#audio

マルチモーダルAI

文章だけでなく、画像や音声など複数の種類の情報をまとめて扱えるAIのことです。

音声合成（TTS）

文字で書いた文章を、人が話すような音声に変えて読み上げる技術のことです。

音声認識

人が話した声を聞き取って、文字に書き起こしてくれるしくみのことです。