2025年9月28日｜Microsoft VibeVoiceで90分会話＋歌を自動生成

結論、MicrosoftのVibeVoiceは最大90分、4人分の会話を自動生成できる新しいAIポッドキャストモデルです。しかも必要に応じて即興の歌声を生み出し、コンテンツに彩りを加えます。

要点まとめ

健太

博士、VibeVoiceって普通のボイスAIと何が違うの？

博士

VibeVoiceは90分の会話を4人分まで生成できて、即興で歌うことまでできるんだよ。ポッドキャスト作りに便利なんだ。

・最大90分、4人の会話を自動生成
・状況に応じた即興歌声の生成
・音声品質向上のための対話調整機能

新情報の詳細

健太

博士、どうしてVibeVoiceはこんな長い会話を作れるの？

博士

生成AI技術が進化して、大規模言語モデル（LLM）がより自然な対話生成を可能にしているんだ。だから長時間の会話も実現できるよ。

• バックエンドには大規模言語モデル（LLM）と音声生成技術
• 時間経過や登場人物の感情変化を反映し、自然な会話を維持
• 即興歌声はトレーニングデータに基づき、音程やリズムも自動調整

実生活・ビジネスへの影響

健太

博士、これって実際にどんな場面で役立つの？

博士

例えばポッドキャスト制作や音声コンテンツの試作、ナレーション付きの学習教材に向いているよ。自分で録音する手間が省けるんだ。

VibeVoiceは生成AI（人工知能）として、番組制作や企画検証を手軽にします。たとえば新番組のプロトタイプを短時間で制作したり、音声広告のモックアップをすぐに用意可能です。ビジネス現場では、ナレーション用の多様な声質サンプルを自動で生成し、ABテストに活用できます。

よくある質問

健太

博士、誰でも使えるの？料金は？

博士

現在は試験提供段階で、招待制だけど将来的には有料プランで一般公開される予定だよ。

• Q: VibeVoiceはどこから利用できる？
  A: マイクロソフトのパートナープログラムを通じて登録申請し、APIアクセスが提供されます。
• Q: 自分の声を学習させて使える？
  A: カスタムモデル機能で独自の声をアップロードしてトレーニングすることが可能です。

参考リンク

元記事

THE DECODER

Microsoft's VibeVoice is a new AI podcast model that might generate spontaneo...

###生成AI #AIニュース