Kyutai Unmute 発表！10秒でカスタマイズ可能な音声機能、AI会話が超低遅延時代へ フランスの AI研究所 Kyutai が、音声 AI システム「Unmute」を発表しました。Unmute はテキストの大規模言語モデル（LLM）に強力な音声対話機能を追加し、 inteligentな対話体験、超低遅延、そしてパーソナライズされた音声生成によって業界に大きな反響を呼んでいます。 モジュール設計:既存モデルに「声」を追加 Unmute の最大の強みは、その高柔軟性のモジュールデザインにあります。開発者は、既存の LLM を再トレーニングすることなく、Unmute を利用することですばやく音声入出力（STT & TTS）機能を追加できます。この設計により、テキストモデル本来の推論能力や豊富な知識をそのまま活かしながら、自然な音声対話を実現します。 スマート対話:より人間風の会話体験 Unmute は以下の特徴を持つ革新的な対話体験を提供します: - 発言終了の自動判断: 利用者の発言が終わったことを正確に識別し、適切なタイミングで返答します。 - 随時中断可能: AI の返答途中でもいつでも中止でき、対話の柔軟性を向上させます。 - 流れるようなテキスト生成: テキスト生成が完了しなくても音声合成を開始させることができ、低いリテンションタイムを実現しています。 10秒で個別音声生成 Unmute のもう一つの革新点は、音声サンプル10秒で個々の音声を生成できる機能です。利用者は、特定のキャラクターのトーンを模倣したり、音声のピッチや速度を微調整することができ、さまざまなシチュエーションに対応した多様な選択肢を提供します。 オープンソース化:世界の開発者を支援 Kyutai は近週間で Unmute のモデルとコードを完全にオープンソース化すると発表しました。これによって、音声 AI 技術の普及と革新が促進され、世界的な開発者の関心を集めること間違いなしです。以前、Kyutai がリリースした音声モデル「Moshi」も類似の話題を呼びました。 音声 AI の新しい方向性 Unmute の登場は、音声 AI 技術がさらにフレキシブルで実用的な段階に進んだことを示しています。従来の音声原生モデルと異なり、Unmute は成熟したテキストモデルの優れた特性を活用し、リアルタイム音声対話の遅延と自然性の問題を解決しています。AIbase では、Unmute のリリースが開発者にとってより使いやすい音声 AI ソリューションを提供するとともに、教育、カスタマーサポート、エンターテインメントなど幅広い分野での新たな体験の可能性を開くと見込んでいます。 まとめ Kyutai の Unmute は、モジュール化、スマート対話、カスタマイズ可能な音声によって音声 AI 領域に新たな風を吹き込みました。低遅延対話体験の提供や、今後のオープンソース化による技術的支援を考えると、Unmute は業界を変革する大きな可能性を持っていると言えます。 体験サイト