深セン市睿域科技有限公司は近日、声明を発表し、9月16日に拡散された音声ビデオ資料の音声部分が、容疑者が同社が自主開発したReecho睿声AI音声合成モデルプラットフォームを使用してクローン作成されたものであることを確認しました。この音声は盧某のライブ配信の断片に由来します。同社は内部監査メカニズムを開始し、ユーザー認証と音声生成のセキュリティ管理を強化することで、技術の合法的なコンプライアンス遵守を確保しています。Reecho睿声は、言域科技は創業から1年未満のスタートアップチームであり、音声と擬人化AIの先端技術に取り組んでいると述べています。

本日開催された2024火山エンジンAIイノベーション巡回展で、動画生成モデルに加え、バイトダンスはDoubao・音楽モデルとDoubao・同時通訳モデルを発表し、Doubao汎用モデルPro、テキストから画像生成モデル、音声合成モデルなどの垂直モデルの大幅なアップグレードを発表しました。Doubao・音楽モデルの発表は、火山エンジンが音楽創作分野における深い取り組みを示しています。このモデルは強力なアルゴリズムによって、高品質な音楽創作の自由を実現します。歌詞生成においては、簡単な単語を入力するだけで、感情豊かな歌詞を迅速に生成することができます。

bilibili UP主「小虫哥_」が原神二次創作動画を投稿。フータオを模倣したボイスで、元のボイスを維持しつつ、再生回数は136万回を突破。VITS音声合成モデルを使用し、音声テキストから言語特徴を抽出し、原神キャラクター特有の声質を再現。AIボイスクローン技術は普及しており、HeyGen、AI Dubbingなどのツールにより利用のハードルが下がっている。AI技術の進化によりクリエイターの注目を集めており、内容と形式において独創的な作品を作るかが重要となる。本記事ではVITSモデルの原理を解説し、音声合成について簡単に説明する。