X1は、従来の音声翻訳機の課題だった「機械的な音声」を大きく改善した。人工知能（AI）で利用者の声を複製する「ボイスクローン」技術が組み込まれており、使えば使うほどAIの学習が進んで利用者の声に似てくるという。

公式サイトによると、X1はオンラインなら40種類の言語、93種類の方言に対応し、オフラインでも13言語間の通訳・翻訳に対応する。翻訳精度は平均95％に上るという。最大の特長は、最大20人・5言語の会議でも同時通訳・翻訳が可能なことだ。

また、デバイス同士を接触させるだけでミーティングIDを取得できるため、オンラインでもオフラインでもスムーズに会議に参加できるという利点もある。さらに、スマートフォンやパソコンなどと接続すれば、会議などの音声や画像の外国語を認識し、2言語字幕を生成することもできる。

中国TCL、「CES 2024」で世界最大級115インチのQDミニELテレビを発表

（36Kr Japan編集部）

説明によると、ユーザーが斑馬智行のアプリに20フレーズを録音すれば、AIがオーダーメイドの音声パックを合成、それを車載装置にワンクリックで送信すれば、ナビゲーションガイド、天気予報、レストランの予約などあらゆる局面で使用することが可能になる。これはスマートIoT業界初の「ボイスクローン」機能を搭載した製品である。斑馬網絡AI音声関連の技術責任者によると、システムは録音の過程で各ユーザーの発話時における発音の特徴を「把握」し、ディープラーニング技術により声の音色やイントネーションを推理、模倣する。

先頃、米国の有名投資機関「Mangrove Capital Partners」が発表した2019年の音声技術に関するレポートでは、音声認識は製品検索に徹底的な変革を起こすと予測され、マンマシンインタラクションのインターフェースになる運命にあると指摘されている。現在、バイドゥ（百度）のスマートスピーカー「小度音箱（DuSmart Speaker）」やシャオミのAIアシスタント「小愛同学（Xiao AI）」などがいずれも自然な連続対話を実現しており、インターネットテクノロジー企業はAI音声の分野に絶えず力を注いでいる。