SoundStorm

SoundStormは、Google Researchが開発した生成AIモデルで、効率的な非自己回帰オーディオ生成を実現します。オーディオトークンを並列デコードすることで、高品質で自然な音声と音楽を生成し、自己回帰方式よりも大幅に高速です。主なユーザーは、音声アシスタント、コンテンツ作成、アクセシビリティツールなど、高速なオーディオ合成を必要とする研究者や開発者です。双方向注意メカニズムと新しいトレーニングアプローチを活用し、レイテンシを最小限に抑えながら高忠実度を維持し、リアルタイムでオーディオを生成できる点が独自性です。