中国の起業家、雷軍氏の国慶節期間中のAIに関する発言が大きな議論を呼んでいます。AIによる顔交換や音声合成技術の悪用を防ぐため、関連法の整備を求める声が上がっています。

雷軍は、人工知能端末が人工知能技術を実装する重要なプラットフォームであり、その応用範囲がスマートフォン、スマートカー、ウェアラブルデバイスからスマートホーム、ロボットなどへと拡大し続けていると指摘しました。この傾向は、消費市場に新たな活力を吹き込むだけでなく、サプライチェーンの高付加価値化・高度化アップグレードにも重要な原動力となります。しかし、人工知能端末の急速な発展の初期段階では、依然としてコア技術のボトルネックを克服し、協調的イノベーションエコシステムを構築して、産業の標準化、協調、イノベーション、高品質な発展を促進する必要があります。

Sesame社が最近発表した音声合成モデル「Conversational Speech Model（CSM）」が、Xプラットフォームで話題を呼んでいます。まるで人間が話しているかのような音声モデルとして高く評価されています。このモデルは、その驚くべき自然さと感情表現力で、ユーザーは人間との区別がつかなくなり、「音声分野の不気味の谷効果を克服した」と発表されています。デモ動画とユーザーフィードバックが広まるにつれ、CSMは急速にAI音声技術の最先端となっています。

人工知能の急速な発展に伴い、音声合成技術はますます注目を集めています。最近、Kokoroという最新のテキスト読み上げモデルがHugging Faceプラットフォームで正式に公開されました。このモデルは8200万パラメータを備え、音声合成分野における重要なマイルストーンを意味します。Kokoro v0.19は公開の数週間前、TTS（テキスト読み上げ）ランキングで1位を獲得し、パラメータ数の多い他のモデルを凌駕するパフォーマンスを示しました。このモデルはモノラル設定で、わずか…

複雑なオープンソースデジタルヒューマンツールの環境設定に頭を悩ませていますか？AigcPanelの登場で、この状況は一変します。このオールインワンのAIデジタルヒューマンシステムは、そのシンプルで使いやすい特性により、あらゆるユーザーが簡単に使いこなせます。インストールパッケージ一つで、あらゆる問題を解決し、煩雑な環境設定とはお別れです。モデルをダウンロードするだけで使用開始でき、「開梱即使用」を実現しました。AigcPanelの主要機能は、強力な動画合成、音声合成、音声クローン機能です。ユーザーは簡単にデジタルヒューマンを含む動画を生成できます。

イリノイ大学アーバナシャンペーン校、Sony AI、ソニーグループの研究チームが最近、MMAudioという新しい技術を発表しました。この技術はマルチモーダル連携学習を用いて、高品質な動画から音声合成を実現することを目指しています。MMAudioの中核となる革新は、動画とテキストの入力を利用して同期した音声を生成できる点であり、これにより音声生成の応用範囲が広がり、動画またはテキストを入力して動画の内容に合わせた音声効果を生成することが可能になります。MMAudioの設計は…

Meta AIは最近、SPIRIT LMと呼ばれる基礎的なマルチモーダル言語モデルを大々的にオープンソース化しました。このモデルはテキストと音声の自由な混合が可能で、音声とテキストのマルチモーダルタスクに新たな可能性を開きます。SPIRIT LMは70億パラメーターの事前学習済みテキスト言語モデルをベースに、テキストと音声のユニットで継続的に学習することで音声モダリティに拡張されました。テキストの大規模言語モデルのようにテキストを理解・生成できるだけでなく、音声の理解・生成も可能で、テキストと音声を混合して様々なものを創造することもできます。

国慶節連休中、笑っていいのか泣いていいのかわからない出来事がネット上で広まりました——雷軍のAI音声合成が突如として話題になったのです！小米創業者である雷軍氏も心の中で「こいつ絶対悪ふざけしてる！」とつぶやいていることでしょう。様々なユーザーがこのAIツールを使って「雷軍鋭評」動画を作成し、ユーモラスなだけでなく、中には罵倒を含むものも多く、国慶節連休中は雷軍氏に「怒鳴られ続けた」ような状態でした。最近、ショート動画プラットフォームでは雷軍の声をバックミュージックにした悪ふざけ動画が大量に投稿され、多くの視聴者を…

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。

人工知能の急速な発展に伴い、音声合成と変換技術は日進月歩で進化し、非常にリアルで自然な音声体験をもたらしています。しかし、これらの技術の進歩は、潜在的なセキュリティリスクも孕んでおり、特に音声クローン技術が悪用され、個人情報や社会の安定を脅かす可能性があります。この課題に対し、浙江大学知能システム安全研究所と清華大学は、画期的な音声偽造検出フレームワークSafeEarを共同開発しました。このフレームワークは、偽造音声を効率的に検出するだけでなく、検出プロセスにおいてユーザーのプライバシーも保護します

急速に発展する現代のテクノロジーにおいて、音声合成技術も進歩を遂げており、特に失われた声を回復する分野で注目されています。最近、Googleの研究者たちは「ゼロショット音声変換（zero-shot voice transfer）」と呼ばれる新しい技術を発表しました。この技術は、最先端のテキスト音声変換（TTS）システムと直接統合でき、病気や事故で声を失った人々が彼らの「声の記憶」を取り戻すのを助けます。この技術の核心は「ゼロショット」能力であり、大量のサンプルを必要とせずに実現できることを意味します。

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。

Fish Speech 1.4のリリースは、このオープンソースのテキスト読み上げ（TTS）モデルが、多言語対応と性能において大きな進歩を遂げたことを示しています。高品質で自然な音声合成体験を提供することに尽力する革新的なソリューションとして、Fish Speechはこのアップデートでその強力な技術力と幅広い応用可能性を示しました。多言語対応の大幅な向上Fish Speech 1.4で最も注目すべき点は、その強力な多言語対応能力です。トレーニングデータは倍増し、モデルは…

ChatTTS-OpenVoiceという革新的なプロジェクトがインターネット上で注目を集めています。ChatTTSとOpenVoice技術を融合し、ユーザーがアップロードした10秒間のサンプル音声から、パーソナライズされた自然な音声を生成できます。この技術は、音声合成ツールや音声アシスタントに適用でき、アップロードプロセスを簡素化することで、ユーザーはカスタマイズされた音声体験を得ることができます。このプロジェクトは公開後、開発者とユーザーから高い評価を受け、ソーシャルメディアでも話題になっています。責任者は、ユーザーによりパーソナライズされ自然な音声を提供することを目指していると述べています。

アリババが最近発表したCosyVoice音声合成モデルとSenseVoice音声認識モデルは、FunAudioLLMフレームワークを構成し、人と機械のインタラクション体験の向上を目指しています。CosyVoiceは、そのリアルな音声生成能力により、異なる性別、年齢、個性的声音を模倣し、感情やスタイルを追加し、笑い声、咳、呼吸などの自然な特徴をシミュレートすることもできます。SenseVoiceは、高精度の多言語音声認識、感情認識、オーディオイベント検出に焦点を当てており、50以上の言語をサポートしています

火山引擎は成都で2024 AIイノベーション巡回展を開催しました。火山引擎は、豆包大規模言語モデルの1日あたりのトークン使用量が5000億を超え、5月15日のモデル発表以来、企業顧客1社あたりの1日あたりのトークン使用量が平均22倍に増加したと発表しました。火山引擎副社長の張鑫氏は、火山引擎がよりインテリジェント化、業界特化、地域特化の方向に進んでいること、そして業界ソリューション、製品、最適化されたサービスを通じて企業のビジネスイノベーションを支援していることを述べました。

通信詐欺の手口は高度化し続け、国民の財産安全を脅かしています。主な類型としては、「画面共有」型詐欺（画面共有機能を誘導し、個人銀行情報を盗む）、「AI顔認証・音声合成」型詐欺（技術を用いて偽の音声・動画を作成し、信頼を得て送金や個人情報の提供を誘導）、「偽のオンライン投資・資産運用」型詐欺（高利回りを餌に投資を誘導し、資金を詐取）、「オンラインゲームの偽取引」型詐欺（偽の取引情報でプレイヤーをオフライン取引に誘導し、資金を詐取）などがあります。予防策を講じることが重要です。