【23 Daily】techcrunch.com の報道によると、スタートアップ企業 Underdog は 2026年11月6日に、音声と音楽の生成が可能なわずか32MBの小型音声合成モデルを発表した。このモデルは Woof というブラウザ上で動作するゲームに搭載されており、多くのデバイスでオフライン利用が可能だ。
音声と音楽生成を兼ね備えた32MBモデル
Woof はレトロな部屋をテーマにしたゲームで、タイプライターや CRT モニター、音楽チューナーを備えている。利用者はタイプライターで入力した文字を音声で再生でき、チューナーを回すことで多様な音楽を生成できる。音声合成モデルは約3100万パラメータを持ち、ダウンロード可能でクラウドに依存せずローカルで動作する。
ユーザーデータのプライバシー保護を重視したオンデバイスAI
Underdog の創業者 Sigil Wen 氏は、ユーザー自身のデバイス上でAIモデルを動かすことでデータの所有権を保ち、クラウドサービスへの依存や監視を避けたいと述べている。同社は以前、167MB の音声認識モデル Bark を発表しており、これもエッジデバイス向けに設計されている。さらに、270億パラメータを持つノートパソコンで動作可能なモデルや、Muse や Instinct のローカル代替となるアプリも開発中で、利用は待機リスト制となっている。
編集部の視点：小型オンデバイス音声モデルは起業家に多様な応用機会を創出
Underdog の32MBモデルは小型で一般的なデバイス上で動作可能なため、大規模モデルが依存するクラウドや大量の計算資源の制約を克服している。起業家にとっては、よりプライベートかつリアルタイム性の高い音声対話アプリケーション（パーソナルアシスタント、パーソナライズドポッドキャスト、ゲーム内音声機能など）を開発するチャンスとなり、クラウドコストやプライバシーリスクを低減できる。検証方法としては、オープンソースとして公開されたモデルを様々なハードウェア上で試し、その動作性能や音質を確認し、開発したい用途への適合性を判断することが考えられる。