マイクロソフトのカスタムニューラル音声技術により、ユーザーは極めてリアルで人間のような音声を作成できるようになりました。

マイクロソフトが3月4日に公式発表したところによると、Azure Cognitive Servicesの音声サービスの一部であるCustom Neural Voiceのテキスト読み上げ機能がこのほど一般提供開始されたという。この機能により、ユーザーは Microsoft の画期的なニューラル テキスト読み上げモデルを使用して、アプリ用に非常にリアルで人間のようなカスタム音声を作成できるようになります。作成された音声は非常にリアルであるため、Microsoft はユーザーが責任を持ってテクノロジを使用できるようにアクセスを制限しています。

マイクロソフトは、

• 「マイクロソフトは責任ある AI への取り組みの一環として、個人と社会の権利を保護し、人間とコンピューターの透明なインタラクションを促進し、有害なディープフェイクや誤解を招くコンテンツの拡散に対抗することを目的として、カスタム ニューラル ボイスを設計、リリースしました。この目的のため、カスタム ニューラル ボイスへのアクセスと使用を制限しています。」

カスタム音声を作成するには、音声を録音し、それをトレーニング データとしてアップロードするだけです。 Azure Speech Services は、録音に合わせて独自の音声チューニングを作成します。カスタム ニューラル音声はリアルで自然な音声で、ブランドを表現し、ユーザーが自然な会話形式でアプリと関わることを可能にします。

Microsoft は、以下の顧客がすでにこの最新の TTS 機能を使用していることを強調しています。

• AT&T / ワーナー ブラザース: 同社は最近、テキサス州ダラスの AT&T エクスペリエンス ストアで、顧客がバッグス バニーと直接会話できる、これまでにない創造的でインタラクティブな体験を開始しました。
• Progressive: プログレッシブ保険の代表的なスポークスパーソンである Flo の声を使用して、Flo チャットボットが作成され、顧客の問い合わせプロセスを合理化し、パーソナライズされたエクスペリエンスを提供します。
• Duolingo: 新しい言語の学習が達成可能かつ応用可能であると感じられるよう、Duolingo ではレッスンを使用して多様で様式化された音声を作成します。