アーカイブ — US — techcrunch
ElevenLabs、自社の音声認識モデルを発表
ElevenLabs、評価額33億ドルであるAIスタートアップは、音声生成で知られ、1億8000万ドルの資金調達を受けた後、音声-to-テキストモデル'Scribe'を立ち上げました。Scribeは99以上の言語をサポートし、驚異的な正確さを誇り、Google、OpenAI、他社の既存モデルと競合することを目指しています。現在は、事前録音された音声のみを文字起こしし、1時間あたり0.40ドルで提供されています。
要点
- ElevenLabsは1億8000万ドルを調達し、投資家の強い信頼を示しています。
- スタートアップの新しいモデルScribeは、音声検出機能を向上させることを目的としています。
- Scribeは99以上の言語をサポートしており、25の言語では優れた精度（5％未満のエラー率）を達成しています。
- ベンチマークテストでは、ScribeはGoogle Gemini 2.0 FlashやWhisper Large V3を上回りました。
- Scribeの機能には、話者ダイアライゼーション、単語レベルのタイムスタンプ、音声イベントの自動タギングが含まれています。
- 現時点では、Scribeは事前録音された音声のみを書き起こすことができ、リアルタイムバージョンの開発が進行中です。
- Scribeの価格は、書き起こし1時間あたり0.40ドルで競争力があります。
なぜ重要か
- ElevenLabsの音声toテキストモデルの登場は、AI駆動のコミュニケーションツールへの需要の増加と一致しています。
- 2025年までにAI音声認識市場は大幅に成長する見込みであり、自然言語処理の進化がその要因です。
- 音声toテキストサービス間の競争が、転写サービスの精度や価格の革新を促しています。
- リアルタイム転写機能の開発は、リモートコミュニケーションやアクセシビリティ向上に焦点を当てた広範なITトレンドを反映しています。
ElevenLabsのScribeのローンチは、同社の戦略の重要な変化を強調し、AIに基づく音声認識の競争環境を浮き彫りにしています。この分野は今後、大きな成長と革新が期待されています。