最近、カリフォルニア州サンフランシスコに拠点を置くAIスタートアップ企業smallest.aiは、100ミリ秒で最大10秒の音声生成が可能な新しいテキスト音声変換（TTS）モデル、Lightningを発表しました。この技術の進歩により、世界中の開発者は、高忠実度の音声ボットアプリケーションを構築することができ、遅延時間が大幅に短縮され、実装コストが削減され、アプリケーションのアクセシビリティが向上します。Lightningは現在、英語とヒンディー語の複数のアクセントをサポートしており、チームはさらに迅速に言語を追加する計画です。

人工知能企業Cartesiaは先日、Voice Changerという音声変換モデルをリリースしました。従来の音声変換とは異なり、このモデルは入力音声を目標の音声に変換するだけでなく、元の音声のイントネーションやアクセントなどの表現特徴を維持することができます。Cartesia公式によると、ユーザーはplay.cartesia.aiでこの機能を試用できます。現在、同社は関連APIドキュメントを公開しており、開発者はdocs.cartesia.aiで確認できます。