カテゴリ AI音声合成
SpeechGPT とは
SpeechGPT は内在的なモーダル横断の対話能力を持つマルチモーダル言語モデルと紹介される。マルチモーダルな内容の知覚と生成を行い、人間からのマルチモーダルな指示に従う。
できること
- マルチモーダルな内容を知覚し生成する
- 情報連鎖により音声を生成する
- マルチモーダルな複数エージェントで人間の意思伝達を模す
- 統一された音声のトークン化を行う
モデルについて
- SpeechGPT はマルチモーダルな対話生成を扱う
- SpeechGPT-Gen は情報連鎖を拡張した音声生成モデル
- SpeechAgents は複数エージェントで人間の意思伝達を模す
- SpeechTokenizer は音声言語モデル向けの統一トークナイザ
長所と短所
✓ 良い点
- 一つのモデルで知覚と生成をまとめて扱う
- 音声言語モデル向けの統一トークナイザを備える
! 注意したい点
- 挙がる用途は名前の付いた各モデルに集中する
- 各能力は別々のコンポーネントが担う
よくある質問
どんなモデル?
資料は内在的なモーダル横断の対話能力を持つマルチモーダル言語モデルと説明。
どんな要素が挙がる?
SpeechGPT のほか SpeechGPT-Gen、SpeechAgents、SpeechTokenizer が挙がる。
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