AWS ML Blog
Amazon SageMaker AIのTTSモデル向けオートスケーリング最適化手法が公開、実測値から閾値を算出
- AWSは、Amazon SageMaker AI上の音声合成（TTS）向けに、実測値からオートスケーリング目標値を算出する手法を公開した。
詳細を読む
→
1ページあたり 20 件ずつ表示します。
- AWSは、Amazon SageMaker AI上の音声合成（TTS）向けに、実測値からオートスケーリング目標値を算出する手法を公開した。
- 米AWSは、音声対話型AIエージェントの待機時間を短縮するため、小型音声合成モデル「Kokoro-82M」をAmazon SageMaker AI上で稼働させる手法を公開した。
- 米AWSは、音声合成サービス「Amazon Polly」の生成音声エンジン（Generative engine）の大幅なアップグレードを発表し、本番環境で一般提供を開始した。
- 仏Mistral AIは、50以上の言語に対応する音声モデル群とリアルタイム音声エージェント開発キット「Voxtral 3」を発表した。
- 組織の6割超がディープフェイク攻撃を経験しており、クローン音声による送金詐欺や権限奪取が現実の脅威となっている。
- Hugging FaceとVoice Arenaは、音声認識ベンチマーク「Open ASR Leaderboard」にヒンディー語とインド英語の評価データセット「Monsoon」を追加した。
- 音声認識および音声合成AIを提供するDeepgramが、Amazon SageMaker AI環境におけるオブザーバビリティを強化する2つの新機能を発表した。
- 米Googleが最新の音声認識モデル「Gemini 3.5 Transcribe」を発表した。
- 米Googleは2026年8月25日、macOS向けGeminiアプリに音声入力機能「インテリジェント・ディクテーション」を導入したと発表した。
- セキュリティ企業SOCRadarが、盗難・紛失したApple端末のロック解除を狙うPhaaS基盤「AnonyMousKIT」の調査結果を公開した。
- Stability AIは音楽生成AIモデル「Stable Audio 3.0」を活用するDAWプラグインと、編集機能を拡張したWebアプリの早期ベータ版を発表した。
- NVIDIAは、オープンウェイトの多言語テキスト読み上げ（TTS）モデル「NVIDIA Magpie Multilingual TTS」を公開した。
音声AIプロバイダーのDeepgramが、AWSのアクセス管理機能「AWS IAM一時委任」を同社のサポートプロセスへ統合した。
- AIアシスタント「Claude」の音声会話機能が、最上位モデルの「Opus」および中位モデルの「Sonnet」に対応した。
- AIモデルの仲介プラットフォーム「OpenRouter」が、音声文字起こし（STT）APIの提供を開始しました。
- AWSが、AIエージェントを構築する「Amazon Bedrock AgentCore」とリアルタイム音声モデル「Amazon Nova 2 Sonic」を組み合わせたレストラン向け電話注文システムの構築方法を公開した。
- AWSのサービスパートナーであるScienceSoftが、医療向けのAI音声予約スケジューラーを開発した。
- 米Metaが、ユーザーの会話音声を一日中聴き取り、その話し方や言葉から感情の状態を推測して記録するAI技術の特許を出願していたことが判明した。
- Cohereは2026年7月7日、アラビア語の自動音声認識モデル「Cohere Transcribe Arabic」をオープンソースで公開した。
- 中国のAI企業MiniMaxは、人間の声が持つリアルな質感や感情表現を追求した最新の音声生成モデル「MiniMax Speech 2.8」を発表した。