SoundStorm とは
本技術は Google Research による音声生成の手法と紹介され、音声令牌を並列に作ることで合成時間を縮めると説明されている。
できること
- 音声令牌を並列に生成する
- 元の音声信号と同じ音質を保つ
- 話の内容と話し手の特徴を制御する
仕組み
- 神経音声の符号化器が波形を圧縮する
- Transformer に基づく系列から系列へのモデルを用いる
- 令牌は粗い段から細かい段へ予測される
長所と短所
✓ 良い点
- 長い系列の推論時間が縮む
- 長い文章の読み上げと自然な対話に対応
! 注意したい点
- 生成は文章か音声の手がかりを起点に進む
- 説明される流れは神経音声の符号化器を用いる
よくある質問
何の課題に向かう?
資料は自己回帰型のモデルが長い系列で遅いことを挙げる。
何を制御できる?
資料は話の内容、話し手の声、発話の順番を挙げる。
最終評価日: 2026-11-15
その他 AIオーディオツール ツール
すべて見る →-
Accent Guesser 声の録音からアクセントを判定する 無料ツール クリエイターツール オーディオ 音声からテキスト 教育ツール -
AccurateScribe.ai 音声と動画の書き起こし 無料ツール クリエイターツール 動画からテキスト オーディオ 音声からテキスト -
Adobe Podcast ブラウザで録音と音声クリーンアップ 無料ツール クリエイターツール オーディオ 音声からテキスト 音声編集 -
Agilotext フランス語中心の書き起こしと要約 オーディオ 音声からテキスト ポッドキャスト 会議文字起こし 議事録 -
AI Dubbing 登録不要の短い動画の吹き替え 無料ツール 動画翻訳 オーディオ ナレーション コンテンツローカライズ -
AI Mastering オンライン自動マスタリング 無料ツール フリーミアムツール オーディオ ポッドキャスト