Inworld AI、リアルタイムTTS-2を発表：実際の会話に適応するクローズドループ音声モデル

Inworld AIは、テキストの書き起こしだけでなく会話の完全な音声コンテキストを入力として受け取り、ユーザーのトーン、ペース、感情を理解するクローズドループ音声モデル「Realtime TTS-2」をリリースしました。主な機能には、自然言語による音声指示、100以上の言語をカバーする多言語対応、参照音声不要の高度な音声デザイン、自然な言いよどみの生成が含まれます。このモデルは研究プレビューとしてInworld APIから利用可能で、Artificial Analysis Speech Arenaで第1位を獲得しています。