Pictoria は、社内の複数ベンダー音声スタックである Picto VOICE に Fish Audio を統合し、日本語 AI キャラクター制作にキャラクター級の表現力を提供しています。
数時間にわたる長尺キャラクターコンテンツで、日本の AI キャラクター IP の没入感を保つために必要なゼロドリフトの音声信頼性です。
Hayato Akedo
Pictoria CEO
"Fish Audio は、日本市場が求める高品質な音声生成の最前線を常に押し広げています。このレベルの感情のニュアンスとキャラクター表現を備えた声は、キャラクター主体のコンテンツを心から愛するチームだからこそ作れるものだと考えています。これほど優れた TTS 技術を作ってくださり、ありがとうございます。"
Fish Audio チーフサイエンティスト
Shijia Liao
"日本の AI キャラクターは、音声モデルに最も多くを求めるユースケースです。発音の正確さだけでは足りません。声はキャラクターを運ばなければなりません。具体的な感情のトーン、間の瞬間、人が単に人のように聞こえるのではなく、そこにいる人のように感じられる温かさです。Pictoria は、私たちが協業するほぼどのチームよりも高い基準を設定しており、Picto VOICE に関わることは、リリースのたびに私たちのモデルをさらに前進させています。"
Pictoria は、声優を起用した AI キャラクタープロジェクトと、自社開発のオリジナル AI キャラクター IP の両方を手がける日本の AI キャラクター企業です。Pictoria のあらゆる制作の中心には Picto VOICE があります。これは複数の日本語 TTS 技術を組み合わせ、キャラクターごとに最適なものを選ぶ社内音声システムです。
声は AI キャラクター体験の一機能ではありません。Pictoria にとって、声こそが AI キャラクター体験です。
日本語AIキャラクターボイスには、多くのTTSモデルが越えられない基準があります。自然さと発音精度は前提にすぎません。決め手になるのは、一つの発話内での感情表現、日本語の自然な韻律とピッチアクセント、そして長尺のキャラクターコンテンツでの声の一貫性です。
汎用TTSの読み上げはベンチマークを通過しても、AIキャラクター体験に必要な没入感を壊してしまいます。Pictoriaにとって、既存の日本語AIキャラクター向けTTSに残っていた継続的な課題はキャラクター単位での感情表現力と自然な日本語韻律であり、どちらも同社が拡大するオリジナルAIキャラクターIPに不可欠でした。
Pictoriaはキャラクターボイス全体を単一プロバイダーに任せるのではなく、複数の日本語音声AI技術を統合する社内オーケストレーション層としてPicto VOICEを構築しました。各キャラクターとユースケースに応じて、スタック内の最適な音声生成コンポーネントを選択します。
この構成により、Pictoriaはベンダーロックインを避けつつ、新しい日本語音声AIモデルを継続的に評価できます。そして、そのキャラクター、そのシーン、その感情表現に最適な技術を常に本番環境で使えるようにしています。Fish Audioは、同社が統合する他の音声技術と並んでPicto VOICEに採用されました。
PictoriaはPicto VOICEの候補となる複数の音声生成技術の一つとしてFish Audioを評価しました。チームが惹かれたのは次の3点です。
キャラクターらしい声の表現レンジ。特に、一つの発話の中で感情のニュアンスを保てること。これがキャラクターボイスをナレーターの声から分ける要素です。
表現力のある日本語TTS品質。音素の正確さだけでなく、韻律とイントネーションのレベルで品質が出ていること。
キャラクターボイス設計の柔軟性。固定ライブラリから選ぶのではなく、特定のキャラクターブリーフに合う声を設計できること。
モデル自体に加えて印象的だったのは、日本語AIキャラクターボイスのニーズに対するFish Audioチームの応答性でした。ベンダー関係を、モデルの研究チームとの実務的な協業へ変えるようなパートナーシップです。
Picto VOICEの中で、Fish Audioは特にキャラクター単位の強い表現力が決め手となるAIキャラクター用途で使われています。代表的な導入例は、Pictoriaが自社で開発し自社の配信チャネルで運用するオリジナルAIキャラクターIP向けの音声制作パイプラインです。
Fish AudioをPicto VOICEに統合したことで、これらのAIキャラクタープロジェクトでは大きな効果と前向きな反応が得られました。
Picto VOICEで制作された日本語AIキャラクターボイスへのユーザー反応は、3つの一貫したテーマで好意的でした。
使用製品：Fish Audio S2 Pro · テキスト読み上げ
Picto VOICE内で日本語の応答速度と感情表現力に意味のある改善。
PictoriaのオリジナルAIキャラクターIP全体で強い好反応。
日本語キャラクターボイスの最前線で継続的に協業。定量指標はIP契約により非公開。
日本語キャラクターTTSを一般的な日本語TTSと分ける要素は3つあります。1つの発話の中での感情表現力、音素の正確さだけではない日本語の自然な韻律とピッチアクセント、そして長尺のキャラクターコンテンツにおける声の一貫性です。PictoriaのPicto VOICEは、各キャラクターごとにこれらの基準で音声技術を選定しており、Fish Audioはキャラクター単位の表現力によって採用されています。
キャラクターボイス、プロソディ制御、Picto VOICEのようなマルチベンダースタックへの統合についてご相談ください。準備してお話しします。
