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。

この度、Play AIは最も野心的な製品であるPlayDialogベータ版を正式にリリースしました。対話型のポッドキャスト音声の生成が可能です。このエンドツーエンドのAI音声モデルは、対話履歴のコンテキストを利用して、トーン、感情、速度を調整し、より自然な音声合成を実現します。これは、人間と機械の対話の新たな高みを示すものです。PlayDialogは、ナレーション、音声吹き替え、ポッドキャスト合成など、リアルな対話体験の作成に特に適しており、ビジネス環境においても没入型の1対1音声を提供できます。

全米映画俳優組合（SAG-AFTRA）は先日、AI音声企業Ethovoxと画期的な合意に署名し、俳優の音声データのAI利用に関する明確な基準を定めました。この合意は、エンターテインメント業界におけるAI技術の利用のための信頼できる枠組みを提供するだけでなく、俳優の権利保護のために新たな基準を打ち立てました。合意の内容によると、俳優は二重の収益保障を受けます。一つは音声収録の前払い料金、もう一つはAI音声モデルの利用から生じる継続的な収益分配です。さらに重要なのは、音声データのあらゆる利用について...

カリフォルニア大学ロサンゼルス校とアマゾンの研究者らが、大規模言語モデル（LLM）の推論能力を詳細に分析した最新の研究。帰納的推論と演繹的推論という2つの能力を初めて体系的に区別し、AIシステムにとってそれぞれの難易度を探った。画像出典：AI生成画像、画像ライセンス提供元Midjourney 帰納的推論とは、具体的な観察から一般的な法則を導き出すことであり、演繹的推論とは、一般的な規則を特定の事例に適用すること。研究の目的は、どちらの推論能力が大型…

先日、ジョンズ・ホプキンス大学とテンセントAIラボが共同で、EzAudioという新しいテキスト音声変換モデルを発表しました。この技術は、前例のない効率性と高品質でテキストを音声に変換することを約束しており、人工知能と音声技術の大きな飛躍を意味します。EzAudioの動作原理は、従来のスペクトログラムではなく、音声波形の潜在空間を利用することにあります。この革新により、EzAudioは高時間分解能で動作し、追加のニューラルボコーダーを必要としません。EzAudioのアーキテクチャはEzAuと呼ばれます。