音声AI企業のElevenLabsは、日本語の音声モデルを開発するKotobaを買収すると発表した。完了は第4四半期中の見込みで、規制当局の承認が条件となる。日本での営業体制の拡充とインフラ投資も進める計画で、AIエージェントや音声インターフェースの日本での普及を後押しする狙いだ。
Kotobaは2023年に創業された日本の音声AI研究企業。主力の音声モデル「Koto」は、日本語の音声合成、音声認識、同時通訳に対応する。ElevenLabsの発表によると、Kotoは大企業にも採用されており、セールスフォースのAIエージェント基盤「Agentforce Voice」でも使われている。
日本語の会話では主語や目的語を省くことが珍しくなく、相手や場面に応じて言葉遣いを使い分け、婉曲な言い回しも多用される。汎用の音声AIが苦手としやすいこうした点に、Kotobaは創業時から焦点を当ててきた。
Kotobaの共同創業者でCEOのノリユキ・コジマ(Noriyuki Kojima)氏は、ハギングフェイス(Hugging Face)で研究科学者を務めた経歴を持つ。理化学研究所のスーパーコンピュータ「富岳」を使った大規模言語モデル「Fugaku-LLM」の共同開発にも関わった。CTOのジュンゴ・カサイ(Jungo Kasai)氏は、ElevenLabsの発表では日本で最も引用数の多いAI研究者の一人とされ、東アジア言語の研究経験も豊富だという。





