Microsoftがたった3秒のサンプルから人の声を再現できる音声合成AI「VALL-E」を発表
2023年1月5日にMicrosoftが新しい音声合成AIモデル「VALL-E」を発表しました。VALL-Eはたった3秒間の音声サンプルで人の声を忠実にシミュレートできる他、一度学習したデータからは、その人の声色だけではなく感情のトーンや録音環境も再現した合成音声を作成することが可能になっています。 VALL-E https://valle-demo.github.io/ [2301.02111] Neural Codec Language Models are Zero-Shot Text to Speech Synthesizers https://doi.org/10.48550/arXiv.2301.02111 Microsoft’s new AI can simulate anyone’s voice with 3 seconds of audio | Ars Technica
急速に発展した人工音声が世界を一変させる あなたにも私にも安倍首相の演説が可能に・・・ | JBpress (ジェイビープレス)
石の上にも3年という言葉がありますが、10年と言えば一昔、3年と10年をかけて30年と言えば新卒で入った青年が企業の上層部に達している時間、もっと言えば社会的な人生の一塊と言っていいかもしれません。 今回は前回と打って変わって見えるかもしれませんが、そんな30年一昔といった話題から入りたいと思います。 6月2日、今年度としては初回ですが、恒例となった東日本大震災復興支援哲学会議「哲学熟議8＋哲楽遊戯2」を行います。 今回は「声のメディオロジー」のタイトルのもと、作曲家の湯浅譲二、哲学の一ノ瀬正樹、そしてトロンボーンの河端伸幸、ピアノの小ノ澤幸穂の皆さんと「演奏し、哲学する」ジョイントの試みです。 いま、あえて「試み」と書きましたが、実はこれに近いスタイルが、ここ30年来の私の一番の「素の形」で、その地を出さずに30年ほどやってきたのですが、そろそろ終わりも見えてきたので、素のままでやらせて
W3C、音声合成記述言語「SSML」を日本語対応に
World Wide Web Consortium（W3C）は、Webページ上で音声合成機能を利用するための記述言語「SSML（Speech Synthesis Markup Language ） 1.0」において、日本語など、従来より広範な言語に対応させると発表した。 音声技術専門家が集まったワークショップでは、「SSML 1.0」の対応言語数の拡大に関するさまざまな意見が行なわれたという。報告書では、日本語のほかにも、北京語、ヒンディ語、アラビア語、ロシア語、ヘブライ語、韓国語などを新たにサポートするため、「SSML 1.0」の更新に着手するとまとめられている。この報告書を受けてW3Cでは、研究者や技術者に対し、音声合成記述言語の更新に向けた策定活動への参加を呼びかけていく。 また、新たな対応言語を話す地域においては、パソコンよりも携帯電話を通じたWebの利用が普及しているとし、「SS
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
翻訳機ili（イリー）公式 - インターネット不要で世界と繋がる