1: 名無しさん＠おーぷん 2025-05-18(日) 10:00:00.00 ID:TechNewsSoku おいお前ら、またとんでもない技術が出てきたぞwww ヘッドホンで複数人の会話をリアルタイム翻訳、しかも声までクローンするらしい！ SF映画かよwww ソース：A new AI translation system for headphones clones multiple voices simultaneously

2: 名無しさん＠おーぷん 2025-05-18(日) 10:01:30.50 ID:SugoiJanKa ファッ！？マジかよヤベェなそれwww これでパーティーとかでも誰が何言ってるかわかるんか？神じゃん！

3: やる夫 ◆YaruoPass 2025-05-18(日) 10:02:15.22 ID:YaruoYaruO 　　　　　　　 ／￣￣＼ 　　　　　　／　　　　 ＼ 　　　　　 （　　　　　　） 　　　　　　＼　　　　／ 　　　　　　　 ＼　／ 　　　　　　　　　ヽ 　　　　　　　　　 | 　　　 　　　／￣￣￣＼ 　　　　　／　　　　　　＼ 　　　 ／　　　　　　　　　＼ 　　　（　　　　　　　　　　　） 　　　 ＼　　●　　　●　　／ 　　　　　＼　　　▲　　／ 　　　　　　（（（（（（　ヽ 　　　　　　　ヽ　）　）　） 　　　　　　　　￣￣￣ これマジですごいお！やる夫もこれ使って世界中のカワイイ女の子と話しまくりたいお！(ﾟ∀ﾟ) 国際交流が捗るお！

4: やらない夫 ◆YaranaiPass 2025-05-18(日) 10:03:00.75 ID:YaranaiYo ／￣￣￣￣＼ /　　　　●　　＼ ｜　　　　（＿人＿）｜ ｜　　　　　 ＼／　｜ ＼＿　　　　＿ イ 　 ／　　　　　　＼ 　/ /＼　　　／ )　 ) 　し' 　＼　　 ／　／ 　　　　　＼／ ／ >>3 どうせお高いんだろうし、翻訳精度も微妙だろ。 声クローンとか言っても、どうせ不気味の谷まっしぐらの変な声になるのがオチだ。期待しない方がいい。

5: できる夫 ◆DekiruPass 2025-05-18(日) 10:05:45.10 ID:DekiruMan 　　　　 ＿＿＿_ 　　　／　　　　 ＼ 　 ／　⌒　　⌒　 .＼ ／　　（●）　（●）　..＼ |　　　 '''　　'''　　　.....| ＼　　　 ｀▽´　　　 ／ ／　　　　　　　　　 ＼ ふむ、これは興味深い技術ですね。説明しよう！ この「Spatial Speech Translation」システムは、まずAIモデルが周囲の話し手を検出し、方向を特定します。 次に別のAIモデルがフランス語、ドイツ語、スペイン語から英語へ翻訳し、同時に話し手の声質（ピッチや振幅など）を抽出。 それを翻訳音声に適用することで、数秒遅れでヘッドホンに「本人の声のような」翻訳が届く仕組みのようです。 既存のノイズキャンセリングヘッドホンと、AppleのM2チップ搭載のラップトップで動作するとのこと。 レイテンシ（遅延）の短縮が今後の課題のようですね。

6: ひろゆき＠考える人 ◆HiroyukiXyz 2025-05-18(日) 10:08:20.99 ID:HiroyukiDesu ／￣￣＼ ／　　 _ノ　ヽ |　　 （ ●）（●） . |　　　 （人）　　　 |　　　　　｀⌒´ﾉ |　　　　　　 　 } ヽ　　　　　 　 } ヽ　　　　　ノ /　　　 く |　　　　 ＼ |　　　　|ヽ、二⌒) >>5 それって、現時点ではフランス語、ドイツ語、スペイン語から英語だけなんですよね？ 日本語とかアジア系の言語はいつ対応するんですか？ あと、学習データに偏りがあったら、結局白人男性の声ばっかり綺麗に再現されて、他の人種や女性の声は残念な感じになったりしません？ ソースは？（まだ研究段階だけど）

7: 名無しさん＠おーぷん 2025-05-18(日) 10:10:10.10 ID:MajiKaYoNe >>1 これ実用化されたら通訳さん失業待ったなしじゃん…(´・ω・｀) でも、騒がしい居酒屋とかで友達の声だけクリアに聞こえるのは助かるかも。

8: クマー ◆KumaaaBear 2025-05-18(日) 10:12:05.55 ID:KumaKumaAa 　　　　 ∧＿∧　　／￣￣￣￣￣￣￣￣￣￣￣ 　　　　（　´(ｪ)｀）＜　翻訳データが足りないと精度ガタ落ちだクマー！ 　　　 （　　　　） 　＼＿＿＿＿＿＿＿＿＿＿＿　マイナー言語は厳しいクマ… 　　　　｜ ｜　| 　　　　（_＿）＿）

9: 名無しさん＠おーぷん 2025-05-18(日) 10:15:33.33 ID:GijutsuNoHito >>5 M2チップで動くのはすごいな。Apple Vision Proにも同じチップ載ってるのか。 でもレイテンシ数秒はまだキツいな。会話のテンポ悪くなりそう。 ドイツ語みたいに文末に動詞が来る言語は特に遅延デカそうだし、精度とのトレードオフが難しいって記事にも書いてるな。

10: 永遠の初心者さん ◆Shoshinsha00 2025-05-18(日) 10:18:40.40 ID:WakaraNaiYo あの…すみません…(´・ω・｀) M2チップってなんですか…？ 新しいポテチの味ですか…？ ヘッドホンに繋ぐラップトップって、そんなに高性能じゃないとダメなんですか？

11: できる夫 ◆DekiruPass 2025-05-18(日) 10:20:01.01 ID:DekiruMan >>10 M2チップはApple社が開発した高性能な半導体（プロセッサ）ですね。 スマートフォンやPCの頭脳にあたる部品で、特にAI処理が得意なんです。 このシステムは複雑なAIモデルをリアルタイムで動かすので、ある程度の処理能力が必要になるというわけです。

12: 名無しさん＠おーぷん 2025-05-18(日) 10:22:22.22 ID:WaruiKotoShiyo これ、声クローンってことは…好きなアニメキャラの声で外国語喋らせたりできるんじゃね？(^q^) いや、倫理的にアレか…でも夢が広がるな！

13: 名無しさん＠おーぷん 2025-05-18(日) 10:25:50.80 ID:PrivacyDaijoubu 声クローンって悪用されたら怖くね？ オレオレ詐欺とかディープフェイクとか、新しい犯罪生まれそうなんだが。 プライバシー保護はどうなってんだろ。

14: 名無しさん＠おーぷん 2025-05-18(日) 10:28:13.45 ID:MouEigoIranai Google翻訳とかDeepLとかでもう十分すごいけど、これはさらに上を行く感じか。 リアルタイムで複数人は革命的だわ。 もう英語の勉強しなくていいってコト！？(≧▽≦) やったぜ。

15: 名無しさん＠おーぷん 2025-05-18(日) 10:30:00.00 ID:JukenSeiNaki >>14 TOEICのために必死こいて勉強してるワイ、涙目 (´；ω；｀) でも会議とかで外国人が何言ってるか分からなくて置いてけぼりになるのは減りそう。 はよ日本語対応してくれ～。

16: ギコ猫 2025-05-18(日) 10:32:10.05 ID:GikoGikoNeko ∧∧ （　‥) ∫ リアルタイム翻訳か…胸熱だな。 （○○) ∫ でも誤訳で国際問題とか起きないか心配だぜ。 し∨

17: 名無しさん＠おーぷん 2025-05-18(日) 10:35:40.11 ID:LatencyMondai >>9

ドイツ語みたいに文末に動詞が来る言語は特に遅延デカそう これな。日本語も構造的に最後まで聞かないと意味変わることあるし、その辺の処理どうするんやろ。 「待ち時間が長いほど翻訳精度は上がるが、会話は不自然になる」ってジレンマよな。 1秒以下を目指してるらしいけど、道のりは長そうやで。

18: 名無しさん＠おーぷん 2025-05-18(日) 10:38:02.30 ID:KakakuIkura で、おいくら万円するんですかね？(´・ω・｀) 庶民でも買える値段でお願いします神様仏様ワシントン大学様。

---

まとめ

というわけで、ワシントン大学が開発中の「Spatial Speech Translation」システムについてのスレでした！ 現状分かっているポイントをまとめると…

• 複数人の同時翻訳＆声クローン: 騒がしい場所でも、複数の人が異なる言語で話していても、リアルタイムで翻訳し、それぞれの声質を再現してヘッドホンに届けてくれる！
• 話者の方向も特定: 誰が話しているか、方向で識別可能。これにより、より自然な会話理解をサポート。
• 既存デバイスで動作: 市販のノイズキャンセリングヘッドホンとAppleのM2チップ搭載ラップトップで動作する（将来的にはより小型デバイスも？）。
• 今後の課題:
  • レイテンシ: 現在数秒の遅延を1秒未満に短縮し、より自然な会話を目指す。
  • 対応言語: 現在は欧州の数言語から英語への翻訳が中心。多言語対応が待たれる。
  • 精度と自然さ: 特に言語構造が大きく異なる言語間の翻訳精度と、声クローンの自然さの向上が鍵。
• 期待と懸念: 国際交流の促進など大きな期待がある一方、プライバシーや悪用のリスクも指摘されている。

SFの世界がまた一歩近づいた感じやな！今後の進化に期待やで！ みんなはどう思う？