Tag
3 件の関連記事
Vercelは2026年10月27日(現地時間)、ElevenLabsとの提携により、同社のAI GatewayにElevenLabsの14種類のモデルを導入したと発表した。この統合により、スピーチ・トゥ・テキスト、リアルタイム音声、音楽生成などの機能がAI Gatewayを通じて利用可能となる。サービス開始を記念し、11月9日までの14日間、AI Gateway上のElevenLabsモデルが50%割引で提供される。
Metaは9月29日(現地時間)、Kuan-Po Huang氏らの研究者チームが、感情表現豊かなテキスト読み上げ（TTS）モデルの制御性を向上させる新手法「EmoRES（Emotion Residual-Enhanced Steering for TTS）」を提案したと発表した。この新規手法は、感情ベクトルを共有成分と残差成分に分解することで、既存モデルの追加学習なしに感情表現の精度を高めることを目指す。
オルーワニフェミ・バンブゴース (Oluwanifemi Bamgbose) 氏らによる研究チームは2026年8月10日(現地時間)、Text-to-Speech (TTS) の自動評価手法に関する研究論文をarXivに提出した。論文では、Mean Opinion Score (MOS) 予測器やAudio Large Language Models (Audio-LLM) の評価が、人間の知覚する音声の多様な側面を捉えきれていない実態を指摘している。