HeyGenがVoice STSを紹介、録音の言葉とタイミングを保ちながら声を変換

何について

HeyGenが、録音した話し方をアバターへ引き継ぐ「HeyGen Voice STS」を紹介した。同社は、間の取り方や強調、ささやきまで表現を反映すると説明している。文字から声を作るだけでなく、先に自分で話して演技を伝える使い方だ。 公式API資料によると、元録音の言葉とタイミングを保ち、ワークスペース内の有効なインスタント音声へ変換してWAVで返す。録音は最大300秒で、現時点ではプロ向けの音声クローンには対応していない。確認時の公式画面では、出力音声1分当たり0.12ドル、秒単位の課金と表示されていた。 投稿の映像と公式仕様を確認したもので、AINNが録音をアップロードして変換品質を再現したわけではない。すべての話し方が完全に一致する保証や、無料で使える機能としては扱わない。 仕様：https://developers.heygen.com/docs/voices/speech-to-speech

なぜ注目

読み上げの指示だけでは伝えにくい間や強調を、元の録音で指定できる制作手段として注目されます。