AIテクノロジー：リアルタイム翻訳＆ボイスクローニングの衝撃！

魔法のようなAI技術：言語間のシームレスなコミュニケーション

• AIテックスペースにおける特別な瞬間の1つ、AIによって可能にされた驚きの技術を目にすることができる。今日は、メタAIによる研究とデモを無料で試すことができるのを紹介する。そう、Facebookが、異なる言語間でシームレスなリアルタイムコミュニケーションを実現することが可能だ。私の英語の声を取り入れてほぼリアルタイムに別の言語に変換する様子を見ていただく。これは、まるで魔法のようなAI技術によって言語の壁が取り払われつつある大きな瞬間である。今日のビデオを見ながら、他の国で着用することがあるであろうこのようなイヤホンを想像してみてほしい。母国語で話し、どこかのスピーカーがその言語に翻訳した声を出力し、他人のスピーチを母国語で受け取り、それをあなたの耳で再生する装置。それが、ここでリアルタイムに展開されている内容である。メタによるシームレスコミュニケーションAI研究、実際にこれらのモデルをダウンロードすることができる。その点を最初に明確にしておく。GitHubでチェックしてみて。つまり、これらのモデルをダウンロードし、インストールして使用することはできるが、現時点では非営利目的での利用はできない。ただし、研究目的には完全にオープンであり、研究目的で再配布することができる。これが現状である。おそらく将来的にはこれらの多くをオープンソース化するであろうと思われる。詳細については、こちらのライセンス情報を確認してほしい。完全にクローズドソースのものよりはるかによいものであるが、まだかなりオープンであり、良い兆候である。Facebookは実際にオープンソースソフトウェアをリリースする良い実績を持っているので、近い将来、完全にオープンになることを期待できるだろう。少しの導入がありますので、それを見てみましょう。AIコミュニティと協力して言語の壁を取り除き、オープンで本物のコミュニケーションを促進することを支援しています。新しいモデルのスイートを紹介することを楽しみにしています。私たちの基本モデルであるSeamless M4 TV2の改良版であるシームレスエクスプレッシブ、スピーチやテキストを約2秒の遅延で翻訳するシームレスストリーミング、最後にシームレス、これら全ての機能を組み合わせたユニファイドモデルです。改良されたモデルであるSeamless M4 TV2は、新しいSeamless ExpressiveとSeamless Streamingモデルの基盤として機能します。新しいモデルのファミリーで次に見るのは、Speech Expressiveです。ポーズやスピーチ速度、特定の単語における強調、その他、ボーカルスタイルや感情的なトーンなどの発声の微妙なニュアンスを保持します。私たちにとって重要なのは、翻訳が単語だけでなく、人間の表現の微妙な点も正確に伝えることである。ボリュームを下げてください。赤ちゃんを寝かしつけたばかりです。また、遅延時間がわずか2秒であるシームレスストリーミングを共有することに興奮しています。リアルタイムに言語を翻訳する初の大規模多言語モデルです。言語が聞き慣れない社会的な状況に身を置いていると想像してみてください。その場で会話についていくことができるだけでなく、その場での議論を理解し、アクセスできます。

魔法のようなAI技術：言語間のシームレスなコミュニケーション

AIボイスクローニング：言語の壁を取り払って世界をつなぐ革新的な技術

• 遅延を最小限に抑えつつ、かつシームレスに自分の言いたいことをその言語で表現できる技術があるとしたら、それは非常に革新的なアイデアに向かって構築できると信じています。これはよりつながった世界への旅路でさらなる一歩だと考えており、AIコミュニティがこの技術をどのように発展させるかを熱心に待ち望んでいます。実際、私の声の表現力豊かな部分を捉えるだけでなく、全体的なトーンまでキャプチャーするとのことです。処女性の声のクローニングも、ほぼリアルタイムで2秒未満の遅延で実現されるそうです。これは確かに現実世界で使用可能なレベルです。無料デモもあるそうなので、早速試してみましょう。Seamless Expressive（シームレス・エクスプレッシブ）は、表現力豊かな音声スタイルの要素を翻訳で維持しようとするAIモデルです。声の高さやボリューム、トーン、興奮したり悲しんだり、ささやくようなど、明らかに音声スタイルも取り扱います。他にもいくつかの例があります。ここにはいることができてうれしい。あなたがここにいてくれてうれしいです。まあ、それはすごいな。本当にその声に聞こえますね。クローニングは完璧とは言いがたいですが、2秒の遅延は早くしてもらわなければいけませんよ。五分で着く必要があるよ。おやすみなさい、赤ちゃんが眠った。素晴らしいですね。これは非常に使えるものです。言語の壁が崩れるのがとても楽しみです。みなさんがコミュニケーションを取ることができ、それが意味をなし、すべてうまくいくようになります。

AIボイスクローニング：言語の壁を取り払って世界をつなぐ革新的な技術

革新的なAIテクノロジーの可能性を探る

• あなた自身で試してみてください。さまざまな人々の反応を見たいです。私のDiscordサーバーに戻ってきて、異なる人々の意見を投稿してください。翻訳の質がどれほど良いか知りたいので、今のところ英語とスペイン語にとどまります。今後はドイツ語とフランス語に移りますが、ますます早口で話してみましょう。アイスクリームを買ってもらえますか？とてもお腹が減っていて、アイスクリームが欲しいんです。今すぐアイスクリームを買ってくれないと、とても悲しいし、床中泣いちゃいます。本当にアイスクリームが欲しいです。わかりましたか？こちらがオリジナルのクリップです。アイスクリームを買ってもらえますか？とてもお腹が減って、アイスクリームが欲しいんです。今すぐアイスクリームを買ってくれないと、とても悲しいし、床中泣いちゃいます。本当にアイスクリームが欲しいです。どうでしたか？お知らせください。単語を間違えたり、とても早口で話しているように聞こえましたか？私はそう聞こえます。感情のないものを聞くことを望むでしょうか？非表現的な部分は9秒で、オリジナルのクリップは11秒で、表現豊かな翻訳は10秒です。アイスクリームを買ってもらえますか？とてもお腹が減って、アイスクリームが欲しいです。今すぐアイスクリームを買ってくれないと、とても悲しいし、床中泣いちゃいます。本当にアイスクリームが欲しいです。

革新的なAIテクノロジーの可能性を探る

AIによる多言語音声合成の驚異的な可能性

• 最初は少し悲しい感じのものよりも良いですね。最後に歌ってみたいと思います。犬と猫、猫や犬が降ってくる雷よろしく雷が降っています。顔に犬が落ちてくるので、どこかの雨帽子を買ってください。それはちょうど物静かな、歌うような感じですが、実際には歌っていないんですが、想像以上に良いです。正直言って適切です。さて、フランス語に移りましょう。フランス語で話しています。マットビッドプロは実際にフランス語を話すことができます。いつもフランス語を話せることを知っていました。フランス語では口が動いているようには見えませんが、これらの小さなビデオが好きです。感情的なものを少しやってみましょう。信じられない、AIが世界を支配してしまった。みんなが消えてしまった。友達も家族も、AIに食べられてしまいました。間違っていたら訂正してくださいが、フランス語の方がスペイン語よりも良いようです。

AIによる多言語音声合成の驚異的な可能性

マット・ビドプロ・チャンネルを購読解除しないでください！

• マット・ビドプロ・チャンネルを解約しないでください！どうぞお願いします、解約しないでください。私の装飾が気に入らなくても、マット・ビデオBRチャンネルを解約しないでください。翻訳に実際の失敗があり、英語から英語へとやってしまいました。よく機能しているようですが、これは明らかに修正する必要がある問題です。このようなことが頻繁に起こるようには見えませんが、ちょっとだけ私の声にドイツ語のアクセントを加えてしまいました。さて、今度はスペイン語から英語への試みです。スペイン語は話せないのですが、いくつかのスペイン語の単語を読んでみて、どのように翻訳されるか見てみましょう。

マット・ビドプロ・チャンネルを購読解除しないでください！

Conclusion:

AIの可能性を探る中で、リアルタイム翻訳とボイスクローニングの革新的な技術が世界を変える可能性を感じました。今後のAIテクノロジーの展望に期待が高まります。

Q & A