最新アバターアップデート: 4K対応と感情制御機能

2025年9月9日 16:40

アバター接客がいよいよ、現実的に違和感なくなってくるかも
縦にも横にもいけてモバイルでもつかるのはよき！

📺 4K対応: 高解像度で広がる可能性

従来の標準アバターは1080Pで提供され、Webやモバイルアプリケーションで効果的に動作していました。
しかし、大型ディスプレイで利用する高解像度アバターを求めるお客様のために、新たに カスタムアバターの4Kオプション を導入しました。

カスタムアバターの概要

カスタムアバターは、独自のアセットと設定を用いてパーソナライズされたデジタルペルソナを作成できる仕組みです。外見や動作を完全にコントロールでき、セルフサービス型のワークフローを通じて簡単に生成・展開できます。
詳細手順は過去のブログ [「セルフサービスでカスタムTTSアバターを作成する」](Create a Custom Text-to-Speech Avatar Through Self-Service) をご覧ください。

4Kアバターの特長

4Kアバターは、4K解像度の動画トレーニングデータを使用して作成され、1080pよりも精細なディテールが得られます。

サンプル比較:

4K動画の拡大表示サンプル
1080p動画の拡大表示サンプル

また、W2MやServiceNowといった企業が、大型スクリーンで4Kカスタムアバターソリューションを活用している事例も紹介されています。

4Kアバターは横向き（ランドスケープ）と縦向き（ポートレート）の両方に対応。

ランドスケープ4K → 大画面やプレゼンテーションに最適
ポートレート4K → モバイル、縦型サイネージ、SNSに最適

4Kカスタムアバターのトレーニング方法

Azure AI Foundry のセルフサービストレーニングツールを使用します。

Azureアカウントで Azure AI Foundry にログイン。
Fine-tuning → AI Service fine-tuning タブで、
「Fine-tune」ボタン → 「Custom Avatar」を選択。
新しいアバタータスクを作成 → タレント設定。
データアップロード時に 2160p以上の動画 を使用することで4Kアバターをトレーニング可能。
モデルトレーニング時に ランドスケープ/ポートレート の向きと 1080p/4K解像度 を選択可能。

トレーニングのヒント

4Kモデルには4K映像が必須。
ポートレートモデルには縦向き映像が必須。
撮影時は、体の動きが常にフレーム中央に収まるよう注意。

4Kビデオの合成方法

デフォルト: 3840x2160 で出力。
必要に応じてアスペクト比を維持したまま解像度を調整可能。
例: 出力を 1920x1080 に下げることでネットワーク帯域を削減可能。

コード例:

const videoFormat = new SpeechSDK.AvatarVideoFormat();
videoFormat.width = 1920;
videoFormat.height = 1080;

詳細は以下をご参照ください:
GitHub サンプルコード

料金

詳細は以下をご覧ください:
Azure AI Speech Pricing | Microsoft Azure

🎭 アバター感情制御: 声と表情の同期

新機能として アバターの感情制御 が追加されました。
ユーザーがアバターの感情を設定すると、音声と表情の両方 に反映されます。

この機能は lisa-casual-standing アバターでバッチモードにて利用可能です。

利用方法

AI Foundry ポータル経由
- Text to Speech avatar ツール → Lisa-casual-standing アバターを選択。
- このアバターは感情制御に対応しており、テキストボックス上部に「Emotion」ドロップダウンが表示。
- 声を切り替えると、対応する感情オプションが自動的に更新されます。
SSML経由
感情指定の例:

<speak xmlns=\"http://www.w3.org/2001/10/synthesis\" xmlns:mstts=\"http://www.w3.org/2001/mstts\" xmlns:emo=\"http://www.w3.org/2009/10/emotionml\" version=\"1.0\" xml:lang=\"en-US\">
   <voice name=\"en-US-SaraNeural\">
       <mstts:express-as style=\"angry\">I'm angry because I care, and it hurts to see things fall apart like this.</mstts:express-as>
   </voice>
</speak>

サポートされる感情

Cheerful（陽気）
Shouting（叫ぶ）
Friendly（友好的）
Unfriendly（非友好的）
Hopeful（希望的）
Disgruntled（不満げ）
Funny（おどけた）
Surprised（驚いた）
Angry（怒り）
Excited（興奮）

デモ・サンプル

Lisa Casual Standing アバターの感情制御デモ動画では、音声トーンと表情の変化による外見の違いを確認できます。

カスタムアバターの感情制御サポート

今後、カスタムアバターへの感情制御対応 を段階的に提供予定です。
ご興味がある場合はMicrosoft 担当者まで。