わずか10秒の元音声でもリアルな「なりきりボイチェン」できる無料ソフト『Seed-VC』は過去最高レベルの再現度か（CloseBox） | テクノエッジ TechnoEdge
筆者はUTAUによる波形接続の時代から「その人の声になりきる」技術を試してきましたが、このほど、その中でも画期的と思える技術に出会いました。『Seed-VC』（Seed Voice Conversion）というオープンソースソフトです。 ■AIボイチェンの進化どこが画期的なポイントかというと、高い音質を維持しながら、ゼロショット、つまりファインチューニングをせずに、1秒から30秒までの短い音源を参照するだけで、短時間でオリジナルに近いボイチェンができるところにあります。 以前紹介したDiff-SVCやRVCは、オリジナル音声に近いボイチェンが可能ですが、学習にはそれなりの長さのオーディオデータと高性能GPUによる処理が必要です。
RAGはいきなり「過度な期待」のピーク期 ― ガートナーの未来志向型技術ハイプ・サイクル
ガートナージャパンは、2024年8月7日、2024年版の「日本における未来志向型インフラ・テクノロジのハイプ・サイクル」を発表した。今後、多くの企業に影響を与え、検討されるであろう、未来志向型と捉えられるテクノロジーやトレンドを40個取り上げている。 2024年版の同ハイプ・サイクルでは、新たに、RAG（検索拡張生成）、マシン・カスタマー、ヒューマノイド、エンボディドAI、LBM（Large Behavior Model）の5項目が追加された。特に、業務に特化した生成AIの構築に用いられるRAGは、初登場ながら「過度な期待」のピーク期に位置付けられている。 同社のディスティングイッシュト バイス プレジデント アナリストの亦賀忠明氏は、「多くの企業やエンジニアがRAGにチャレンジしています。一方で、RAGの精度向上に苦心しているという声が多くの企業から寄せられており、この状況が続くと生成A
AIラジオ『zenncast』の技術構成（プロンプトつき）
先日、個人開発していたzenncastというWebサービスをリリースしました。 Zennでトレンドになっている記事を、毎日AIが10分のラジオにして届けてくれるというサービスです。 ありがたいことに公開後はたくさんの方に試してもらえ、技術的な質問も多数いただきました。 このZennではzenncastの技術構成や仕組みを紹介します（プロンプトつき）。 作ったもの まずはエピソードを一つ選んで1分くらい聴いてみてください！ AIラジオの雰囲気が掴めると思います。 追記 zenncastのような番組を、誰でも好きな情報ソースで作れるサービスを作りました！ 自分のメディアやブログをラジオに変換して、それをサイトに埋め込んだりSpotifyなどに配信できたりします👇 主な機能・特徴 毎朝10分のラジオを生成 Zennでトレンドになっている記事を要約して紹介 お便りを投稿すると、翌日のエピソードで
ChatGPTがまさかの｢物理的作業｣に進出の衝撃
OpenAIやMidjourney（ミッドジャーニー）といった企業は、チャットボットや画像生成システムなどデジタル世界で機能する人工知能(AI)ツールをつくっている。 そして今、OpenAIの元研究者3人が設立したスタートアップ企業が、チャットボットの開発手法を用いて物理的な現実世界に対応できるAIテクノロジーを生み出そうとしている。 AIが物理的な世界に進出する流れは明らか カリフォルニア州エメリービルに本社を置くロボット工学企業Covariant（コバリアント）は、倉庫や配送センターを行き来する商品のピックアップ、移動、仕分けをロボットが行う方法を開発している。目標は、ロボットが周囲の状況を把握し、次の動作を決められるよう支援することだ。 このテクノロジーはロボットに言葉を広く理解する能力を与えるものでもあるため、人間はチャットGPTと同じような感覚でロボットとおしゃべりできるようにも
OpenAIが自動応答するコールセンターを作ってみよう📲
概要 今回はAzure Communication ServiceとAzure OpenAI Serviceを使って、コールセンターを作ってみたいと思います。 全体アーキテクチャは以下のようになります。 全体の流れは以下の通りです。 ユーザーが Azure Communication Service に登録された電話番号に架電する。 Azure Communication Servicce の Incoming Call をトリガーとしてサーバーサイドアプリケーションの API に Webhook を実行する。 Webhook 要求にサーバーサイドアプリケーションが応答する。 ユーザー発話内容に基づいて Azure Cognitive Service が Speech-to-Text、Azure OpenAI Service からの応答内容に基づいて Text-to-Speech を実行す
ずんだもんが無料で使える、超高性能AIボイスチェンジャー、ParakeetVCが公開。1か月間は全キャラクタ、全機能が無料｜DTMステーション
自分の声をまったく別のキャラクタの声に変えることを実現するAIボイスチェンジャー。エフェクトを使って自分の声を加工する従来のボイスチェンジャーとは異なり、自分の声は完全に消えて、まったく別人になりきれるのが特徴で、これまでもVoidolやCoeFontボイスチェンジャーといったものを記事でも紹介してきたほか、中国系のフリーウェアでもかなりの精度を持ったものがいろいろ登場してきています。 そうした中、12月25日、まったく新たなAIボイスチェンジャー、Parakeet.VC（パラキート・ブイシー）が、福島県のベンチャー企業、Parakeet株式会社からリリースされました。ここには東北ずん子や東北きりたん、またずんだもんをはじめ、計109種類の声が収録されており、ユーザーはそれらを選んで、マイクで話せばリアルタイムにキャラクタの声に変換することが可能です。既存のAIボイスチェンジャーと比較して
「GAFA」は「GOMA」に？ AIの未来を握る4社とは | 米誌が考える、テックの行き先
「いまが後継者誕生の瞬間かもしれない」──「GAFAM」が支配するテクノロジー業界についてそう語るのは、コロンビア大学ロースクールの教授ティム・ウーだ。 これまでも、グーグル、アップル、フェイスブック（現メタ）、アマゾン、マイクロソフトの頭文字をとって表現されてきたテック業界の主要メンバーたちは、Netflixを加えて「FAANG」になったり、最近ではテスラとエヌビディアの台頭で「MATANA」と呼ばれたりしてきた。 そんななか、米誌「アトランティック」が着目したのは、勢いを増す生成AIの分野で注目を集める「GOMA」だ。AIチャットボットとその類のものはまだ初期段階にあるとしながらも、「AIの世界では、すでにすべてがたった4社に集約されつつある。グーグル、オープンAI、マイクロソフト、アンソロピックである」と書く。 従業員数たった数百人のスタートアップ企業オープンAIは、2022年11月
AlexaにジェネレーティブAIがやってくる 「まるで人間と会話しているような感覚に」──米Amazonがデモを公開
米Amazonは9月20日（現地時間）、AIエージェントサービス「Alexa」にジェネレーティブAI（生成AI）を組み込んだ新機能のデモを公開した。大規模言語モデル（LLM）によってより深く、自然な会話を続けられるようになるという。同社は「まるで人間と会話しているような感覚になるだろう」と紹介している。まずは米国在住のEchoデバイスユーザー向けにプレビュー版を提供する。 現行のAlexaは「アレクサ」というウェイクアップワードの後に質問すると返答される一問一答のような形式だが、デモで紹介された新しい「Let's chat」と呼ばれる会話機能では、Alexaに「アレクサ、レッツチャット」と呼びかけると「ではチャットをしましょう。何かお手伝いできることはありますか」と返答され、会話を続けられる。デモでは次のような会話を自然に行う様子が紹介された。 Alexa 「ではチャットをしましょう。何か
GoogleのトップAI研究者2人、東京でAI企業Sakana.ai立ち上げ
米Googleの著名な2人の元研究者、リオン・ジョーンズ氏とデビッド・ハー氏が8月17日、東京に拠点を置く新AI企業を設立したとX（旧Twitter）で発表した。 ジョーンズ氏は、Googleが2017年に発表した生成AI革命のきっかけとなったと評価されている論文「Attention Is All You Need」（PDF）の8人の著者の1人。この論文では、後にChatGPTなどの製品開発の基礎となった深層学習アーキテクチャー、Transformerを紹介している。ジョーンズ氏は8月に10年以上勤めたGoogleを退社した。これで論文を書いた著者全員がGoogleからいなくなった。 ハー氏は2016年にGoogle Brain入りし、機械学習などの研究に取り組んだ後、2017年にGoogle Brainが東京チームを設立した際、そのトップとして来日した。2022年にGoogleを辞め、S
仏教AI「ブッダボットプラス」京大が開発 GPT-4が仏典を解釈し悩みに回答 | Ledge.ai
サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。
すごい時代がきた 「おっさんの映像をリアルタイムで美女に変換する」AI技術が予想のはるか上行くクオリティー
リアルタイムでおっさんから美女の映像を作り出すAI実験が、「す、すごすぎる！」「ライブでしたらだまされるレベル」と話題になっています。 す、すげーーー！ 実験をしているのは、3DアーティストのHirokazu Yokoharaさん（@Yokohara_h）。Twitterに変換前後の映像を並べた動画を投稿しました。 その結果は驚くべきもの。動きが少々カクカクしているものの、Web会議を通じてであれば本物と信じてしまいそうなレベルです。 動作はもちろん、表情も追従。さらに顔だけでなく体形まで女性らしくなっています。髪形は、黒いTシャツをかぶることでロングヘアに変換させました。Tシャツの柄などがときどき変わってしまうので、よく見ていればおかしいと思えますが、ボーッと見ていたらわからないでしょう。ましてや、中身がおっさんなんて絶対に思えない！ 黒いTシャツをかぶり、ロングヘアーを再現させました
『AIで人類絶滅のリスクは現実』アルトマンやハサビス、ヒントンら専門家が共同声明 | テクノエッジ TechnoEdge
Tech Journalist. Editor at large @TechnoEdgeJP テクノエッジ主筆 / ファウンダー / 火元 AIが及ぼすリスクの軽減を目指す非営利団体 Center for AI Safety (CAIS)が、AI専門家や各界著名人による共同声明『Statement on AI Risk』(AIの危険性についての声明)を公表しました。 声明はわずか22語の極めて簡潔な内容です。 Mitigating the risk of extinction from AI should be a global priority alongside other societal-scale risks such as pandemics and nuclear war. 仮訳すれば「AIによる人類絶滅の危険性を軽減することは、他の社会的規模リスク、たとえばパンデミックや核
「ChatGPTに匹敵する」ドイツ新興の生成AI、HPEが製造業への導入例を披露
Hewlett Packard Enterprise（HPE）は世界最大級の産業見本市「HANNOVER MESSE（ハノーバーメッセ）」（2023年4月17～21日）において、ドイツのAI（人工知能）スタートアップAleph Alphaの生成AIを用い、自然言語での対話で産業用ロボットの操作をサポートするシステムのデモを行った。 ≫ハノーバーメッセ2023特集はこちら マルチモーダル、説明可能性、オンプレミス実装など特長 Aleph Alphaは、2019年創業のドイツ・ハイデルベルクに拠点を置くAIスタートアップで、独自の大規模言語モデル「Luminous」シリーズを開発、展開している。Luminousは、テキストだけでなく画像のプロンプトも処理可能なマルチモーダル機能や、生成したコンテンツを検証し、そのソースまで追跡する説明可能性などを特長としている。さらに、クラウドだけではなくオン
ブラウザ上で3Dキャラクターと会話できる「ChatVRM」をオープンソースで公開しました - pixiv inside
こんにちは、VRoid部のkeshigomuです。 普段は主にVRoid Hubのフロントエンドエンジニアとして、3Dキャラクターを表示するビューワーの開発に携わっています。また@pixiv/three-vrmという、Web上で3Dモデルを使ったコンテンツを開発するためのOSSライブラリの運用も行っています。 今回、ブラウザで簡単に3Dキャラクターと会話できる技術デモ「ChatVRM」とそのコードをオープンソースで公開しました。 「ChatVRM」は、テキスト・口頭で話しかけた言葉にキャラクターがフルボイスで回答してくれる「キャラクターと会話できる」デモです。WEBブラウザ上で動作でき、3Dキャラクターのインポート・切り替え、キャラクターに併せて声を調整することもできます。 (2023/07/10追記) 読み上げ音声の生成に使用していたKoeiro APIの提供終了に伴い、以前のデモとコー
ChatGPTとBardの対決を超える“事件”。無料の｢StableLM｣登場で｢AIの超民主化｣争いが始まった
2022年に画像生成AIで一大ムーブメントを巻き起こしたStableDiffusion（ステーブル・ディフュージョン）が4月19日、再びAIの世界を興奮の渦に巻き込んだ。 2022年末から爆発的に話題になり、岸田首相までが言及し、先進国首脳会議G7広島サミットの議題にも上がるという、OpenAIの｢ChatGPT｣に対抗する、完全にオープンでフリーな大規模言語モデル（LLM）｢StableLM｣を発表したからだ。 StableLMの登場は、LLM（大規模言語モデル）をめぐるこの半年の激変のなかで、象徴的な出来事だ。 勢力争いは、OpenAIとグーグル、メタ（Facebook）など｢巨大ITの対立軸｣で語られがちだが、今、LLMの世界で起きている勢力争いはそこではない。
Stability AI、言語モデルシリーズ「StableLM」の第1弾をリリース — Stability AI Japan
Stability AIは、新しいオープンソースの言語モデル StableLMをリリースしました。アルファ版は30億パラメータと70億パラメータのモデルが用意されており、今後150億パラメータから650億パラメータのモデルも用意される予定です。開発者は、CC BY-SA-4.0ライセンスの条件に従って、商用または研究目的で、私たちのStableLM ベースモデルを自由に検査、使用、適応することができます。 2022年、Stability AIは、プロプライエタリなAIに代わる透明でオープンで拡張性のある画期的な画像モデルである Stable Diffusionを一般公開しました。StableLM モデル一式のリリースにより、Stability AI は、基盤AI 技術をすべての人が利用できるようにすることを続けています。StableLMモデルは、テキストやコードを生成でき、様々なアプリケー
ChatGPTに対抗するAI「Claude」、元OpenAI社員が設立したAnthropicから発表
米スタートアップAnthropicは3月14日（現地時間）、ChatGPTのように自然言語で会話が可能なAIアシスタント「Claude」の一般公開を発表した。同社は元OpenAI社員によって起業され、2月にはグーグルがおよそ3億ドル（およそ400億円）を投資したことでも話題になった。 すでに多くの企業が採用 Claudeは、有益かつ正直で無害なAIシステムを構築できる次世代AIアシスタント。開発者はチャットインターフェイスとAPIを使ってClaudeにアクセスし、要約、検索、Q&A、創造的な文章作成、コーディングといったさまざまなタスクをこなすことができる。 これまでは主要パートナーと協力してクローズドアルファ版で開発が進められてきたが、このたびすべてのユーザーに向けて公開された。 ちなみに、DuckDuckGoが最近リリースしたAI検索ツール「DuckAssist」は、ChatGPTとC
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
NTT Security
壁のためのAIと卵のためのAI
GoogleとマイクロソフトのAI戦略が示す「新・知的生産の技術」【西田宗千佳のイマトミライ】
