更新日時：米国東部標準時 09:00 / 2026年10月27日
Edge Soundは、物理的なAIが音声を理解できるよう支援するために200万ドルを調達しました
キット・ドットソン著
エッジ・サウンド・リサーチ社は本日、有用な音を分離し、他のセンサーデータと組み合わせて物理AIシステムがリアルタイムで状況を理解できるよう支援する音声インフラの構築に向け、新たに200万ドルの資金調達を行ったことを発表しました。
Stormbreaker Venturesがラウンドを主導し、同社の総資金調達額は900万ドルに達しました。
同社がこの課題に最初に取り組んだ際、まずスポーツに着目しました。バスケットボールがコートに当たるとき、観客はスタンドで足を踏み鳴らし、低音がアリーナのスピーカーから響き渡ります。これらの音はすべて同時にマイクによって収音されます。ドリブルの音だけを抽出しようとする人工知能システムにとって、こうした重なり合う音は非常に困難な状況となります。
この課題は、Edge Sound Researchの機械知覚に対するアプローチの核心に位置しています。すなわち、音声データをトラッキングおよび視覚データと連携させ、どの音がどの物体に属するかを特定することです。
「オーディオにおける問題は、オブジェクト指向ではなく、チャンネル指向であることです」と、共同創業者兼最高経営責任者であるヴァルテリ・サロマキ氏は、インタビューでSiliconANGLEに語りました。
放送局にとって、そのつながりを実現するとは、混雑した競技場内を動き回る選手の音を追跡することを意味します。Edge社は、同様のアプローチがロボットやその他の物理的なAIシステムが周囲の世界を理解するうえで役立つと見込んでいます——たとえば、カメラではまだ捉えられない行動まで含めて。
人間は、視覚・聴覚・身体感覚が同時に働きかけるマルチモーダルな世界に生きているため、これを自動的に行っています。一方、実世界のAIにおいては、カメラが日常生活の至る所に普及し、あらゆる用途で利用されていることから、音声は視覚に比べて常に二流の扱いを受けてきました。しかし、人間にとって音声は、あらゆる場所を移動し、周囲を把握するうえで不可欠な要素です。
オーディオはチャンネル単位で入力されると、サロマキ氏は説明した。それはマイクに接続されており、マイクは空間の周囲や物体の上に配置され、特定の場所で音を収集する。これらのマイクは音を識別する信号を生成するが、何か別の処理によってそれが容易に識別可能な情報へと変換されるまで、直接的には何らかの対象と結び付けられない。
「それは二層構造になっています」とサロマキ氏は述べました。「一つは、すべてのセンサーのデジタルツインをどのように作るかという課題です。もう一つは、個々の音の要素を抽出するためのAI機械学習モデルをどのように構築するかという課題です。」
スポーツ競技場でのデモでは、システムはマイクの配置位置、収音パターン、および選手追跡を用いて有用な音声を選択します。その後、位置情報を関連付け、視覚情報と音声を対応付けて、選手やボール、さらには笛を持つコーチや審判といった対象物を特定します。
同社は、ユーザーが3D空間や座標付きの2Dレイアウトをインポートし、その表現内にセンサーを配置できると述べています。これにより、環境とそのセンサーの空間マップが作成され、まさにサロマキ氏が指す「デジタルツイン」が実現します。
他のユースケースとしては、自動運転車が挙げられます。こうした車両にデジタル耳を搭載することで、サイレンが近づいてくるかどうかを感知できるようになります。人間は、耳が頭の両側に位置しているため、音とその方向を識別できます。たとえば、左側から音が聞こえれば、たとえその方向に物体が見えなくても、左側のほうが音が大きく感じられます。
サイレンが近づいてくるか遠ざかっていくのを聞いたことがある人は、その音の高さが、接近または離れる速度に応じて変化するドップラー効果も体験したことがあるはずです。高い音は、たとえカメラでライトが映らなくても、死角のある交差点から緊急車両が接近していることや、その進行方向を自動運転車に即座に警告することができます。
音声知覚のためのモデル構築
Edge は、顧客のニーズに合わせて開発・微調整を行う汎用モデルを備えています。これらのモデルは、リアルタイム処理においてそれぞれ異なる遅延目標要件に対応します。Salomaki 氏は、スポーツ中継では 33 ミリ秒未満の遅延許容範囲が求められると述べ、他の環境では 100 ミリ秒または 200 ミリ秒程度の遅延でも許容される場合があると説明しました。
多くのアプリケーションにおいて、聴覚で得られる情報と視覚情報の連携が不可欠であるため、有用な知覚は適時に届く必要があります。
同社は、デジタルツインソフトウェアとAIモデルによりハードウェア非依存化を推進しており、Edgeがコア技術を軸に新たなアプリケーションを組み立てられるようにしています。これにより、既存のマイクやカメラ、そして顧客が既に導入している物理的なAIロボットやメディアシステムなどと連携して機能するオーディオインフラへと進化します。
資金調達により、サロマキ氏は、エッジが既存の企業顧客との統合を完了し、シリーズAラウンドに先立ち、プラットフォームの各コンポーネントを業界横断的に移行可能なものにすると述べた。
ライブスポーツ分野では、エッジが自社の認識技術を開発・検証する過程で、その技術を活用してモデルのトレーニングと構築を支援してきたことから、すでに商業市場を獲得しています。同社のバーチャルサウンドエンジンは、複雑な環境から音を自動的に捕捉・分離する機能を備えており、業界全体で既に商用展開されています。顧客およびパートナーには、米国の音響機器メーカーであるシュア社、ナショナル・バスケットボール・アソシエーション、フォックス・スポーツ・メディア・グループ、ならびにアメリカ合衆国テニス協会などが含まれます。
「物理的なAIにおいて誰もが望む成果を達成するためには、コンピューターはもう少し人間らしくなる必要があります」とサロマキ氏は述べました。
CUBEコミュニティに参加して、コンテンツをオープンで無料のまま維持するという当社の使命を支援してください。テクノロジー分野のリーダーたちがつながり、知見を共有し、新たな機会を創出する、theCUBEのアラムナイ・トラスト・ネットワークへご加入ください。
theCUBEの動画視聴者数は1,500万人を超え、AI、クラウド、サイバーセキュリティなど多岐にわたる分野での議論を牽引しています
11.4k以上のtheCUBE卒業生 — 信頼に基づく独自のネットワークを通じて、未来を切り拓く11,400人を超えるテクノロジーおよびビジネスリーダーとつながりましょう
AWSのお客様ですか？当社のマーケットプレイスポータルページおよびリンクからAWSサービスをご購入いただき、SiliconANGLEを経済的に支援してください：https://siliconangle.com/aws-marketplace/
テック分野の先見者であるジョン・フリエとデイブ・ヴェランテによって設立されたSiliconANGLE Mediaは、1,500万人を超えるエリートな技術専門家に届く、業界をリードするデジタルメディアブランドからなるダイナミックなエコシステムを構築しています。当社の新たな独自プラットフォームであるtheCUBE AI Video Cloudは、オーディエンスとのインタラクションにおいて画期的な取り組みを展開しており、theCUBEai.comのニューラルネットワークを活用して、テクノロジー企業がデータ主導の意思決定を行い、業界における議論の最前線に立ち続けることを支援しています。
ハイフェネートは、自律型金融オペレーションの加速に向けて4,500万ドルの資金調達を実施しました
デル、サイバーレジリエンスをアイデンティティ、AI環境および量子安全ストレージへ拡張
独占：FireMon、ファイアウォールポリシー変更の裏側で作業を担うAIエージェントを発表
アカマイ、専用の推論環境およびエージェント実行環境を備えたAIクラウドプラットフォームを拡張
SAP、よりスマートでガバナンスされたJouleエージェントにより自律型企業戦略を推進
シスコ・パートナーサミット：AI時代のチャネルを定義する5つの洞察
ハイフェネートは、自律型金融オペレーションの加速に向けて4,500万ドルの資金調達を実施しました アプリ - マイク・ウィートリー著。17秒前
デル、サイバーレジリエンスをアイデンティティ、AI環境および量子安全ストレージへ拡張 セキュリティ - ダンカン・ライリー著。1時間前
独占：FireMon、ファイアウォールポリシー変更に伴う事務作業を担うAIエージェントを発表 セキュリティ - ダンカン・ライリー著・1時間前
アカマイ、専用の推論環境およびエージェント実行環境を備えたAIクラウドプラットフォームを拡張INFRA - マイク・ウィートリー著。3時間前
SAP、よりスマートでガバナンスされたJouleエージェントAIにより自律型企業への取り組みを推進 — 著者：キット・ドットソン。5時間前
シスコ・パートナーサミット：AI時代のチャネルを定義する5つの洞察 AI - 著者：ジウス・ケラヴァラ 8時間前