は英語のみだが、近く29言語以上に対応する予定だ。
ElevenLabsはテキストプロンプトから効果音や短いインスト曲、環境音を生成できるAIモデルを全ユーザー向けに公開した。Shutterstockのライセンス音源を用いて微調整されている。映像やゲームの制作者が素材ライブラリを探し回る手間を省けそうだ。
出版大手のHarperCollinsは音声AIのElevenLabsと提携し、非英語市場の旧作シリーズをAI音声でオーディオブック化すると発表した。従来は採算が合わず見送られていた作品を対象とし、Studioツールで短時間かつ低コストに制作する。新作や主力作では引き続き声優の朗読を採用し、AIは補完ツールとして活用する方針だ。
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。
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。
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。
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は「AI Sound Effects」の近日提供を予告した。テキストプロンプトから独自の音響効果や環境音、サウンドスケープを直接生成できるようになり、音声や音楽に続く制作ツールを提供する。
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。
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。
PerplexityはVercelとの提携を発表し、開発者がVercel AI SDKを通じて同社のオンライン検索モデルを利用できるようにした。pplx-7b-onlineなどを組み込むことで、知識のカットオフに縛られないアプリ開発が可能になる。VercelはあわせてAIプレイグラウンドも公開した。
ElevenLabsはAndreessen Horowitzなどが主導するシリーズBで8000万ドルを調達したと発表した。あわせて、長編映画の翻訳や字幕編集ができる「Dubbing Studio」や、自身のAI音声を貸し出して収益を得られるマーケットプレイスを公開した。
日曜夜、パキスタンのカーン元首相の政党が ElevenLabs の音声合成技術を使い、同氏の声を再現した 4 分間の選挙演説動画を公開した。獄中からのメモをもとに作成されたオンライン集会は 50 万回以上再生され、政府が主要 SNS を遮断する騒動に発展している。
ElevenLabsは、従業員25人未満のアーリーステージ企業を対象にした支援制度「ElevenLabs Grants」を開始した。採択企業には製品開発向けに毎月1100万文字分の音声生成・吹き替え枠が3カ月間無償提供され、第1期で合計1000億文字分以上を配布する予定だ。
ElevenLabsは最速の音声生成モデル「Turbo v2」を公開した。生成遅延を約400ミリ秒に抑え、初代モデルより2倍以上高速化しながら既存の高品位モデルと同等の音質を保つ。VoIP向けのmulaw 8khz出力にも対応した。
ElevenLabsは企業向け音声プラットフォームを発表した。対話ボットを構築・監視する「ElevenAgents」と高品質な音声や効果音を生成する「ElevenCreative」の2軸で構成され、SalesforceやZendeskなどの既存業務ツールと即座に連携できる。
ElevenLabsは動画生成プラットフォームのPictory AIとの提携を発表した。Pictoryに高精度な音声合成技術が統合され、英語やドイツ語を中心に、記事や台本から自然なナレーション付き動画を手軽に生成できるようになる。
ElevenLabsは自動音声翻訳ツール「AI Dubbing」を発表した。話者本人の声質や感情、抑揚を保ちながら、音声を数分で20以上の言語へ吹き替える。複数話者の自動識別や背景ノイズの除去にも対応し、動画の多言語展開を簡素化する。
ElevenLabsはオーディオブック作成ツール「Projects」を発表した。ePub形式の電子書籍をアップロードするだけで登場人物を自動検出し、最適なAI音声を割り当てて90以上の言語でスタジオ品質の音源を数分で制作できる。
音声AIのElevenLabsはBeta版提供を終了し、28言語に対応する新音声モデル「Eleven Multilingual v2」を公開した。入力されたテキスト言語を自動識別し、話者固有の声質やアクセントを保ったまま、1つの声で複数言語の自然な音声を生成できる。