#音声合成

音声合成に関する海外の最新ニュース5本を日本語でまとめています。公式発表・論文・海外メディアの報道をもとに、ビジネスへの影響まで解説します。

2026年10月3日（土）

AI音楽生成のSunoが、文章と声・曲調の指定から朗読とBGMを1つの音声として同時に作る「Speech」をベータ公開した。約1か月の限定テストを経て全利用者に開放し、Webとモバイルで使える。料金や対応言語は未公表。

出典：Suno・X @suno・The Decoder

AIモデル19:10一次情報

Microsoft AIが逐次文字起こしのMAI-Transcribe-2-Streamingと音声合成のMAI-Voice-2.1・2.1-Flashを公開した。文字起こしは60言語で年末まで1時間$0.54。音声合成は23言語だが、現時点で日本語の音声はない。

出典：Microsoft AI・Microsoft Learn・X @MicrosoftAI

活用事例18:32一次情報

プログラミング学習のScrimbaが、Hacker Newsのトップページの記事を解説動画で見られるHN.watchを公開した。動画はHTMLのスライドとAI音声で組み立て、数秒で再生が始まる。ナレーションは日本語を含む33言語に対応する。

出典：Hacker News・Scrimba Docs・YouTube @Scrimba

研究・論文18:32一次情報

Hugging Faceはオープンソースの音声合成モデルを自動の指標で比べるOpen TTS Leaderboardを公式ブログで紹介した。聞き取りやすさ・速さ・声の再現度を9言語で測り、日本語では10月1日時点で16モデルを比べている。

出典：Hugging Face Blog・Hugging Face（hf-audio）・QwenAudio（GitHub）

音声AIのElevenLabsは、従業員が保有株を売る3億ドルのテンダーオファーを完了し、評価額が2月の110億ドルから220億ドルに倍増したと発表した。売上の55%を企業向けが占め、音声エージェントの会話は週1500万件を超えた。

出典：ElevenLabs・ElevenLabs Docs・TechCrunch