【動画】AI生成音声、完全にナチュラルになる。しかもVTuberのような愛嬌があるしゃべりを習得

この記事についての感想

マジで技術の進化が早すぎて脳が追いつかんわ。AI音声なんて一昔前はカクカクのロボ声がデフォだったのに、いまや完全に人間やん。しかも今回のやつ、ただ滑らかなだけじゃなくてVTuber特有のあの『愛嬌』まで習得してるってのがエグいよね。間合いの取り方とか抑揚の付け方でここまで印象変わるのかって正直ビビった。これもう『中の人』がいなくても、キャラとして成立しちゃうレベルじゃない？最近だと生成AI周りの話題が多すぎて、毎日何かしらの『シンギュラリティか？』みたいなニュースに遭遇してる気がするけど、音声ってやっぱりコミュニケーションの核だから、ここが自然になると一気に実用性が爆上がりする予感しかない。ぶっちゃけ将来的に、自分の推しVTuberが実はAIだったとしても、このクオリティなら全然気づかずに全力で投げ銭しちゃいそうだよな。それにしても、感情の揺れ動きまで再現するようになると、もはや生身の人間よりもトークが上手いAIなんてのも当たり前に出てくるんだろうな。そうなったら、僕ら人間側は一体何で差をつければいいんだよっていう贅沢な悩みすら浮かんでくるわ。結局のところ、技術的なハードルはどんどん下がって、いかに『キャラ立ち』させるかっていうセンスの勝負になっていくのかもね。とにかく、このレベルの音声合成が一般向けに広まったら、創作の幅が無限に広がるのは確定だし、界隈がどう盛り上がっていくのか今から楽しみでしかない。とりあえずまずは試してみたいから、API公開とか早めに頼むわ。これからのトレンドは『AIにどれだけ愛嬌をブチ込めるか』になるのは間違いないね。