FRACTALについて

本人の声をクローニングさせて利活用できるサービス「ElevenLabs」を使用しています。また、本人確認には「Voice CAPTCHA」という技術を導入しております。『Voice Captcha』は以下の仕組みを持ちます。

■認証プロセス
Professional Voice Cloning のために、対象となる声の高品質な音声サンプル（1～2時間分）をアップロードした後、ユーザーはランダムに生成された特定の文章を読み上げるよう求められます。
■検証
システムはそのライブ録音を解析し、アップロードされた音声サンプルと照合して、音声がユーザー本人のものであり、合成音声や盗用された音声ではないことを確認します。
■安全対策
検証の回避を試みたり、本人の声と一致しない音声をアップロードした場合、システムは失敗として処理するよう設計されています。
■サポート
自動検証に失敗した場合、24時間待って再試行するか、サポートに連絡して手動審査を依頼できます。

またFRACTALが行う音声AIプロジェクト『そよぎフラクタル』におけるElevenLabs社とのより詳しい取り組み、ElevenLabs社のセーフティ・AI音声における第三者補足情報は以下リンクをご覧ください。

• Eleven Labs Safety
• 声の権利の守りかた、使いかた
• 第三者補足資料（大和総研）

テクノスピーチでは、創業以来一貫して、音声合成システムの学習には演者様ご本人から明確な許諾を得たデータおよびオープンライセンスのデータベースのみを使用しています。 BtoB・BtoCを問わず、すべてのプロジェクトにおいてこの方針を徹底しており、クリーンなデータに基づく音声合成をとても大切にしています。

「そよぎフラクタル」においても、この思想に基づいた設計を行っており、当社は「CeVIO AI」シリーズおよび「VoiSona」シリーズのボイスライブラリ制作を担当させていただきました。

日本語トークボイスライブラリおよびソングボイスライブラリについては、基盤モデル等を用いず、梶さんご本人の音声のみから構築しています。
また、英語トークボイスライブラリについては、計6名の話者（日英）の音声と、梶さんの日本語音声を組み合わせて学習しており、いずれのデータもライセンス的にクリアなもののみを使用しています。

なお、このような考え方は当社の他の取り組みにおいても一貫しており、当社が提供する音声創作ソフト「VoiSona」においても同様の考え方を重視しています。
「VoiSona」では「人間とAIの共存共栄」をテーマとしており、サブスクリプションプランの導入などを通じて、音声提供者である演者の方々へ継続的に収益を還元する仕組みの整備を進めております。

今後も、技術と倫理の両立を重視しながら、持続可能な音声AIの発展に貢献してまいります。

『エンターテイメントとAIの未来のために』と題し、noteにて応援メッセージを掲載いただいております。

以下にその一部を抜粋してご紹介いたします。

"技術だけの話をしてしまえば、例えば5秒の音声だけから、声色を似せた音声を作ることができてしまう世の中です。
ただ、それだと声色は似るかもしれないけれども、声優の方々が込めるキャラクターの息遣いとか想いとかは入れられません。

僕達が作るAIは、その想いを吹き込んでもらうために、長時間に渡る収録をさせていただいています。
読み上げてもらう台本も、キャラクターごとに個別の内容にしています。声優さんによっては、スタジオでの確認時にその台本の内容がキャラクターの解釈とあっているか、フィードバックいただく場合もあります。

みなさん、本当にキャラクターに対して愛情をもって、音声データの収録に臨んでいただいています。梶さんからは、さらに良いものを作りたいという中で、追加の音声収録を申し出ていただくこともあります。高品質のAIづくりに、本当に大きな協力をいただいております。"

• note記事はこちら