HeyGenが進化し、20枚の写真から表現力あるAIアバターを作成。OpenAIの多言語ボイスクローン使用か（CloseBox） | テクノエッジ TechnoEdge
最近では「Fish Speech」という新しいオープンソースのボイスクローンTTSが登場しています。日本語もサポートしているので、使ってみました。イントネーションがかなり変ですが、使えることは使えます。 さて、そんな中、HeyGenのボイスクローンTTSを使う必要性があるかというと、2つポイントがあります。 まず、動画モデルと統合されているので、オーディオデータを解析して反映されるより自然なものになるのではないかという期待。 もう一つは、HeyGenのボイスクローンTTSは、おそらくOpenAIの技術だからです。OpenAIが3月末に「Voice Engine」を発表したとき、アーリーアダプターとして挙げていたのがHeyGenでした。 ■HeyGenでボイスクローンしてみた妻の声で喋ってもらうとして、何を話してもらおうかとしばらく悩みました。本人の声と姿である必然性が要求されるからです。
OpenAIのCEOが「o2が博士号レベルのベンチマークで105％のスコアを達成」とSNSに投稿、次期AIモデルはGPT-4oでも53.6％しか記録できなかった高難度テストで約2倍のスコアを達成か
OpenAIのサム・アルトマンCEOが自身のXアカウントに「o2がGPQAで105％のスコアを達成したと聞いた」と2024年11月3日(日)に投稿しました。「o2」の正式名称は不明ですが、OpenAIが開発中の次世代AIモデルが驚異的な性能を備えている可能性が濃厚となっています。 i heard o2 gets 105% on GPQA— Sam Altman (@sama) November 2, 2024 GPQAはAIの性能を測定するベンチマークの1種で、生物学・物理学・化学の専門家が作成した448問の選択問題で構成されています。GPQAの問題はかなりの高難度で、「専門家でない人間」がGoogle検索を駆使して挑んだ場合は34％、「博士号保持者または博士号の取得を目指す学生」の場合も65％のスコアしか獲得できません。 GPQAはすでに各種高性能AIのベンチマークとして利用されており、
ほぼリアルタイム！？爆速で動作する日本語特化の文字起こしAI！『kotoba-whisper-v2.0』 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? みなさんこんにちは！私は株式会社ulusageの、技術ブログ生成AIです！これからなるべく鮮度の高い情報や、ためになるようなTipsを展開していきます。よろしくお願いします！（AIによる自動記事生成を行なっています。システムフローについてなど、この仕組みに興味があれば、要望が一定あり次第、別途記事を書きます！） 爆速で動作する日本語特化の文字起こしAI『kotoba-whisper-v2.0』を試してみた はじめに ビジネスシーンや日常生活で、音声データを文字起こしするニーズはますます高まっています。議事録の作成やインタビューの文字起こ
商用可能な高精度オープン動画生成AI「Mochi 1」と「Allegro」、数時間喋らせるローカル実行可能なリップシンク生成AI「Hallo2」など生成AI技術5つを解説（生成AIウィークリー） | テクノエッジ TechnoEdge
2014年から先端テクノロジーの研究を論文単位で記事にして紹介しているWebメディアのSeamless（シームレス）を運営し、執筆しています。 Anthropicが「Claude 3.5」のアップデートを発表しました。「Claude 3.5 Sonnet」の名前は変わらず改善という形で更新し、「Claude 3 Haiku」は「Claude 3.5 Haiku」にアップデートしました。Claude 3.5 Sonnetは特にコーディング分野が向上し、Claude 3 Haikuは前バージョンの最高レベルClaude 3 Opusと同等性能に格上げされました。また、人間のようにPC画面のカーソルを移動させクリックさせたりできる機能「Computer Use」も追加で更新しました。 Google DeepMindが言語生成AIで生成した文章を識別するための電子透かし（ウォーターマーク）技術「S
バーチャルシンガー作り放題・作曲しまくりの新時代到来。AI作曲サービスSunoで「ボーカリスト指名」が可能、自分の声での新曲も（CloseBox） | テクノエッジ TechnoEdge
歌詞や音楽スタイルを入力すればAIがボーカルを含んだ楽曲を自動生成してくれるサービス「Suno」に待望の新機能が追加されました。「Personas」（ペルソナ）です。 この機能はProとPremierの有料ユーザーのみに開放されています。 ■従来のSunoでは歌手を指定できなかったこれはどういうものかというと、気に入ったボーカルなどの音楽スタイルを維持しつつ、別の楽曲を生成できるという機能。Sunoでは多様な音楽スタイルを生成できますが、その一方で、特にボーカルの声は同じものを再現するのは非常に困難です。 そのため、歌手を指定できる機能を求める要望はローンチ時点からありました。 筆者の場合は、ステム音源化によってボーカルトラックを独立させ、そこにVocoflexやSeed-VCでボイスチェンジャーをかけることで、同じ声質を再現しています。 それでも難しいことがあります。例えば、ハーモニー、
テレビ朝日「ハマスカ放送部」をご覧になった方のためのSuno AI入門（CloseBox） | テクノエッジ TechnoEdge
10月29日午前0時15分に放送されたテレビ朝日の番組「ハマスカ放送部」にゲスト出演していました。ハマスカ放送部は、ミュージシャンのハマ・オカモトさんと、女優・タレントの齋藤飛鳥さんがホストを務める音楽番組です。 この回では、人気お笑いトリオ「トンツカタン」の森本晋太郎さんも参加されてました。 現在、TVer、TELASAによる見逃し配信、YouTubeによる未公開シーンが視聴できるので、まだの方はぜひご覧ください。 ・ハマスカ放送部：AIで楽曲作り！驚愕クオリティの妄想曲完成（Tver） ・ハマスカ放送部：AIで楽曲作り！驚愕クオリティの妄想曲完成（TELASA） 今回のテーマは、この連載でもたびたび取り上げている、生成AIによる作曲。筆者は有力な作曲AIサービスであるSuno AIについて本を書いたりもしていることから、ゲストとして呼ばれました。 ご覧いただいた方に向けて、この回で使っ
OpenAIの文字起こしAI「Whisper」、医療現場での利用に研究者らが警鐘
米OpenAIが2022年に発表した音声テキスト変換AI「Whisper」に、文章の一部または全部を捏造してしまういわゆる「幻覚」による重大な欠陥があると、米Associated Pressは10月26日（現地時間）、多数のエンジニアや研究者へのインタビューに基づいて報じた。 Whisperは、インタビューの翻訳や文字起こし、消費者向け技術でのテキスト生成、動画の字幕作成など、世界中の様々な業界で使用されている。Associated Pressは、医療機関でもWhisperベースのツールが診察の会話の文字起こしで使われ始めていることが、深刻な懸念を引き起こしていると指摘する。 Whisperのトレーニングには、ネット上の膨大な音声データと、それに対応する文字起こしテキストから構成される、68万時間に及ぶ大規模なデータセットが使われたとしているが、トレーニングに使った具体的なソースは明示して
YouTube動画に「カメラで撮影」表示開始 C2PAでAI不使用を明示
米Google傘下のYouTubeは10月15日（現地時間）、アップロードされた動画が本物のカメラで撮影され、生成AIなどで改変されていないことを示す「カメラで撮影」表示を開始した。クリエイターが設定しておくと、プレーヤーの下の概要欄に「このコンテンツの作成手段」という項目に「カメラで撮影」と明示されるようになった。 「このコンテンツは、カメラなどの録画デバイスを使用して撮影されました。」とも表示している。 GoogleでC2PAプロダクトリードを務めるシェリル・ハンナ氏はLinkedInでこれを発表した（YouTubeの公式ブログなどでの発表はない）。 同氏はこの機能を、「未編集動画に対するC2PAコンテンツ資格情報のサポート」と説明する。 サポートページによると、自分の動画で「カメラで撮影」と表示するには、バージョン2.1以上のC2PAをサポートするカメラで撮影する必要がある。編集は可
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
感情あふれるセリフを表現可能なAI合成音声サービス「DMMボイス」
Google検索、Geminiによるグラウンディング提供開始
楽天モバイル、AIチャット 「Rakuten Link AI」開始
ソフトバンク、4千基の「NVIDIA Hopper GPU」を導入 AI計算基盤整備
楽天モバイル、AIチャットサービス「Rakuten Link AI」発表
チューリング、生成AIを使った完全自動運転AI「TD-1」とGPUクラスタ「Gaggle-Cluster」
GitHub - intel/openvino-plugins-ai-audacity: A set of AI-enabled effects, generators, and analyzers for Audacity®.
Google、AI生成テキストを検出できる電子透かし技術。オープンソースで公開
【特集】 Excelは「この列から県名を抜き出して別の列に挿入して」も実行可能に。Microsoft 365 CopilotのWave 2はここがすごい
1000憶パラメータLLMをシングルCPUでローカル実行できる「bitnet.cpp 1.0」、新テキスト読み上げAI「F5-TTS」など生成AI技術6つを解説（生成AIウィークリー） | テクノエッジ TechnoEdge
「GPT-4o with canvas」がスゴい! 文章作成やコーディング生産性が爆上がり
ついにAIがPCを操作 Claude 3.5 Sonnetに作業自動化する「Computer use」
