エンジニアがAIに恋愛の駆け引きや愛の告白を教えた

人間は本質的に非常に複雑な存在であり、声は周囲の世界とコミュニケーションを取る上で決定的な役割を果たします。平均して人は1日に6200以上の思考を巡らせ、自分が何を感じているかを理解するための感情のカテゴリーは27以上あります。まさにこの点が、話し言葉を非常にダイナミックなものにしているのです。

人工知能と聞いて最初に思い浮かぶ言葉は何でしょうか？論理、冷たさ、無感情でしょうか？それにもかかわらず、AIシステムは新たなロミオやジュリエットになり得るのです。

Sonanticの開発チームは、AI音声プラットフォームの革新に取り組む技術企業Sonanticで、AIの恋愛の駆け引きを向上させ、呼吸、ため息、笑いの能力を与えました。こうした人間らしい音は、順調な恋愛に欠かせない感情的なつながりを少し加えてくれるだけです。

「Sonanticでは人間の声を模倣することを目指しています。当社のAIが生成する音声モデルは、幅広く大胆な感情を表現できます。それでも、言葉によるコミュニケーションの多くは微妙なニュアンスで成り立っています。優れた演技は、真の複雑さ、脆さ、そして誠実さを示し、繊細さは巧みなコミュニケーションの最も重要な要素です。昔のことわざにあるように、「重要なのは何を言うかではなく、どう言うかだ」。この概念を、語り手や俳優ほどよく理解している人はいません。当社の最新の成果である繊細な感情と非音声的な音は、これまでにないほどクライアントに無限の可能性をもたらします」と同社は語りました。 

こうした自然な音の追加は新たな成果ですが、Sonanticはすでに遊び心があり、からかうような話し方もできます。これは、新米のロミオやジュリエットにとって重要な能力です。

この印象的な開発をより身近に感じるには、Sonanticの広告動画をYouTubeで見るのがおすすめです。バレンタインデーの話です。少女の声は非常に自然で、とても心地よく響きます。特に、そのスピーチに美しく組み込まれたため息や笑いが印象的です。

そのため、少女が突然「私は本物じゃない。生まれたことも、死ぬこともない。だって、私は存在しないのだから」と打ち明ける場面には衝撃を受けます。

Sonanticは、音声生成に使われるプログラムのインターフェースも披露しました。ユーザーはこのプログラムで話す速度を変えたり、イントネーション、スタイル、速度を調整したり、単語の間にさまざまな音を加えたりできます。

繊細な感情を磨くことは、技術的に難しい課題です。AIの音声モデルは、一般的に感情をこもったように聞こえさせてしまいがちです。感情が繊細であるほど、かき消されて機械的に聞こえてしまう可能性が高くなります。エンジニアたちは、このこもった効果に対抗し、感情の繊細さを保つために、音声モデルを確実にする方法を研究してきました。同社は、「コケティッシュ」「シャイ」「からかい」といった新しいスタイルをクライアントに提供しました。

よく考えてみると、コミュニケーションは言葉だけではありません。間、深い息づかい、うめき声や感嘆の声などがあり、そのたびに私たちが何を考え、何を感じているかについての追加の情報を与えてくれます。こうした非音声的な音こそが、私たちの会話に生命を吹き込むのです。普通に感じられる呼吸のような単純なものでさえ、自然な人間の声の響きに影響を与えます。こうした細かな要素がなければ、私たちの会話は機械的で単調に聞こえてしまうでしょう。

Sonanticは、同社のAI音声モデルが今や呼吸し、笑い、さらにはあざ笑うこともできると発表しました。同社は音声エンジンを訓練するために常に最も才能のある声優と協力してきましたが、今回の最新の進化も例外ではありません。しかし、繊細な感情は経験豊富な演者にとっても難しく、正しく表現するには何度もテイクを重ねることがよくあります。 

エンジニアたちは台本を練り直し、準備により多くの時間をかけ、より多くのテイクを録音し、俳優たちに最大限の創作の自由を与えました。最終的に、それはダイナミックで、汎用性が高く、多層的な素材をもたらしました。

非音声的な音を捉えることは簡単ではなく、研究者たちは望む結果が得られるまで新しいアルゴリズムを試行しなければなりませんでした。最初の数回の試みでは、すべてが歪んで機械的に聞こえました。しかし、研究、情報、エンジニアリングの各チームの優れた共同作業と協力により、これらの微妙なニュアンスを捉えることを可能にする新しい特許取得済みのアルゴリズムを開発しました。

革新的な成果を披露するため、エンジニアたちは「彼女の秘密は何？」という動画を制作しました。これは、Sonanticがこれまでに作った中で最もリアルな製品デモです。

「動画のコンセプトを考えたとき、私たちは愛というテーマに焦点を当てることにしました。なぜなら、そのときこそ人は最も無防備になるからです。落ち着いた穏やかな少女の声が、「どうすれば私を好きになってくれる？」と尋ねるとき、わずかに揺れます。独白を聴きながら、彼女が適切なタイミングで笑ったり、息をついたり、ため息をついたりする様子に注目してください。画面の女性が実在の人物で、話している主人公が人工知能であることが分かると、視聴者は驚かされるでしょう」と同社は語りました。 

これらの音声合成の進歩により、Sonanticのプラットフォームはさらに充実したものになります。同社は、クライアントに新しい機能を提供できることを喜んでいます。エンジニアたちは、声優やエンターテインメントスタジオのために、将来も音声技術の革新を進め続けられるような、本当に強力なツールを開発していると述べました。

同社の音声合成は、すでにハリウッド映画やビデオゲームの制作で使用されています。喜びや悲しみを表現でき、今ではフラートもできるようになりました。2021年8月、Sonanticは、喉頭がんの治療の結果、話す能力を失った俳優ヴァル・キルマーの声を再現するために、自社の技術を応用しました。