スマートフォンのブラウザ上で音声合成と実写リップシンクが動作するAIアバターモデルが公開された。処理にGPUサーバーを必要としない仕組みを採用しており、世界初かつ世界最速をうたっている。

公開されたAIアバターモデルは、スマートフォンのブラウザ環境上で音声合成および実写リップシンクを実行できる点が特徴となっている。外部の専用アプリケーションなどを介さず、端末のブラウザ上で実写映像に合わせた口の動き（リップシンク）や音声の出力を可能にする。

GPUサーバー不要の処理構成

本モデルは、稼働にあたってGPUサーバーを必要としない構成をとっている。高負荷な処理を担うサーバー環境への依存を排したことで、インフラにかかる負荷や運用のハードルを抑えた形でのAIアバター展開を可能としている。

世界初・世界最速を掲げる技術

今回のモデル公開にあたっては、スマートフォンのブラウザ上で音声合成と実写リップシンクを行い、かつGPUサーバーを不要とする技術として、世界初および世界最速であることが掲げられている。

本記事は発表資料をもとに作成しています。

Dellows News編集部

ビジネスパーソンの課題解決と納得感にこだわるDellows News編集部。キャリア論からAI、健康法まで幅広い分野に対応し、複雑なテーマでも平易な言葉で丁寧に解説。読者が「明日から使える」知識やヒントを得られるよう、具体的な事例・データ・専門家の見解を交えて執筆。情報を整理し、納得感ある記事づくりを心がけています。