アメリカのスタートアップ企業ElevenLabsが最近発表した「AIダビング」ツールは、音声コンテンツを20以上の異なる言語に翻訳でき、言語の壁を取り払い、コンテンツの世界化を実現します。
このツールは、インディペンデントクリエイターや映画スタジオから好評を得ています。
ElevenLabsのCEOは、このツールの翻訳プロセスは自動化されており、元の音声のトーンや感情を維持しながら、複数の言語に対応していると述べています。
この分野の競争は激しさを増しており、OpenAIやMetaも音声翻訳技術の開発に積極的に取り組んでいます。
AIダビングツールの台頭は、音声合成市場にさらなる可能性をもたらし、市場規模の拡大が予測されています。
【AIデイリー】へようこそ！ここは、毎日人工知能の世界を探求するためのガイドです。毎日、開発者に焦点を当て、技術トレンドを洞察し、革新的なAI製品アプリケーションを理解するのに役立つ、AI分野のホットなコンテンツをお届けします。
現代のメディア環境において、人工知能（AI）はニュースの入手方法を密かに変えつつあります。従来、ニュースを読むことは一方通行の体験で、読者は情報を受け取るだけで議論に参加することはありませんでした。しかし、チャットボットの台頭により、ニュース消費は双方向的なインタラクションへと進化し、読者の役割は受動的な受信者から能動的な参加者へと変化しています。ますます多くの読者が、AIツールやチャットボットを利用してニュースを精査、要約、解釈し、時には伝統的なメディアを完全に迂回するようになっています。このような「対話型ニュース」は、読者が記事を閲覧する際に…
急速に発展を続けるポッドキャスト業界において、Podcastleプラットフォームは先日、最新のAIテキスト読み上げモデルAsyncflow v1.0を発表しました。この新しいモデルは、ユーザーに450種類以上のAI音声を提供するだけでなく、開発者向けにAPIインターフェースも公開し、テキスト読み上げ機能を彼らのアプリケーションに直接統合することを可能にしています。Podcastleの創設者Arto Yeritsyan氏は、同社が常にテキスト読み上げ機能の開発を目指してきたと述べています。
アップル社が最近発表したAIニュース要約機能が、速報ニュースの要約において重大な誤りを繰り返し、ユーザーに大量の虚偽情報が伝わる事態を引き起こしている。この機能の発表以来、多くの報道機関やユーザーから、アップルの技術が未成熟であり、正確な情報を効果的に提供できないとして強い反発を受けている。ワシントンポスト紙のテクノロジーコラムニスト、ジェフリー・ファウラー氏がソーシャルメディアで、アップルのAIがニュース要約において事実を歪めたと投稿したと報じられている。
HeyGenは、2022年7月29日に正式ローンチされた、革新的なAIデジタルアバター動画生成プラットフォームです。ビジュアルストーリーテリングを誰もが簡単に利用できるツールにすることを目指しています。HeyGenでは、カメラや俳優を必要とせず、数分でリアルなデジタルアバター動画を簡単に作成できます。AI音声翻訳とリップシンク機能により、動画を175以上の言語に翻訳することも可能です。
現在のメディア業界がAIに対して慎重な姿勢をとる中、ParticleというAIニュース閲覧アプリがその状況を変えようとしています。元Twitterのエンジニアが開発したこのアプリは、ユーザーがニュースをより深く理解するのを支援するとともに、従来のメディア機関とのウィンウィン関係を模索しています。Particleは、元Twitterプロダクトマネジメント上級ディレクターのSara Beykpour氏と、元Twitterおよびテスラの上級エンジニアであるMarcel Molina氏によって共同設立されました。同社は、
ElevenLabsが開発したモバイルリーダーアプリがAndroidプラットフォームに登場。テキスト読み上げ、PDF/ePubファイルの閲覧、高品質なAI音声合成技術を一体化し、場所を選ばずに文章を音声で楽しめる画期的なアプリです。テキストの読みやすさに関わらず、快適な読書体験を提供します。アメリカ、イギリス、カナダの3ヶ国語と、今後32言語への対応を予定しており、グローバル展開を間近に控えています。Judy GarlandやJames Deanなど、伝説的著名人の声を模倣するAI技術も搭載し、パーソナライズされた読書体験を提供します。
日本のイオン系のスーパーマーケットが、AIシステム「Smile-Kun」を使って従業員の笑顔を監視していることが明らかになった。従業員の笑顔や声の分析を通じて接客スキル向上を目指しているという。システムは特定のあいさつ方法を要求し、450個の微表情のポイントで100点満点で採点、リアルタイムでフィードバックする。さらに、音量や滑らかさ、トーンについても分析し、改善点を提案する。従業員の反応では笑顔の割合が大幅に増加したという。しかし、この取り組みは物議を醸しており、一部のネットユーザーからは従業員の個性や感情を過度に数値化しており、真心のこもったサービスとは程遠いとの批判が出ている。批判意見では、上下関係や
マイクロソフト研究所と北京航空航天大学の研究チームは、マルチモーダル大規模言語モデル（MLM）開発における課題解決を目指し、高効率なマルチモーダル埋め込みフレームワークE5-Vを発表しました。この革新的なフレームワークは、単一モーダル学習によってマルチモーダル学習プロセスを簡素化し、従来のモデルに見られた独立したエンコーダーへの依存と、それに伴う入力統合の非効率性を克服します。E5-Vはテキストと画像情報を統合することでトレーニングコストを削減し、テキスト-画像検索、画像検索など、複数の複雑なタスクにおいて優れた性能を示しました。特にゼロショット学習において…