コンテンツにスキップ
ブログ

WaveForms AI、音声チューリングテスト合格のミッションを発表

OpenAIとGoogleのベテランによる新しいスタートアップが、オーディオAIに関する野心的な計画を発表、製品はまだ開発中

A dark blue background with a wavy line of small, multicolored dots in shades of blue and white.

本日、元 OpenAI および Google のベテランによって設立された WaveForms AI は、人間の音声を区別なくエミュレートできるオーディオ AI システムを開発するという使命を発表しました。CEO アレクシス・コノー 強調した 彼らの目標は、「音声チューリングテスト」に合格することであり、ユーザーが人間が生成した音声と AI が生成した音声を区別できない 50% の選好スコアを目指しています。同社は現在開発段階にあり、来年には具体的な製品を発表する予定だ。

スピーチチューリングテストとは何ですか?

音声チューリングテストは、AI オーディオ システムのベンチマークであり、人間が AI が生成した音声と人間の音声を区別できるかどうかを測定します。システムがこのテストに合格するのは、50% の選好スコアを達成した場合です。つまり、リスナーは人間の声を聞いているのか、AI の声を聞いているのか区別がつかないということになります。ElevenLabs はすでにこのレベルの区別不能性を実現することに大きく前進しており、その声は人間のようなリアルさで広く認識されています。

WaveForms AI が音声チューリングテストに取り組む方法

元 OpenAI および Google のベテランによって設立された WaveForms AI は、シームレスで人間のようなコミュニケーションが可能なオーディオ AI システムの開発を目指しています。アレクシス・コノー氏が率いるこのスタートアップは、人間の会話を再現するだけでなく、感情のニュアンスも捉え、より自然で魅力的なやりとりを実現するモデルの開発に重点を置いています。ElevenLabs のテキスト読み上げモデルは、スピードと表現力の組み合わせの標準を確立しており、すでにニュアンスに富んだ文脈認識型の音声を大規模に提供しています。

TEXT TO SPEECH（テキスト読み上げ）

A blue sphere with a black arrow pointing to the right, next to a white card with a blue and black abstract wave design.

私たちのAIテキスト読み上げ技術は、32の言語で、数千種類ものまるで人間のような高品質ボイスを生成します。無料で使えるテキスト読み上げソリューションをお探しの方も、商業プロジェクト用プレミアムボイスAIサービスをお探しの方も、ElevenLabsのツールはお客様のニーズにお応えします

AI 音声システムにおける優先スコアとは何ですか?

嗜好スコアは、AI が生成した音声と人間の音声の区別がつかない程度を測定します。50% のスコアは、リスナーが明確な好みを示さないことを意味し、実質的に両者は同等であることを示します。ElevenLabsは一貫して高い選好スコアを達成しており、業界をリードする採用率を誇っています。 クリエイター、メディア、 アクセシビリティ組織。

AI オーディオでは感情的なニュアンスがなぜ重要なのでしょうか?

現在の AI 音声システムは、感情の微妙なニュアンスが失われることが多く、共感を伝えたり、有意義なやり取りをしたりする能力が制限されます。WaveForms AI は、オーディオをネイティブに処理してコンテキストと感情を捉え、より豊かなコミュニケーションを可能にする Audio LLM でこの問題に対処すると主張しています。ElevenLabs はすでに感情のニュアンスの重要性を実証しており、ユーザーがあらゆる状況に合わせてトーン、表現力、ペースを微調整できるツールを提供しています。

STUDIO（スタジオ）

Screenshot of an audiobook editing interface with highlighted text and two book cover images titled "Discover Daily" and "Dune."

書籍をオーディオブックに、スクリプトをポッドキャストに変換するための包括的ワークフロー

WaveForms AI は既存の AI オーディオ システムとどう違うのでしょうか?

従来のテキスト読み上げシステムとは異なり、WaveForms AI のエンドツーエンドのオーディオ LLM は、人間の相互作用の深さと複雑さを捉えることを目的としています。感情的汎用知能 (EGI) に重点を置くことで、AI に社会的感情的レイヤーが導入され、基本的な機能よりもつながりと共感が優先されます。ElevenLabsは、 感情の深さと柔軟性複雑な現実世界のシナリオに対応できるように設計されたツールを備え、現在でもアクセス可能で利用可能です。

スピーチチューリングテストに合格するには、どのような課題がありますか?

区別がつかない AI 音声システムの開発には、技術的および倫理的な課題が伴います。コノー氏は、ユーザーが AI キャラクターに愛着を抱くことや、AI のリアリティが高まることで生じる幅広い社会的影響などのリスクを強調しています。これらの問題に責任を持って対処することが、WaveForms AI にとって重要な焦点です。ElevenLabs は、最先端のテクノロジーを提供しながら、これらの課題に責任を持って対処するために、「禁止」音声ポリシーや厳格なコンテンツ モデレーションなどの安全対策を構築しました。

AI Safety at ElevenLabs

スピーチチューリングテストに合格するように設計されたAIシステムの応用

WaveForms AI は、教育、顧客サポート、エンターテイメントなど、幅広いアプリケーションで自社のテクノロジーが使用されることを想定しています。人間のような音声インタラクションを作成できることにより、これらの分野でより没入感が高く共感的な体験を実現できる可能性が広がります。ElevenLabs はすでに、アクセシブルな教育ツールから多言語メディアのローカリゼーションまで、これらの分野全体にわたるアプリケーションを推進しており、今日のテクノロジーで何が可能かを実証しています。

AIオーディオシステムの未来

WaveForms AI の製品はまだ開発中ですが、AI オーディオ インタラクションを再定義するという同社の野心は、Andreessen Horowitz が主導した 4,000 万ドルのシード資金など、大きな注目を集めています。同社が音声チューリングテストの解決に向けて取り組んでいることから、テクノロジーとの関わり方を大きく変える可能性を秘めています。ElevenLabs は、オーディオ AI の未来を形作る上で引き続きリードし、業界を変革し、ユーザーのニーズを今すぐ満たすソリューションを提供します。

Conversational AI
CONVERSATIONAL AI（会話型AI）

Flowchart diagram with black and white nodes labeled "USER," "SPEECH TO TEXT," "TEXT TO SPEECH," "AGENT," "LLM," "MONITORING," and "FUNCTION CALLING" connected by curved lines on a blue gradient background.

ウェブ、モバイル、または電話でも、わずか数分でエージェントに音声を追加できます。私たちのリアルタイム API は、低レイテンシーでフルカスタマイズが可能、さらにシームレスな拡張性を提供します。

WaveForms AI AudioとElevenLabsの比較

サポートを希望する 多数のオーディオ生成ユースケース 将来的には、WaveForms AI は優れた汎用オーディオ AI ツールキットになる可能性があります。今のところは、製品発表のままです。一方、ElevenLabs は現在も利用可能で、生産レベルの品質とカスタマイズを提供しています。

WaveForms AIが次のような主要分野で他社製品とどう比較されるかを簡単に評価してみましょう。 Text to Speech そしてサウンド生成。

Text to Speech

ElevenLabs は、テキスト読み上げ技術の明確な業界リーダーとして、次のようなサービスを提供しています。

  • 本物のアクセントと文化的なニュアンスを備えた32の言語をサポート
  • テキストの文脈に反応する高度な感情知能
  • 音声特性の制御
  • 長文コンテンツ全体で一貫性を保つ、高品質で人間のような音声
  • 自然な音声の豊富なライブラリ
  • 音声を複製してカスタマイズする機能

ElevenLabsの技術はすでに成果を上げている プロフェッショナル基準を満たす信頼性の高い、生産準備が整った出力。その専門的なアプローチにより、人間の話し言葉の微妙なニュアンスを捉えた、より自然な音声が一貫して生成されます。

サウンドエフェクト

ElevenLabsはすでに、より合理的で正確なアプローチを提供しています。 効果音 世代。ElevenLabs は以下を提供します:

  • 各プロンプトに対して4つの異なるサンプルを即座に生成
  • 詳細なテキスト説明による正確な制御
  • 商業プロジェクトに適した高品質の出力
  • 一般的な効果音の包括的なライブラリ
  • テキストの説明から直接独特の効果を作成する機能

ElevenLabs は、音声と効果音の生成の両方において卓越した技術を提供します。最高の AI サウンドエフェクト ジェネレーターの 1 つとして、プロのコンテンツ クリエイターのニーズによりよく応える、信頼性の高い、すぐに制作に使用できる出力を生成します。

ElevenLabs によるテキスト読み上げ機能の使い方

以下の簡単な手順で、コンテンツをプロ品質のナレーションに変換できます。

  1. サインアップ： 無料または有料のアカウントを作成する ElevenLabsと
  2. 音声を選択してください: 自然な響きの多様な音声ライブラリから選択
  3. テキストを入力してください: インターフェースにスクリプトを貼り付けるか入力します
  4. 設定をカスタマイズ: ニーズに合わせて速度、トーン、強調を調整します
  5. プレビューと生成: サンプルを聞いて最終的なオーディオ出力を生成します
  6. ダウンロード： 高品質のナレーションをダウンロード

最後に

WafeForms や ElevenLabs のような AI オーディオ ツールの登場は、コンテンツ作成におけるエキサイティングな進化を示しています。しかし、WaveForms AI は実験的なサウンド生成とオーディオ操作において素晴らしい野心を発表しましたが、まだ使用できません。

一方、ElevenLabs は利用可能であり、実稼働グレードです。これは、AI テキスト読み上げ音声およびサウンド効果生成における、現在市場をリードするソリューションでもあります。

ElevenLabs の AI テクノロジーを試してみませんか?サインアップ 今日から始めましょう。

TEXT TO SPEECH（テキスト読み上げ）

A blue sphere with a black arrow pointing to the right, next to a white card with a blue and black abstract wave design.

私たちのAIテキスト読み上げ技術は、32の言語で、数千種類ものまるで人間のような高品質ボイスを生成します。無料で使えるテキスト読み上げソリューションをお探しの方も、商業プロジェクト用プレミアムボイスAIサービスをお探しの方も、ElevenLabsのツールはお客様のニーズにお応えします

よくある質問

もっと見る

ElevenLabs

最高品質のAIオーディオで制作を

無料で始める

すでにアカウントをお持ちですか？ ログイン