Spotifyは木曜日に、ElevenLabsとの提携を発表し、同社のAI音声技術によるナレーションのオーディオブックを正式に導入しました。現在最も信頼されているAIオーディオプロバイダーの1つであるElevenLabsとのこの新たなパートナーシップは、プラットフォーム上のAIナレーションオーディオブックの数を大幅に増加すると予想されます。新しい手順では、著者はまずElevenLabsからオーディオファイルパッケージをダウンロードし、その後Spotifyのオーディオブック配信サービスであるFindaway Voicesにアクセスする必要があります。

AI音声テクノロジー企業ElevenLabsが再び注目を集めています。同社は先日、2.5億ドルという巨額のシリーズCラウンドでの資金調達を発表し、評価額は30億～33億ドルに達しました。今回の資金調達はICONIQ Growthがリードインベスターを務め、AI音声技術に対する市場の強い信頼を示しています。わずか1年前、ElevenLabsは8000万ドルのシリーズBラウンドで資金調達を実施しましたが、その当時の評価額は現在の3分の1程度でした。同社の急成長ぶりが伺えます。ElevenLabsはMat…

人工知能業界の隆盛を背景に、AI音声技術企業の思必馳は先日、5億元規模の資金調達を完了したと発表しました。今回の調達には、複数の有名産業ファンド、国有資本プラットフォーム、および私募ファンドなどが出資しており、思必馳が資本市場でより強力な支持を得たことを示しています。2007年設立の思必馳は、中国で早くからAI分野に特化した企業の一つとして、当初はAI音声技術を中核としていましたが、現在ではソフトとハードの一体化ソリューションやAIハードウェア製品へと事業を拡大しています。今後、思必馳は…

階躍星辰は先日、Stepシリーズモデル行列の新メンバーであるStep-1oエンドツーエンド音声大規模言語モデルを発表しました。これは国内初の千億パラメーターのエンドツーエンド音声大規模言語モデルとされています。この新モデルの発表は音声技術分野における大きな進歩を示しており、エンドツーエンドの音声ソリューションを通じて、音声の理解と生成を統合し、モデルの知性と感情の限界を向上させ、超自然的で高品質なコミュニケーション体験を実現します。

人工知能技術の急速な発展において、SoundHound AIは再びその市場の可能性を示しました。対話型AIに特化したこのテクノロジー企業は、最近相次いで好材料を発表しており、投資家向けカンファレンスで最先端技術を披露しただけでなく、Torchy's Tacosというレストランチェーンとの提携にも成功しました。技術革新と事業拡大が並行して進んでいます。12月4日のUBSグローバル・テクノロジー＆AIカンファレンスで、SoundHoundの最高財務責任者Nitesh Sharan氏は投資家に対し、同社の詳細を説明しました

シンプルなChrome拡張機能から、現在2000万ドルを超える評価額を持つAI音声帝国へと成長したPlayAIは、音声技術によって人と機械のインタラクションの可能性を再定義しています。創設者であるHammad SyedとMahmoud Felfelは、コードとアルゴリズムを用いて可能性に満ちた音の世界を作り出しました。これは単なる音声技術会社ではなく、文字を瞬時に生き生きとした音声に変換する魔法工場です。PlayAIの最大の魅力はその驚異的な音声クローンと生成能力にあります。

AI音声技術企業SoundHound AIは朗報を発表しました。同社の音声ソリューションが、米国大手ファストフードチェーン20社のうち7社に導入されたとのことです。最新の四半期決算報告書によると、第3四半期の売上高は前年同期比89％増の2500万ドルに達し、四半期売上高としては過去最高を記録しました。SoundHound AIの最高経営責任者兼共同設立者であるKeyvan Mohajer氏によると、同社のAI音声技術は、ドライブスルー注文、電話注文、キオスク、モバイルアプリなど、幅広い場面で活用されているということです。

智譜AIは、同社のエンドツーエンド感情音声技術が智譜清言プラットフォームに正式に導入され、全ユーザーに公開されたことを発表しました。この技術は従来のテキスト読み上げ（TTS）技術の限界を突破し、コンテキストを深く理解し、感情豊かな自然な会話を生成できます。これは、智譜AIの音声合成技術が、単純なテキスト朗読から、真の感情表現ができる人工知能へと進化したことを意味します。

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。

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

AI音声技術企業SoundHoundは先日、フードデリバリープラットフォームAllsetを買収したと発表しました。この買収により、人々の食事体験は大きく変わる可能性があります。Allsetは、車、テレビ、スマートデバイスから食事を注文できる完全なエコシステムと自負しており、今回の買収はSoundHoundがスマート音声による食事注文分野で重要な一歩を踏み出したことを意味します。

科大訊飛は6月27日、星火V4.0を発表します。この新バージョンでは、最新のエンドツーエンドのスマート音声技術成果が披露され、今後3四半期にエンドツーエンドの音声技術モデリングソリューションの提供も予定されています。さらに、GPT-4oにはない、1文の複製機能も提供する予定です。

AIは患者の音声6～10秒を聞くだけで2型糖尿病を検出できます。研究結果によると、女性では89％、男性では86％の精度を達成しました。この研究では18,000回以上の録音音声の音声技術分析を行い、糖尿病患者と非患者の間の音声の違いを特定することに成功しました。