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
グーグルの「会話生成AI」が超リアルでヤバい…これはChatGPTの登場時に匹敵する「衝撃」だ！（小林 雅一） @gendai_biz
本物の人間と区別がつかない！ グーグルが先月リリースした新種の生成AIが米国で今、注目を浴びている。各種の文書を読み込んで、それをベースに（ポッドキャストを想定した）軽妙な音声会話を生成するAIだ。 本来、同社の文書管理・編集AI「NotebookLM」の派生機能として提供が始まったが、これがユーザーの間で実際に使われ出すと本家を凌ぐ人気となった。とにかく、このAIが生成する男女の音声会話は、本物の人間と全く区別がつかないほどリアルなのだ。また会話の内容も驚くほど充実している。 未だベータ版（試験利用）の段階だが日本でもすでに使えるし、日本語の文書も受け付ける。ただし出力される音声会話は今のところ英語のみだ。ちなみに、これによるポッドキャスト番組は「Deep Dive」と呼ばれているが、これは番組のホストとなる生成AI製の男女が自分たちの会話の中でそう呼んでいるに過ぎない。 つまりあくまで
日本語には、「コーコー」と読む熟語が40以上あり、これを会話中に識別する神業を日本人は瞬時にやってのける「同音異義語」がやけに多い話
山本健人(Takehito Yamamoto, 外科医けいゆう) @keiyou30 消化器外科専門医｜MD, PhD, #colorectalsurgery in Japan, @surgery81261 @JSS1896 SoMe-WG｜大腸癌｜ダイヤモンド、時事メディカル等で連載｜『すばらしい人体』『すばらしい医学』シリーズ累計23万部超｜けいゆうは娘と息子の名前から｜講演・取材ご依頼はこちら↓ keiyouwhite.com/linktree 山本健人(Takehito Yamamoto, 外科医けいゆう) @keiyou30 日本語には、例えば「コーコー」と読む熟語が40以上あり、これを会話中に識別する神業を日本人は瞬時にやってのける。 同音異義語がやけに多いのは「日本語の音節が約100しかない(英語は3000以上)＝日本人が口から出せる音の種類が少ない」ため仕方ないのだが、この
ChatGPT can now see, hear, and speak
We are beginning to roll out new voice and image capabilities in ChatGPT. They offer a new, more intuitive type of interface by allowing you to have a voice conversation or show ChatGPT what you’re talking about. We are beginning to roll out new voice and image capabilities in ChatGPT. They offer a new, more intuitive type of interface by allowing you to have a voice conversation or show ChatGPT w
人気ゲームスタジオ、ある声優により「スタジオに声をAI利用される」との懸念を示され波紋を広げる。スタジオは断固否定しつつも契約書を改訂 - AUTOMATON
声優のHenry Schrader氏が現地時間8月17日におこなった投稿が波紋を広げている。同氏はHi-Rez Studiosが声優と交わす契約書において、「収録された音声をAIによる合成・複製に使用される」ことに同意させられる懸念があると主張。これが大きな注目を集めることとなり、スタジオ側はそうした懸念はないと反論しつつも、契約書面から懸念の寄せられた条項を削除する対応がとられることとなった。 Hi-Rez Studiosはアメリカ・アトランタに拠点をおくデベロッパー。基本プレイ無料の人気MOBA『SMITE』やヒーローシューター『Paladins』など、スタジオが設立された2005年以来長きにわたってゲーム開発に携わってきた。 『SMITE』 事態の発端となったのは、Henry Schrader氏がX（旧Twitter）上でおこなったポストだ。投稿された内容は同氏の知人の声優からの証言
隣の部屋をミリ波で盗聴 防音の壁でも喉元の皮膚振動を捉え音声復元
Innovative Tech： このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 中国の浙江大学と米State University of New York at Buffaloによる研究チームが開発した「Wavesdropper: Through-wall Word Detection of Human Speech via Commercial mmWave Devices」は、ミリ波（mmWave）を用い、防音環境で守られている部屋内を外部から盗聴するシステムだ。被害者が発話した際の喉元付近の皮膚振動をミリ波で捉え、音声（単語）を復元する。 壁に防音材を配置すれば、音波の伝搬を利用した攻撃などからは守れるが、音源（例えば、人間の話者）からの直接漏えいを保証すること
“スマホのマイクでこっそり盗聴”を妨害する技術 静かな音で会話内容を改ざん
Innovative Tech： このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 米コロンビア大学の研究チームが発表した「Real-Time Neural Voice Camouflage」は、不正なマイクが取得したユーザーの会話の言葉を正しく聞き取れないようにする攻撃を提案した論文だ。無線で妨害音を発し、自動音声認識（ASR）システムをリアルタイムに混乱させ、本来盗聴側が取得したい会話を間違った形で認識させる。80％の確率でユーザーの言葉を誤認識させられたという。 この妨害音は、その場にいるユーザーの邪魔にならないような静かな音に最適化されている。 妨害を実際に行った3つの例。攻撃していない時の音声信号スペクトログラム（上）、攻撃した際の音声信号スペクトログラム（下）
「みんな怒って帰っちゃうんだよね。約束して、絶対に帰らないって」…声優・日髙のり子が“地獄の苦しみ”を味わった、ETC音声の収録裏話 | 文春オンライン
地獄の苦しみだった収録 「ETC（※）カードが挿入されました」 車に乗ってエンジンを掛けると車内に響き渡る声、この音声を担当しているのが私だということをご存知ない方はまだまだ多い。なのでイベントなどでご披露すると「おお～」と思わず声を洩らす方もたくさんいる。そしてその声がどのキャラクターを演じたときよりも大きかったりして、私のほうがびっくりしてしまう。 反応の大きさは、その声のシェア率に比例している。どの世代にも満遍なく知られている私の声は、今のところ南ちゃんとETCが半々という感じだ。 いやいや出世しましたなぁ～ETC！ 今となってはETC音声に起用していただいてありがとうございます、という気持ちだけれど、その収録は、実は地獄の苦しみだった。 「収録の前に一つだけ約束してほしいことがあるんだけど」 ETC音声収録の当日、機械音声の制作を専門にしている会社の社長さんが誰にも聞こえないように
Googleマップから電話があり普通に応対したところ、最後の最後で自動電話と分かり、音声認識の進歩に驚いた話
稲田エイジ｜BtoBのWebサイト制作／Web活用支援／コンテンツ支援／HubSpot @inada_h 電話を取ると「Google マップです」と男性から電話。 Google「この電話はGoogle マップの店舗様の営業時間を自動で確認しております」 ぼく「はい」 Google「そちらの営業時間を教えてください」 ぼく「月曜から金曜の9時〜18時です」 Google「土曜日と日曜日の営業時間も教えてください」 ↓ 稲田エイジ｜BtoBのWebサイト制作／Web活用支援／コンテンツ支援／HubSpot @inada_h ぼく「土曜と日曜は普通にお休みです」 Google「確認させてください。そちらの営業時間は月曜から金曜の9時〜18時でよろしいでしょうか」 ぼく「はい」 Google「ありがとうございました（電話を切りそうな気配）」 ぼく「待って。参考までに教えてください。Googleが個
女声のボイトレをすると最終的に近づく声の"正体"に気づいてしまうと萎える？
すきえんてぃあ@書け @cicada3301_kig 女声ボイトレ、遺伝的に近い共鳴腔を持つ母親の声に近づき、最終的に「母親に萌ボイスを出させたときの声(推定)」に近づくことが約束されており、この真実に気がつくと若干の萎えがある 2021-01-29 19:30:10
HEALTHCARE ヘルスケア領域向け技術について｜価値提供｜音声バイオマーカー技術｜PST株式会社
日々の計測でより安心に いきいきと健康に ヘルスケア領域向け音声バイオマーカー技術は、スマートフォンなど日頃お使いの電子機器を使って、音声分析を日常的に行うことで、ヘルスケア(健康管理)やコンディショニング(心身の調子を整える)に向け、自分自身も気づきにくい「心身の状態変化」を見える化することができます。日々の計測で、より安心に、いきいきと健康に、人生をお過ごしいただくお手伝いをいたします。 様々な連携による 音声バイオマーカーの ご提供 音声バイオマーカーは、“より安心して、いきいきと健康に人生を過ごす” 環境づくりに取り組まれる企業や団体、健康保険組合や自治体、あるいは普段から健康相談をされる薬局や介護施設などを通じご提供していきます(*医療機関向けサービスはメディカル領域をご覧ください)。ご利用の目的や場面などに応じて、ご提供や連携方法、 表記方法を含め、音声バイオマーカーがより多く
エロゲにバイノーラル音声が実装されにくい理由
【宅録で】バイノーラル収録対応可能な声優さんが増えた結果、それを【ゲームにも利用したい】というクライアントが増えましたが、非常に利用が難しい「理由」をまとめました。同じ界隈でない人には全く意味のない記事です。
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
toitta（トイッタ） - ユーザーの声に向き合える発話分析ソリューション
レーザーとAIで音の波を高精度に可視化、NTTが「音のデジタルツイン」を目指す
ついに音声対話できるようになった ChatGPT が引くほど自然でなんか凄いし怖い「もうこれ人間じゃん!」
声優の仕事も終わっちゃう？中国で日本のアニメキャラの声を学習したモデルが公開されてしまう「これはやりすぎ…」
叫んでも周囲に声が漏れないBluetoothマイク「mutalk」量産版公開
コエ付きプリントキャンペーン
コエステーション | 多種多様な声が使える最先端の音声合成サービス
ソニー、チップ型SIM搭載で音声送受信も可能な最小・最軽量GPSトラッカー
