音声生成

記事数: 8 件

2026年7月22日

Alibaba Qwen Audio 3.0 TTS Plus、Speech Arena リーダーボード1位、16言語対応の音声生成モデル

Alibaba の Qwen Audio 3.0 TTS Plus が Artificial Analysis の Speech Arena リーダーボードで首位獲得。16言語対応、自然言語によるボイススタイル調整が可能。ただし処理速度が課題で、毎秒16文字と既存製品より著しく遅い。

2026年3月27日

Mistralが企業向けの新オープン音声モデルを公開し、3秒の音声から声を再現するVoxtralが注目されています。利便性と倫理の両面を踏まえつつ、導入可否を検討する価値があります。

2026年3月25日

OpenAIのSora撤退は、Sora2の高度な生成技術にもかかわらずユーザー関心の持続が重要だと示しました。今後はUX改善と市場適合の見極めが成功の鍵です。

2026年3月14日

Hume AIが音声生成モデルTADAをMITライセンスで公開しました。報道ではテストで幻覚語がゼロ、従来比で高速化とも伝えられ、開発者や企業の活用が期待されます。

2026年2月24日

OpenAIが報じた新音声モデルとエージェント向けAPIの高速化は、ノイズ下での認識精度や長時間対話での声の安定性、応答遅延の改善が期待でき、導入は段階的な検証と既存システムとの互換性確認がおすすめです

2026年2月15日

Seedance 2.0が示す高精度なディズニーキャラクター再現は、クリエイティブと権利保護の共生を考える好機であり、法整備や訓練データの透明化、報酬設計など具体的な議論を進める契機となるでしょう。

2025年12月24日

AlibabaのQwenチームが報じた新機能は、テキストだけで自然な音声を生成し、3秒のサンプルから声を再現できる可能性を示しており、利用時は同意やライセンス確認が重要です。

2025年12月3日

パリ拠点の音声AIスタートアップGradiumがStealthを解除し70Mのシード調達を公表しました。Kyutai出身メンバーや実業家Xavier Nielの関与が注目を集め、今後の製品発表と資金使途に期待が高まっています。