音声生成・TTS アーカイブ

OpenAI 、次世代の音声 AI モデルをリリースー音声認識と合成が大幅進化

OpenAI は 2025 年 3 月 20 日、次世代の音声モデルを API ベースでリリースしました。この新モデルは、テキストから音声への変換（Text-to-Speech, TTS）および音声からテキストへの変換（

Vogent AI が3月11日に発表した「 Self-Learning Voice Agents （自己学習型音声エージェント）」は、音声 AI エージェント分野に革新をもたらす技術として注目を集めています。この新技術

Hume AI が 2 月 21 日、テキスト音声変換（ TTS ）専用に設計された大規模言語モデル「 Octave 」をリリースしました。従来の TTS システムとは異なり、 Octave はテキストの文脈や感情を理解

音声読み上げAI「Zonos」を試してみました。このサービスは、カリフォルニア州パロアルトのスタートアップZyphraが開発したオープンソースの音声読み上げツールです。現在、英語や日本語を含む6言語に対応しており、その精

NVIDIAが、音声生成と編集の分野の新しいAIモデル「Fugatto」（フガット）を発表しました。Fugattoは、25億のパラメータを持つ大規模なモデルで、テキストプロンプトや音声入力から様々な音（音楽・音声・効果音

GoogleのAIメモ作成アプリ「NotebookLM」に、新たに「Audio Overview」機能が追加されました。この機能は、NotebookLMにアップロードされた文書やWebページの内容を、AIが生成した2人の

StabilityAIが提供する有料の画像生成・画像処理サービス「Stable Assistant」をご紹介します。Stable Assistantは、StabilityAIが公開した最新の画像生成モデル「Stable

ElevenLabsのSound Effects機能を試してみました。この機能は、プロンプトを入力すると、それに応じた効果音を生成してくれるというものです。使い方は非常にシンプルで、MetaのAudioboxの中でも同

先日OpenAIの音声クローニング技術に関するニュースが話題になりましたので、興味を持ち、先行して昨年末に発表されていたMetaの同様の技術、Audioboxを遅ればせながら試してみました。 Audioboxにはいくつか

音声生成サービスMurf AIを紹介します。Murf AIは、テキストをリアルな音声に変換することができる音声生成サービスです。 2020年10月にSneha Roy、Ankur Edkie、Divyanshu Pand

OpenAIは、わずか15秒の音声サンプルから実在する人物の声を模倣できる高度な音声合成ツール「Voice Engine」を開発しました。現在、同ツールは限定的なプレビュープログラムの中で、ヘルスケアやアクセシビリティ、

新しいテキスト読み上げツール「Read-this.ai」を試してみました。Read-this.aiは、オンラインの記事を自然な音声で読み上げてくれるChromeの拡張機能です。使い方は非常にシンプルで、読み上げたいウェ