OpenAI、文章から声を作る「prompt-to-voice」を提供 GPT-Liveに日本語2音声も追加
OpenAIは10月16日、文章による説明からカスタム音声を生成できる「prompt-to-voice」を、全API利用者向けに一般提供を開始したと発表した。あわせてGPT-Liveに9種類の標準音声を追加し、対応言語を拡充している。
prompt-to-voiceは、声質を文章で説明することで新たな音声を作成し、保存できる仕組みである。従来のように参考となる録音データや、話者本人の同意録音を用意する必要はなく、記述内容のみを基に音声を生成する。作成した音声はGPT-Liveのセッションで繰り返し利用できる。
声の作成自体は無料で、発話時には通常のGPT-Liveセッション料金が発生する。生成した音声の利用先はGPT-Liveに限定されており、「Text to Speech」「Realtime」「Chat Completions」の各APIでは利用できない。利用にあたっては、特定人物の声を模倣するなりすましが禁止されているほか、成人の声を用いること、AIによる合成音声であることを聞き手に明示することが条件として示されている。
同日、GPT-Liveには新たに9種類の標準音声が追加された。内訳はドイツ語の「Nuri」「Juni」「Flitz」、フランス語の「Brise」「Sillage」、ヒンディー語の「Nira」、日本語の「Harema」「Shida」、韓国語の「Noeul」である。日本語話者向けには「Harema」と「Shida」の2種類が用意され、GPT-Liveで選択できる音声の幅が広がった形となる。