Inworld TTS-2正式リリース：同一声線ブラインドテストでSonic3.6を超え首位に

動察 Beating AI 速報、リアルタイム音声AI企業Inworldが正式にRealtime TTS-2を発表。Artificial Analysisの最新Controlled Voice Arenaでは、1123 Eloで首位に立ち、Cartesia Sonic 3.6の1119を4ポイント上回った。このランキングでは、異なるモデルが同一の8つの音声をクローンしてブラインドテストを行い、主に発音、間、イントネーション、リズムなど、どれだけ自然で人間らしいかを評価する。

このモデルは、過去数ラウンドの実際の音声をコンテキストとして活用し、ユーザーのトーン、リズム、感情を聞き取り、次の発話の言い回しを調整する。開発者は「小声で話す」「仕事終わりで疲れているが温かい感じで」といった自然言語の指示を直接書き込むことができ、笑い声、ため息、呼吸音などのサウンドも追加できる。さらに、言語をまたいで同じ声質を維持し、短い録音による声のクローン作成にも対応している。

Inworld公式によると、この世代のモデルはリアルタイム対話向けに設計されており、完全な音声コミュニケーションにおけるイントネーション、リズム、感情状態を活用するという。