AI音声技術が話題沸騰！世界中が中国語を話す

Tavus、最先端リップシンクモデルHummingbird-0を発表：ゼロショットリップシンク技術に革命

AIビデオ研究企業Tavusは、最新のゼロショットリップシンクモデルHummingbird-0を発表しました。これは、現在最先端（State-of-the-Art、SOTA）のリップシンク技術として評価されています。このモデルは、Tavusプラットフォーム、API、およびFALで研究プレビューとして公開されており、AIコンテンツ制作分野で大きな注目を集めています。ゼロショットリップシンクにおける画期的な進歩Hummingbird-0は、Tavusの主力モデルPhoenix-をベースに開発されました。

Perplexity、新しいiOS AI音声アシスタントを発表

韓国の2人の大学生が開発したAI音声モデル「Dia」、GoogleのNotebookLMに挑戦

AI音声生成分野の競争が激化する中、韓国の2人の大学生が共同で開発したAI音声モデル「Dia」が登場し、GoogleのNotebookLMに匹敵する機能を謳っています。AI分野での経験は浅いものの、わずか3ヶ月でオープンアクセスな音声生成ツールを開発することに成功しました。Diaの学習にはGoogleのTPU Research Cloudプロジェクトが利用されており、研究者向けに…

Persona Engine：AI駆動型ツールでバーチャルキャラクターを現実世界へ

急速に発展するデジタル時代において、バーチャルキャラクターとインタラクティブな体験の融合はますますトレンドとなっています。Persona Engineは、Live2D、**大規模言語モデル（LLM）、自動音声認識（ASR）、テキスト音声変換（TTS）**、そして**リアルタイム音声クローン（RVC）**を統合したオールインワンツールキットとして登場し、生き生きとしたインタラクティブなデジタルキャラクターを作成するための完璧なソリューションを提供します。このエンジンは特にVTubingに最適です。

VoicePatrol、リアルタイムAI音声保護技術を発表 ゲーミングコミュニティに安全な体験を提供

Anthropic、Claude AI音声アシスタントをリリースしChatGPTに対抗へ

ブルームバーグの報道によると、人工知能企業Anthropicは、チャットボットClaudeの新たな機能である音声アシスタントを開発中で、今月中にも正式リリース予定とのことです。この新機能により、Claude AIはOpenAIのChatGPTと対抗し、ユーザーとAIのインタラクション体験を豊かにします。OpenAIが同様の機能をリリースしてから約1年が経過しており、Claudeの音声モードは市場ニーズへのタイムリーな対応と言えるでしょう。

MiniMax MCPサーバー正式稼働　テキスト入力でAI機能を呼び出し可能に

本日、MiniMax稀宇科技は、MiniMax MCPサーバーの正式稼働を発表しました。この革新的なプラットフォームは、ユーザーにワンストップのマルチモーダルソリューションを提供します。シンプルなテキスト入力だけで、動画生成、画像生成、音声生成、音声クローンなど、最先端のAI機能を呼び出すことができ、クリエイティブなコンテンツ生成におけるAIの応用範囲を大幅に拡大します。

Googleドキュメント、AI音声読み上げの新機能で誤字脱字を発見

Googleドキュメントに、待望の新機能である音声の概要（Audio Overviews）が追加されました。この機能は、ドキュメントを読み上げることで文章の質を高め、忙しいユーザーのマルチタスクも支援することを目的としています。音声の概要はユーザーのドキュメントを朗読し、スペルミスや不自然な表現を発見するのに役立ちます。多くの場合、執筆者は自分の書いた内容に盲点があり、小さな誤りを見落としがちです。

アマゾン、画期的なAI音声モデルNova Sonicを発表！価格も競争力抜群！

アマゾン、次世代AI音声モデルNova Sonicを発表、Alexa+のパフォーマンス向上