# テキストから様々な音声に変換。かなり自然 はいどうもプロダクトハックです。デザイナーの京ちゃんです。 プロダクトマネージャーの文太です。このチャンネルでは世界のデジタルプロダクトやテックニュースについて私たちが気になったものをピックアップしてお話をしております。 はい今日は何でしょうか? はい今日はですね、イレブンラボっていう音声AIの会社についてちょっと話したいなと思うんですけども、最近イレブンラボが専用のというかスタンダードローンの音声生成アプリを出しましたっていうのが本当に昨日くらいにニュースになっていて、一旦ちょっとこのアプリがどういうものかっていうのを説明すると すごくシンプルなんですが、自分で読み上げてほしいテキストサンプルを入れると、かつ好きな声とか話口調みたいなのを選ぶと、それを読み上げてくれてどんどんその音声クリップもどんどん生成できるというものになっています。 なぜこれが作られたかというと、最近結構キャップカットとかでも音声の読み上げが入っていたりして、割と動画を作る人たちがテキストの読み上げをたくさん使っているというのも観察していく中で、このイレブンラボって音声の読み上げのAIがすごく高い技術を持っている会社なので、 そういった需要があるところに自分たちも作業していこうというところでインスピレーションを受けて出たというアプリですね。 このイレブンラボという会社なんですけど、もともとGoogleの機械学習のインジニアだったピョートルさんという方が創業した会社で、2022年に設立されているのでまだ3年とかの若いスタートアップではあるんですけれども、やっぱり今その音声の読み上げというところはすごくホットな技術になっているのもあって、 シリーズAで1900万ドル調達していて、それが2023年ですね。2024年に8000万ドル、2025年今年の1月に1億8000万ドルしか調達していて、今評価額33億ドルという結構注目されている会社です。 そのサイトで結構サンプルの音声、好きなテキストを入れてサンプル音声の読み上げとかいろいろ見れるんですけれども、かなり自然です。まだただ英語がベースになっているんですけど、かなり自然だし、 スポーツ実況の人の言い方とか、パーソナルの口調だとか、人の特徴みたいなところをかなり捉えた音声というのができているなというのがすごく思いました。 これは自分の声を真似てくれるとかではなくて、他のツールみたいにその会社が用意した声になるという。 この11LABOが提供しているモデルとかプロダクトはすごくいろんな種類があって、今話したのはテキスト読み上げをベースにした話をしていたんですけれども、 ボイスチェンジャー、自分が喋った声を変換するというものもあったりとか、ボイスアイソレーション、ノイズをきれいにしてくれて会話をクリアにするとか基本的なものは一通り開発モデルとしてされていて、 それがいろんなプロダクトになっていっているよというので、昨日リリースされたばかりですよというのはテキストをベースにして、好きな音声とテンションで読み上げてくれて、その音声クリップを自由に使えますよというアプリですね。 なるほどな、音声領域結構広く、音声クローンとかもやっているんですよね。 自分の声を真似て喋らせるみたいなことも可能ですね。 そうですね。もともとこのイレブンラボの起業ストーリーというかきっかけが、この起業している方たちはポーランド出身の方たちですと。 アメリカの映画の吹き替え版、ポーランドで吹き替え版を見たときにちょっと不十分な吹き替えだというふうに感じたということがあって、 なので英語だと今すごくAIもどんどん自然になってきたりとかしている部分があるんですけど、まだちょっと多分ヨーロッパとか他の言語だと不十分だって感じる体験というのが結構あって、それで起業しましたというふうに書いてました。 確か言語も50言語以上くらい対応されているので、調べてみたところ日本語はまだ残念ながらなさそうではあったんですけれども、そういった多言語で本当にいろんな人の種類の声がかなり自然に聞こえますよっていうのがベースの技術だと思っています。 もうね、言われてますけど、本訳・婚約はもう本当にがっつり本当の本訳・婚約が目の前ですよね。 確かに。だからもうテキストさえあれば、どんな言語にもどんな音声にもどんなテンションにもなってくるというので、だからナレーターとかの成り割りされている方たちとの差別化とかはちょっと難しくなってくるのかなと思ったりしました。 あとリアルタイムじゃないですか。YouTubeでも最近海外の有名なYouTuberの動画とか、普通に日本語に変換されたやつとかよく流れてきますよね。 あそこまで来ると本当になんか、電話の壁がなくなるというかね。 それは思いますね。 すごい大変だなって思うんですよね。 私も自然に字幕とかで日本語が流れてて、普通に日本の方が、あまりにも自然で日本の方が作られた動画だと思って見てたら、Vlogなんですけど音声入ってなくてみたいなのを見てたら、もう全然韓国の方とか米国の方とか。 ありますよね。チャンプYouTuberとかね。 もうそういうコンテンツの垣根なくなってくるんだなっていうのは、本当にリアルに体感してます。 むしろチャンスですね。日本みたいなところから世界へ発信するみたいなところもね。 だからそこがね、テキストも字幕もありますけど、音声もよりリアルになってくるから、まるで自分が喋ってるかのように英語に変換したりとかっていうのは多分もうわけなくできるわけで。 なってくると、どんな言語でコンテンツを作っても世界の人に発信できる時代。 やっぱりそうなるとよりコンテンツの面白さとか、そういうものがあんまり海外と関係なくなってくる。 ちょっと文化の違いはある程度あるかもしれないですけど、やっぱりそういうところは全然今までより超えていきますね。 アイディアさえあればいろんなコンテンツが作れるなっていうのはより大きい。 面白いですよね。いい時代。 競争率は高くないですよね。 この11LABOの音声も面白かったので、いろいろ遊んでみたいなと思いました。 今日は音声AIの会社11LABOについてお話をしました。 ありがとうございます。