Clevr Labs

概要

Banter 1はClevr Labsの初の音声モデル。リアルタイムで会話用途に最適化された人間らしい音声合成を提供します。言い淀み・相づち・声の変化といった人間らしさを再現し、待機レイテンシは200ms未満です。英語とアラビア語をサポート。音声エージェントや対話型AIなどの用途を想定して設計されています。

主な特徴

• 会話向けのリアルタイムTTS
• 最初の音声まで約136ms、負荷時も200ms未満
• 料金は生成音声1時間あたり$2.40
• シンプルなTTS APIで組み込みが容易

背景

創業者はドバイ在住の22歳二人組で、エンドツーエンドで訓練した初のモデルです。デモはサインアップ不要で、音声エージェントに組み込まれて体験可能