今日からスタート！アマゾンはAI音声技術を使って企業向けブランドサービスを提供

ブランドは架空の人物であり、人間と同じように、声を含め、多くの独自の特徴を持っています。

ブランドの声は、ユーザーが聴覚を通じてブランドの個性を即座に識別するのに役立ちます。

本日、Amazon のクラウドサービス Amazon Polly は、完全に自動化されたサービスである「Brand Voice」事業を開始しました。

このサービスは、テキストコンテンツをリアルな音声に変換し、顧客に特別にカスタマイズされた音声サービスを提供します。

アマゾンのAI音声責任者ラファル・ククリンスキー氏とシニアプロダクトマネージャーのアンキット・ダワン氏がブログ記事で説明したように、ブランドボイスは、企業が独自の音響シグネチャを自社の製品やサービスに組み込むことで、他のブランドとの差別化を図ることを可能にする。「どの企業も独自の音声ブランドを持つことができる」と彼らは書いている。

アマゾンはKFCと提携し、KFCのブランドロゴ「KFC Grandpa」をアメリカ南部の英語アクセントで埋め込み、Amazon Alexaアプリで公開した。

また、同社はナショナルオーストラリア銀行のオーストラリア英語の音声も設計し、同銀行のコンタクトセンターは Amazon のオムニチャネルクラウドコンタクトセンター製品である Amazon Connect に移行しました。

昨年末、アマゾンは研究論文（「データ削減効果のテキストから音声への変換への影響」）で、AIを使用して音声を生成する取り組みについて詳細に説明し、研究者らはわずか数時間のトレーニングで新しい話し方を学習できるシステムについて説明しました。

同じ目標を達成するには、声優が数十時間かかる場合があります。

Amazon の AI モデルは 2 つの部分で構成されています。

1 つ目は、音素のシーケンスをスペクトログラムのシーケンス、つまり時間の経過に伴う音の周波数スペクトルの視覚的表現に変換するニューラルネットワークです。

2 つ目はボコーダーで、スペクトログラムを連続したオーディオ信号に変換します。

この AI モデルをトレーニングする方法は、大量のニュートラルスタイルの音声データと目的のスタイルのデータ、および音声を区別できる AI システムを組み合わせます。

Amazon はすでに社内でこれを使用しており、Alexa の新しい音声を生成しています。

この技術は商業的に大きな価値があります。

ブランドボイス (たとえば、女優のステファニーコートニーが演じるキャラクター、フィオ) は、対話型音声応答システムの電話ツリーや企業トレーニングビデオの e ラーニングスクリプトの録音を任されることがよくあります。

シンセサイザーは、補助的な録音や聴取を減らすことで俳優の効率を高め、創造的な作業に時間を割けるようにします。