Last Updated on 2024-03-31 18:36 by 荒木 啓介
OpenAIは、わずか15秒の音声サンプルから合成音声を生成できる「Voice Engine」というテキストから音声への変換プラットフォームを開発しました。このAI技術は、話者の声を基にして、同じ言語や他の言語でテキストプロンプトを読み上げることができます。Voice Engineは2022年末から開発が始まり、ChatGPTの「Read Aloud」機能にも利用されています。
OpenAIは、教育技術会社のAge of Learning、ビジュアルストーリーテリングプラットフォームのHeyGen、フロントラインヘルスソフトウェアメーカーのDimagi、AIコミュニケーションアプリクリエーターのLivox、およびヘルスシステムのLifespanなど、限られた企業にこの技術のアクセスを提供しています。
OpenAIは、合成音声を使用する際に、人々や組織をその同意なしに模倣しないこと、オリジナルの話者の「明示的かつ情報に基づいた同意」を得ること、個々のユーザーが自分の声を作成する方法を構築しないこと、そして聞き手に対して声がAI生成であることを明らかにすることをパートナー企業に要求しています。また、音声クリップには起源を追跡するためのウォーターマーキングが追加され、音声の使用方法を積極的に監視しています。
さらに、OpenAIは、銀行口座へのアクセスに声認証を段階的に廃止する、AIによる人々の声の使用を保護するポリシー、AIディープフェイクに関する教育の強化、AIコンテンツの追跡システムの開発など、このようなツールのリスクを制限するために考えられるいくつかのステップを提案しています。
【ニュース解説】
OpenAIが開発した「Voice Engine」というテキストから音声への変換プラットフォームは、わずか15秒の音声サンプルを基にして、その人の声を模倣した合成音声を生成することができる革新的な技術です。このAIモデルは、元の話者と同じ言語だけでなく、他の言語でのテキスト読み上げも可能にします。2022年末から開発が進められており、ChatGPTの「Read Aloud」機能にも利用されています。
この技術は、教育やヘルスケアなど、さまざまな分野での応用が期待されています。例えば、教育技術会社がこの技術を使用して、生徒に向けたカスタマイズされた声のコンテンツを生成したり、ヘルスケア分野で患者に対してパーソナライズされた情報を提供することが可能になります。しかし、このような技術の進展は、倫理的な問題やプライバシーの懸念を引き起こす可能性もあります。
OpenAIは、合成音声の不正使用を防ぐために、いくつかのガイドラインとセーフガードを設けています。これには、人々や組織をその同意なしに模倣しないこと、オリジナルの話者からの明示的かつ情報に基づいた同意の取得、AI生成の声であることを聞き手に明らかにすること、そして音声クリップにウォーターマーキングを追加して起源を追跡できるようにすることが含まれます。
さらに、OpenAIは、声認証の段階的廃止、AIによる人々の声の使用を保護するポリシー、AIディープフェイクに関する教育の強化、AIコンテンツの追跡システムの開発など、リスクを制限するための提案を行っています。これらの措置は、技術のポジティブな側面を最大限に活用しつつ、潜在的なリスクを最小限に抑えるために重要です。
この技術の将来的な影響は大きく、長期的には、より自然でパーソナライズされたAIアシスタントの提供や、多言語でのコミュニケーションの容易化など、人々の生活を大きく変える可能性があります。しかし、その一方で、偽情報の拡散や個人の声の不正使用など、新たな課題も生じることが予想されます。したがって、技術の発展とともに、倫理的なガイドラインの整備や法的な規制の更新も重要な課題となります。
from OpenAI’s voice cloning AI model only needs a 15-second sample to work.
“OpenAIが開発「Voice Engine」、15秒の音声で合成音声生成可能に” への2件のフィードバック
OpenAIによる「Voice Engine」の開発は、AI技術の可能性を示すものであり、教育やヘルスケアなど多岐にわたる分野での応用が期待されます。この技術によって、カスタマイズされた声のコンテンツ生成や多言語でのテキスト読み上げが可能になることは、情報のアクセシビリティを大きく向上させる一方で、プライバシーや倫理的な問題を含む新たな課題を提起しています。
特に注目すべきは、OpenAIが合成音声の不正使用を防ぐために設けたガイドラインやセーフガードです。オリジナルの話者からの明示的かつ情報に基づいた同意の取得、AI生成の声であることを聞き手に明らかにすること、ウォーターマーキングによる起源追跡などは、技術の責任ある使用を促進する上で重要な措置と言えます。しかし、これらの措置が実際に効果的に機能するかは、今後の実践と社会の受容度にかかっています。
また、OpenAIが提案する、声認証の段階的廃止やAIディープフェイクに関する教育の強化などのステップは、技術のリスクを制限するための前向きなアプローチです。これらの提案は、技術のポジティブな側面を最大限に活用しつつ、潜在的なリスクを最小限に抑えるバランスを模索する試みと言えるでしょう。
最終的に、Voice Engineのような革新的な技術の発展に伴い、倫理的なガイドラインの整備や法的な規制の更新が重要な課題となります。技術の進展は止まることなく、社会がこれをどのように受け入れ、適応していくかが今後の鍵を握っています。
OpenAIが開発した「Voice Engine」技術は、確かに革新的であり、教育やヘルスケアといった分野での応用によって、多くの人々の生活を豊かにする可能性を秘めています。しかし、私はこの技術の進展に対して懐疑的な立場を取ります。なぜなら、創造性や人間の感情を重視する者として、AIによって生成された声が人間の声と感情を完全に再現できるとは思えず、その結果として生じる倫理的な問題やプライバシーの懸念が大きな問題だと考えるからです。
特に、人々や組織をその同意なしに模倣することは、個人のアイデンティティや声の独自性を侵害する恐れがあります。OpenAIがセーフガードやガイドラインを設けていることは評価できますが、技術の不正使用を完全に防ぐことは難しく、偽情報の拡散や個人の声の不正使用など、新たな課題が生じる可能性があります。
私たちは、技術の進歩を受け入れつつも、その影響を慎重に考慮し、人間性や創造性を尊重するバランスを見つける必要があります。また、技術の発展とともに、倫理的なガイドラインの整備や法的な規制の更新も重要です。私たちの文化や個人の表現力を守るために、地域社会や芸術家としても、このような技術の進展に対して意識を高め、積極的に議論に参加することが求められています。