Skip to main content

音声技術

音声合成（テキスト読み上げ）TTS

別名： スピーチシンセシス（音声合成） · ボイス合成

音声合成（TTS）は、書かれたテキストを音声に変換します。音声エージェントにおいてTTSは最終ステップであり、エージェントの応答を自然な声で——理想的には発信者の言語で、低遅延で——読み上げます。

最新のニューラルTTSは、自然なイントネーションと声のクローン・カスタマイズ機能を備え、人間に近い響きを持ちます。品質と速度が重要です。ロボットのような、あるいは遅延のあるTTSは、本物の会話という錯覚を壊してしまいます。

製品で見る

The Finn platform

関連用語

音声認識（音声のテキスト化）話し言葉の音声をリアルタイムでテキストに書き起こす技術。STTは、音声エージェントが発信者の発言を理解する仕組みです。ボイスクローン短いサンプルから特定の人物の声を模倣する合成TTS音声を作成すること。エージェントに一貫したブランドの声を与えるために使われます。音声レイテンシ発信者が話し終えてからエージェントが応答するまでの遅延。低いレイテンシ（1秒未満）が、AI音声会話を自然に感じさせます。音声AI話し言葉に応用された人工知能。音声を認識し、意図を理解し、合成音声でリアルタイムに応答します。

音声合成（テキスト読み上げ）を実際の通話で見る。

30分のデモを予約して、Finnがインバウンドとアウトバウンドの通話を最初から最後まで処理する様子をご覧ください——組み立てるべきスタックは不要です。

デモを予約 プラットフォームを見る