Speechifyは本日、最新の音声モデルSimba 3.2を搭載した音声エージェントプラットフォーム「Simba Voice Agents」を発表しました。Simba 3.2は独立系評価機関Artificial Analysisで第1位にランクインし、Voice Arenaでも品質と価格の両面でトップのリアルタイムモデルとして評価されています。このモデルは100ミリ秒未満の低レイテンシ、ストリーミングネイティブ対応、リアルな感情表現、SSML制御が可能です。価格は100万文字あたり6ドルで、トップ10モデルの中で最も安価です。
Simba 3.2は、6,000万人以上のユーザーを抱えるSpeechifyの消費者向けアプリケーションを支えるモデルで、実際のユーザーによるサブスクリプションのテストを経ており、本番環境でも高いパフォーマンスを発揮します。今回、このモデルがSpeechifyデベロッパープラットフォームを通じて公開され、REST APIおよびTypeScriptとPythonの公式SDKが提供されます。開発者はこれらを利用して、テキスト読み上げ、クロスプラットフォーム入力、文章校正、質疑応答など、さまざまな音声エージェントを構築できます。
Speechifyのデベロッパーリレーションズ責任者Luke氏は、「ほとんどのラボはベンチマーク向けにモデルを構築し、エンタープライズ向けに価格設定をしています。私たちはリスナーのためにモデルを構築し、本番環境向けに価格設定をしています」と述べています。Simba Voice Agentsの発表は、Speechifyが消費者向けアプリからデベロッパープラットフォームへと拡大する重要な一歩であり、その高度な音声技術をより多くの開発者が利用できるようになることを意味します。また、Simba 3.2の低レイテンシと低コストは、リアルタイムの対話型アプリケーションに特に適しており、仮想アシスタントやカスタマーサービス、コンテンツ制作などでの活用が期待されます。音声対話の需要が高まる中、Speechifyのこの取り組みは、さらなる革新を促進するでしょう。