マイクロソフトが音声合成モデル「MAI-Voice-2.1」発表、45msの超低遅延で即時クローン
マイクロソフトは音声合成モデル「MAI-Voice-2.1」と「MAI-Voice-2.1-Flash」を公開した。微調整なしで即座に声紋を模倣でき、23言語と感情表現に対応する。Flash版は遅延わずか約45msで、リアルタイムの対話AIにおける不自然な間を解消する。
マイクロソフトは音声合成モデル「MAI-Voice-2.1」と「MAI-Voice-2.1-Flash」を公開した。微調整なしで即座に声紋を模倣でき、23言語と感情表現に対応する。Flash版は遅延わずか約45msで、リアルタイムの対話AIにおける不自然な間を解消する。