AI音声がビジネスの"声"になる時代——音声業界はいま、何が変わっているのか？

ElevenLabsとIBMが戦略提携し1万種超の音声AIを企業向けに開放。OVER THE
SUNが有料会員サービス「互助」を開始。Patreonのポッドキャスト収益が急成長。音声ビジネスの地図が今週も大きく塗り替わった。

今週のAudiostart Newsを振り返ると、「音声×AI×マネタイズ」という3つのテーマが重なるように動いた1週間でした。
まず最も大きなニュースは、ElevenLabsとIBMの戦略的パートナーシップです。音声AIのグローバルリーダーであるElevenLabsが、IBMのAIオーケストレーションプラットフォーム「watsonx
Orchestrate」と連携。70以上の言語に対応した1万種類超のプレミアム音声ライブラリが、企業向けに一気に解放されることになります。「単なる音声応答ボット」ではなく、ブランドを体現し感情豊かに顧客対応できる「次世代のデジタル従業員」の実現を目指すというのが両社のビジョン。フォーチュン500企業の75%以上がすでにElevenLabsを採用しているという事実を踏まえると、この提携はAIエージェント市場に相当なインパクトを与える可能性があります。「声の品質」が企業競争力を左右する時代が、いよいよ本格的に始まろうとしています。
国内では、TBS Podcastの人気番組『OVER THE
SUN』が初の有料会員サービス「互助」を4月3日にスタートしました。会報誌の発行（年2回）、出演者によるコラム連載、チケット先行抽選などを含む「アナログ会員」と「デジタル会員」の2プランを用意。ポッドキャスト番組がリスナーとのコミュニティをマネタイズしようとするこの動きは、日本の音声コンテンツ業界における「ファンコミュニティの新しいかたち」として注目に値します。
マネタイズといえば、Patreonがポッドキャスト収益の急成長を発表しました。クリエイター支援プラットフォームのPatreonにおいて、ポッドキャスターは現在2番目に大きなクリエイターグループになっており、広告以外の収益源としての存在感を高めています。日本でもOVER
THE SUNがこの流れを体現しようとしており、広告・サブスク・ファンサポートという多層的なマネタイズが音声業界の標準になりつつあります。
番組の多様化という意味では、TikTokとTBSラジオが共同制

サマリー

音声メディアの利用者が増加し、特に若年層では動画を「耳だけ」で視聴する傾向が顕著です。脳の仕組みを利用したリスナーとの強い結びつきが、音声コンテンツの多様化と新たなビジネスモデルを生み出しています。一方で、AI音声技術の進化は目覚ましく、人間とAIの声を区別することが困難になる未来が示唆されています。

音声メディア利用者の増加と若年層の視聴行動

Audiostart Newsへようこそ。この番組は、ロボットスタートによる音声広告やポッドキャストなど、音声業界の最新情報をお伝えする番組です。

今日も音声業界について学んでいきましょう。

あのー、いまあなたが聞いているこの私の声、もしこれが、完璧に計算された親しい友人のフリをした人工知能の声だったとしたら、あなたは気づくことができるでしょうか?

いやー、いきなりドキッとする問いかけですね。でも、これはあながち遠い未来の話ではないんですよ。

そうなんですよね。実は、いま私たちの耳を取り巻く環境って激変しているんです。

ええ、本当にそうですね。

メディア環境研究所の調査によりますと、月に1回以上音声メディアを利用する人が、ついに47.8%に達したそうです。

まあ、ほぼ半数ですね。

はい。特に驚くのが10代でして、なんと約7割が動画を耳だけで視聴しているという事実があるんです。

あのー、映像がある動画を耳だけでということですね。

そうなんです。そこで今日のこの深掘りでは、膨大な音声業界の最新ニュースを整理して、あなたの耳時間が現在どう変化していて、今後どうなるのかを解明していきます。

音声コンテンツがリスナーを引きつける理由

まず大きな疑問として、これだけ鮮やかな動画があふれている現代で、なぜ人々はわざわざ音声を求めるのか?

ええ、10は脳の仕組みにあるんですよ。

あのー、脳の仕組みですか?

はい。

大きく分けて2つあります。1つ目は、番組の冒頭で未解決の問いを提示されると、関心を惹かれるという仕組みです。

なるほど。

人間の脳は、問いかけられると答えを知りたがります。そして音声を聞き進めて答えがわかると、脳が純粋に喜ぶわけです。

あー、先が気になってつい聞き続けてしまうのは、脳の報酬の仕組みが働いているからなんですね。

その通りです。そして2つ目が、相手を親しい友人と認識する心理的な働きです。

えっと、それはどういうことでしょうか。

話し手が自分の失敗などの弱さを開示すると、視覚情報がない分、脳が相手を親しい友人だと錯覚してしまうんですよ。

映像がない方が逆に親密に感じてしまうんですね。

ええ、この深い関係性を活用して、今は多様な番組が生まれています。

例えば、どんなものがあるんでしょうか。

テレビ局の報道局員が裏側を語る番組ですとか、短い動画アプリと連携したサッカー番組などがありますね。

なるほど。

あとは、幼児向けの音声が出る縦読み絵本や、テレビの大画面で視聴する音声番組なども出てきています。

情報伝達の形が確実に拡大しているという事実ですね。

ええ、情報伝達の形が本当に広がっているんですね。

音声業界における新たなビジネスモデルと技術進化

はい。こうしたリスナーとの強い結びつきは、新しいビジネスや技術の進化も後押ししているんです。

ビジネスモデルも変わってきているという事ですか。

そうなんですよ。例えばTBSの番組では、無料配信を維持しつつ、年学生の会員サービスを開始しました。

はい。

東京FMも、低学生サービス用の公式アプリを配信していますね。

リスナーが熱心なファンになっているからこそ成立するわけですね。

ええ。音声配信サービスのボイシーでも、ただ広告を流して終わるのではなく、一つの作品として蓄積していく形の音声広告を導入しています。

なるほど。ただ、ビジネスがそこまで拡大しているとなると、最新の人工知能の動きも気になります。

企業向けの技術はかなり進んでいますよ。

イレブンラボという企業では、大手テクノロジー企業やコンサルティング会社と提携して、多言語に対応する自ら考える音声人工知能を展開しています。

自ら考えるんですか?

ええ。すでにコールセンターや機密業務などをこなす人工知能として活躍しています。

ちょっと待ってください。それほど人工知能が賢くなると、いよいよ人間の声と区別がつかなくなりませんか?

まさにそこが課題です。だからこそ、人工知能による合成音声を見抜く技術の開発も同時に進んでいるんです。

あの、どうやって見抜くんでしょうか?

音を時間や周波数、音の強さという3つの次元で視覚化する技術を使います。

音を視覚化するんですね?

はい。そして大量のデータから真相学習を用いて、人工知能が作った不自然な音声を自動的に判定する技術です。

AI音声と人間の声の区別、そして未来への問いかけ

あなたの耳に届く音声の世界の裏側では、心理学に基づいた番組から高度なセキュリティを持つ人工知能まで、劇的に進化していることがよくわかりました。

ええ。そこで最後に1つ考えてみてほしいんです。

はい。

今後、人工知能が人間の弱さやためらいを意図的に学習したとしたらどうなるでしょうか?

うわ、それは…

もし、人工知能があなたに親しい友人として語りかけてきたとき、私たちは本当に人間と人工知能の声を区別できるのでしょうか?

家事や通勤中、あなたの耳元で語りかけているこの声、これが本当に人間のものかどうか、あなた自身に問いかけてみてください。

今回のこの深掘りはこれで終わります。

今回のニュースは以上です。もっと詳しい情報を知りたい方は、オーディオスタートニュースで検索してください。ではまた次回お会いしましょう。