ElevenLabsが本格的に日本語を話せるようになるには

米ElevenLabs、日本の音声AIスタートアップKotoba Technologiesを約160億円で買収へ

そうなるとオレオレ詐欺が横行するが、悪いことばかりではない。

日米AIタッグによる音声AIの合体を描いたイラスト。日本語の間やニュアンスを克服するロボットと、米国の音声AI「ElevenLabs」を示すロボットが描かれている。
ElevenLabsがKotoba Technologiesを$100Mで買収(約159億円!)

皆のもの、これがどういう意味かわかるのか?
生成AIの音声合成を使って、より日本語が流暢になり、それどころかどんどんオレオレ詐欺に活用されるようになる。
これは仕方がない技術発展である。

  • 概要::米音声AI大手ElevenLabsが、東京拠点の音声AIスタートアップKotoba Technologiesの買収合意を発表しました。
    買収額は約1億ドル(約159億円)と報じられ、従業員15名が合流し東京拠点を維持したまま日本語音声AI開発を加速します。
  • 公式URL: https://www.itmedia.co.jp/aiplus/article/2611/19/2000003306/
  • なぜこのニュースが重大なのか(根拠):従業員わずか15名の日本発AIスタートアップが約1億ドル規模でグローバルAIユニコーンに評価・買収された歴史的ディールであるためです。
    経産省の「GENIAC」にも採択された日本の基礎研究力が、世界トップクラスの計算資源と結びつくことで、日本語特有の敬語や間の取り方を備えた音声エージェントの実用化が一気に前進します。
  • AIの3視点要素:
    • The Good(良いこと): 日本に研究開発拠点を残したまま海外の潤沢な資本と計算資源を活用でき、日本語をはじめとする東アジア言語の音声AI品質が飛躍的に向上すること。
    • The Bad(悪いこと): 国内の優秀なAI研究チームが外資系企業の傘下に入ることで、国産独立系AIプレイヤーの選択肢が狭まり、国内大企業との既存取引条件が再編される不透明さ。
    • The Ugly(ヤバいこと): 日本語の微妙なニュアンスや感情表現まで完璧に再現する音声AIの普及により、オレオレ詐欺などの特殊詐欺や企業幹部へのなりすまし音声フィッシングが、従来の機械音声とは比較にならない精度で悪用されるリスク。

映像制作の現場でGoogle TTSや既存の生成AI音声を使っていて感じるのは、「どれだけ指示しても突然読み間違える」「発音と『間』で主語や文脈を伝える日本語の壁」は、まさに現在の英語圏ベースAIが抱える最大の弱点です。


“ElevenLabsが本格的に日本語を話せるようになるには” の続きを読む →

3.8 Flashが4 Hydrogenになってどうなったか?

正直なところ、3.5には明らかにおバカさんでした。

途中、ちょっとの間3.7がありましたが、すぐ3.8にアップグレード
しかし、Google Driveで5TBにしたら自動的にAIが使えるようになってしまって、
Geminiの有料を切れなくなって(ただ5TBのGoogle Driveを活用したかった)、
400GBに落としたら、今度は3.7どころか3.5まで落とされたわけですよ・・・

仕方なく5TBに戻したら4 Hydrogenが先週から使えるようになって、
あれ?Google GeminiもGemsもこんなに賢かったっけ?って。

しかも3.5の時代野Gemsは使い物にならなくなり、Skillも同様でハルシネーションだらけ。

星座になったオリオンが弓を持つ姿と、周囲の星座を描いた夜空のイラスト
おんどりゃ!

さて、ここでGems(カスタム指示)とチャットプロンプトの違いから説明します。
そこでなぜ挙動が変わるのか。


“3.8 Flashが4 Hydrogenになってどうなったか?” の続きを読む →

Google Gemがご臨終(随時入れ替わる)

11月17日を以てGoogleがGemを廃止し、Skillにしていくと発表。
この発表はだいぶ前から行われていた。

https://support.google.com/gemini/answer/18560919

最初はGeminiで5TBの契約をしていたので、かなり使えていた
途中、契約を落として400GBのGoogle Driveにしたら、3.5 Flashになって全くGemもSkillも使い物にならなく。
そんな中、3.8はすばらしいということで仕方なくまた5GBに戻したら、人生変わった(笑)

さて、ここでGemとSkillの違いを説明します
そして、4 Hydrogen になってさらにどう変わったか

GemsからSkillになって何が変わったか?

最大の変化は「独立した専用ルーム(ペルソナ)」から「状況に応じて呼び出される専門モジュール(機能拡張)」への転換です。

比較項目旧:Gems新:Skill
基本コンセプト専用のチャット部屋(人格・役割の固定)メインの会話の中で必要に応じて呼び出す「道具箱」
呼び出し方ユーザーが手動でGemを選んで会話開始AIが文脈を判断して自動展開(または明示指定)
複数機能の連携1つのチャット=1つのGem(切り替えが手間)1つの会話の中で複数のSkillを横断・連携可能
データ・知識の扱いチャットごとにファイルや指示が閉じていた指示書(instructions)と補助ファイル群を構造化して管理

例えば、これが私のGemの一つでブログのインフォグラフィックスを作ってもらっていました。

Google Documentの文章はGeminiで探してきた業界の「重大ニュース」です。
実際はただの時事ニュースでURLと、なぜ重大なのか理由があり、さらに私がつけたコメントや調査があります。
あなたの役目は、インフォグラフィックスの作成です。
守る出力フォーマット:

1) 画像は16:9 ランドスケープ
2) 画像で題名は必要ない
3) コミック風でパステルカラー
4) 各々のニュースを(3~5)区切って絵を作る(添付画像を参照)
5) 内容はすべて日本語で表記すること(変な文字は絶対に使わないこと)
6) 必ず社会的視点の良いこと、悪いこと、ヤバい事を一つずつの記事に入れてください

7月くらいまではこのような画像が出力されていました。

だが、突然狂ってしまい、このようなかわいらしい画像ではなくなり、幾何学的な画像になってきました。

まず、とくに3.1、3.5、3.8もたまにおかしくなる問題は

“Google Gemがご臨終(随時入れ替わる)” の続きを読む →

仏壇じまいの時代に新しい風

アルファクラブ武蔵野が発売するAI仏壇『コハコ』に見る「死に方改革®」の現在地

2019年から追いかけていたプロダクトの「ついに来たか!」という感慨

先日、冠婚葬祭大手のアルファクラブ武蔵野株式会社とスタートアップの株式会社COHACOから、AI仏壇『コハコ』を11月24日に発売するというプレスリリースが発表されました。

https://cohaco.me (https://cohaco.rip)

実は私自身、この『コハコ』というプロダクトについては、開発段階の2019年8月のENDEXからずっと動向を追い続けていました。
素晴らしいコンセプトを持ちながらも、ハードウェア開発特有の難しさや資金面の課題などもあり、なかなか製品化・一般発売まで辿り着けずにいた経緯を知っていただけに、今回の正式発売のニュースには「ついにここまで来たか!」と強い感慨を覚えます。

今年の6月のフューネラルビジネスフェアの会場でも、アルファクラブ武蔵野のブースに実機が展示されているのを見つけ、思わず足を止めて担当者(副本部長!)を質問攻めにしてしまいました。
今回は、現場で直接話を聞いて感じた『コハコ』の真価と、これからの供養・終活のあり方についてお話ししたいと思います。


“仏壇じまいの時代に新しい風” の続きを読む →

6年前、「未来の遺影」を語って笑われた話

AIの“声と顔”に法律が追いつく前に、私たちが気をつけるべきこと

「写真の中の大切な人が、もう一度、自分の声で話しかけてくれたら」

 経済産業省は13日、生成AI(人工知能)による声や肖像の無断使用などを防ぐため、不正競争防止法で新たに規制する行為の具体案を有識者会議に示した。肖像や声が持つ魅力を商品や広告に無断利用する行為を対象とする。一方で物まねや声まねなどは対象から除外する案も示した。

https://www.yomiuri.co.jp/economy/20261114-GYT1T00086

2020年。今から6年前のことです。
今のように誰もがスマホで「ChatGPT」を使う時代になる少し前、
私たちAIの現場にいた人間たちの間では、「OpenAIのGPT-2の次に、
いよいよすごい『GPT-3』が発表されるらしいぞ」と話題になっていた頃でした。

そんな2020年、私は幕張メッセでクリスタルメソッド社の展示会ブースに営業顧問として立ち、
来場する方々に「未来の遺影」の話をしていました。

AIによる声や顔の再現技術の進化と、生成AI詐欺への注意を描いた4コマ漫画
6年前と今では圧倒的に制作コストもスピードも3桁、4桁違います
そして作成に関わる難易度も1/1000以下になりました

当時、私が普及に力を入れていたのは、「GAN(ガン:敵対的生成ネットワーク)」という最先端のAI技術を使った仕組みです。 中学生でもわかるように簡単に説明すると、これは「そっくりな偽物を作るAI」と「それが偽物かどうかを見破るAI」の2人が、お互いに競い合って腕を磨き合う技術です。

何度も特訓を繰り返すことで、本物と見分けがつかないほどの画像や声を生み出すことができます。

この独自のGAN技術を使うと、本人の写真や音声データから、まるで分身(クローン)のようなデジタルアバターを作ることができました。当時はまだ今ほど処理速度が速くなかったため、会話にはわずかなタイムラグ(間)がありましたが、それでも画面の中から本人の顔と声で語りかけてくる姿は、まさに未来そのものでした。

技術的にはこちら(クリスタルメソッド社のホムペを参照してください)
https://crystal-method.com/blog/gan/


“6年前、「未来の遺影」を語って笑われた話” の続きを読む →

AIに読み取られる家電量販店のホムペ、どこまで信用できるのか?

「冷蔵庫の買い替え、どこがお得?」AIに聞いて決める人が陥る大きな罠

今、ナンでもカンでもAIが回答します。
Google Chromeから何かと問い合わせをかけるとAI回答が表示されます。

気になる記事を発見しましたのでご紹介します。

https://prtimes.jp/main/html/rd/p/000000014.000186744.html

冷蔵庫や洗濯機といった大型家電が急に壊れたとき、あなたならどうやって買い替え先を探しますか?

以前なら「チラシを見比べる」「価格コムで最安値を調べる」「近所の量販店を回る」のが一般的でした。
しかし最近では、ChatGPTやGeminiなどの生成AIに向かって、こんなふうに尋ねる人が急増しています。

「冷蔵庫を買い替えるなら、どの家電量販店が一番おすすめ? 保証や下取りも考慮して教えて」

するとAIは、まるでベテランの店員のように「長期保証ならヤマダデンキ、ポイント還元ならビックカメラやヨドバシカメラがおすすめです」と淀みなく答えてくれます。

これを見て「なるほど、AIが客観的に比較して選んでくれたんだな」と納得して店に向かった方、ちょっと待ってください。実はそこに、現代のデジタル社会ならではの大きな落とし穴が潜んでいます。

この内容をもう少し掘り下げてみます。
まず、皆さんに知っていただきたいのはAIの回答は「操作」されていることが多いのです。

良いこと:ロボットが保証書や便利な資料を女性に示し、家電と歯車が描かれている
最後に3つのポイントとして説明を付け加えましたので、お見逃しなく

このPR TIMESの記事で紹介されている Plateer Japan 社はAIO/GEOを展開する会社です。
つまり、企業に「御社のウェブサイトはオススメされないですよ」と言わんばかりで裏を作る会社です。
別にそれが悪いのではなく、企業はSEO対策の一貫の作業でもあります。
SEOに続いてAIO(AI optimization)、GEO(Generative AI Engine Optimization)なだけです。


ここまでお読みの方ならだいぶお察しがついたかと思います。

“AIに読み取られる家電量販店のホムペ、どこまで信用できるのか?” の続きを読む →

デジタル庁の答弁作成AIでも救えない、霞が関を蝕む「人間性」の欠如

政府の専用AI「源内」がどれだけ進化しても、絶対に直せないバグがあります。
それは、パソコンの中ではなく「使う側のマナーと人間性」に巣食っている問題です。

【テクノロジーの限界・本質追求】

デジタル庁が全府省庁の職員約18万人に向けて「国会答弁作成支援AIアプリ」のプロトタイプを提供開始したというニュースが話題になっています。

政府専用のAI基盤「源内(げんない)」を使い、徹夜続きになりがちな答弁書の作成や過去の記録探しのスピードを大幅に上げようという試みです。

「これで霞が関のブラックな働き方が良くなる!」と期待する声もありますが、本当にそれだけで解決するのでしょうか。
実は、最新テクノロジーの導入だけでは絶対に救えない、現場のもっと根深い問題があります。


私の友人が経産省にいます。
彼はノンキャリアです。
でも仕事はマジメにやるタイプで、実はマジメすぎて国会答弁中に脳卒中まで起こして倒れてしまい救急車で運ばれました。
幸い、命は助かり、後遺症もなく復旧しましたが、心と身体(脳)にはかなりのダメージが残りました。

デジタル庁が約18万人向けに中央省庁の長時間労働解消を目指す内容を示すイラスト。良いこと、悪いこと、やばいことがそれぞれ説明されている。
AIで国会答弁を作れても、「議員の部屋の前で8時間待機」は減らない話

デジタル庁、約18万人の全府省庁職員向けに「国会答弁作成支援AIアプリ」プロトタイプを提供開始

要約

デジタル庁はガバメントAI「源内」において、質問分析や過去答弁検索、答弁草案作成、更問予測を統合支援する国会答弁作成支援AIのプロトタイプを全府省庁約18万人に提供開始した。

  • 公式URL: https://www.digital.go.jp/policies/genai/b736d2d7-b03b-43f0-9932-eba7da7f8142
  • 重大である根拠: 中央省庁の最大の長時間労働要因とされてきた「国会待機・答弁作成業務」に対して、日本政府自らが開発した国家規模のAIプラットフォーム(源内)を通じて直接的な自動化・支援のメスを入れる初の本格実装段階に入ったためです。2027年通常国会での本格運用を見据えた行政改革の大きな節目となります。
  • The Good(良いこと): 答弁作成や資料検索にかかる膨大な残業時間を削減し、政策立案の本質的な議論に官僚のリソースを再配分できる点。
  • The Bad(悪いこと): ハルシネーション(誤情報)や文脈誤認の見落としリスクがあり、最終確認と責任追及の所在が曖昧になりかねない点。
  • The Ugly(ヤバいこと): 過去の答弁フォーマットや官僚特有の「無難な言い回し」をAIが過剰学習し、実質的な説明責任を回避する形骸化した答弁が量産・固定化される恐れがある点。

こちらにデジタル庁が発行した「国会答弁作成支援AIアプリ」についてのPDFがあります。

https://www.digital.go.jp/assets/contents/node/basic_page/field_ref_resources/b736d2d7-b03b-43f0-9932-eba7da7f8142/9fabae23/20261030_policies_genai_outline_02.pdf


“デジタル庁の答弁作成AIでも救えない、霞が関を蝕む「人間性」の欠如” の続きを読む →