Generatived（Beta）｜生成AIの最新ニュースとトレンドを提供

NVIDIAは、様々なプラットフォームにおける音声AIの機能を強化する、高度な音声合成（TTS）モデルスイートを発表しました。Magpie TTS Multilingual、Magpie TTS Zeroshot、Magpie TTS Flowを含む新しいRiva TTSモデルは、音声の自然さと発音精度を大幅に向上させます。これらのモデルは、オンプレミス、クラウド、エッジデバイス、組み込みデバイスでシームレスに動作するように設計されており、デジタルアシスタントからスタジオダビングまで、幅広いアプリケーションに対応します。

Magpie TTS Multilingualモデルは多言語音声インタラクションに優れており、Magpie TTS Zeroshotは最小限の音声サンプルで音声の複製を可能にします。一方、Magpie TTS Flowは、ポッドキャストやオーディオブックなど、高品質のナレーションを必要とするアプリケーションに最適化されています。これらのモデルは、エンコーダー／デコーダー・トランスフォーマー・アーキテクチャを活用し、低レーテンシーかつ高精度なリアルタイム音声合成を実現します。

NVIDIAの音声合成へのアプローチは、選好アライメントや分類器を使用しないガイダンスといった革新的な技術を取り入れており、誤解を招くような音声出力や不要な発声といった音声AIの一般的な問題を軽減します。モデルは自然さと話者の類似性について厳密に評価されており、限られた学習データでも高いスコアを達成しています。さらに、モデルは様々な言語と技術仕様をサポートしているため、開発者やコンテンツ制作者にとって汎用的なツールとなっています。

責任あるAI開発の分野において、NVIDIAはディープフェイクや音声検出の業界リーダーと積極的に連携し、合成音声技術の安全な導入を確保しています。これらのパートナーシップは、特に銀行やカスタマーサービスといった機密性の高い分野における詐欺やなりすましの防止を目的としています。NVIDIAの信頼できるAIへの取り組みは、Riva TTSモデルのアクセシビリティとセキュリティ機能に反映されており、開発者はこれらのモデルをアプリケーションに統合できるようになりました。