マルチモーダル・サービス
音声生成AIとは？
読み: おんせいせいせいえーあい英語: Audio Generation AI更新日: 2026-09-11
音声生成AIとは、音声合成、声の変換、ナレーション生成などを行うAIです。
生成AIパスポートG検定
別名・表記: 音声生成AI / 音声生成
試験で問われるポイント
- TTS（Text-to-Speech）は文章から音声を作り、ボイスクローンは特定の話者の声の特徴を再現します。
- 音声認識は音声を文字等へ変換する技術で、音声を作る処理とは区別します。
- 声の再現では本人同意や、なりすまし・詐欺のリスクに注意します。
具体例
研修動画のナレーション案を作る一方、なりすまし詐欺への対策も必要です。
混同しやすい点
- 本人の声を無断で再現しても問題ないと考える。
- TTS、ボイスクローン、音声認識を同じ処理だと考える。
関連問題で復習
G検定ディープラーニングの応用例
データ生成タスクの種類として、最も適切な組合せはどれか。
G検定AI倫理・AIガバナンス
CEOの声を合成した緊急送金の電話を受けた。最も適切な対応はどれか。
生成AIパスポート現在の生成AIの動向
Speech-to-Text（STT）とText-to-Speech（TTS）の組み合わせとして正しいものはどれか。
生成AIパスポート現在の生成AIの動向
既に用意した一枚の商品画像を参照し、商品の外観を引き継いだ短い動画を生成したい。最も目的に合う方式はどれか。
生成AIパスポート現在の生成AIの動向
2026年版シラバスで扱われるGoogleの動画生成AI「Veo 3」の特徴として、最も適切なものはどれか。