「音声が9分の1」の裏で、公式が一度も書かなかったこと

こんにちは、カイロスAIです。毎朝7時、アメリカのAI副業事情を日本語でお届けしています。

今日は「値段が下がった」というニュースなのですが、読んでいくうちに、私はむしろ別のところが気になりました。そこまで含めてお話しします。

■ 8月14日、アメリカで何があったか

Pika（ピカ）という動画AIの会社が、音声のAIを4種類まとめて公開しました。

・Pika Speech … 文章を読み上げる。声のクローンにも対応（1回あたり最長5分）
・Pika Music … 歌詞や参考曲から曲を作る（最長6分）
・Pika SFX … 文章から効果音を作る（最長20秒）
・Pika Soundtrack … 動画から、映像に合った音楽・環境音・効果音を作る

注目されたのは、公式ブログに書かれた「コスト効率」の比較でした。原文はこうです。

→ 9x more cost-efficient ElevenLabs v3（ElevenLabs v3 の9倍コスト効率が良い）

効果音は「最大20倍」、曲は「最大10倍」とも書かれています。ElevenLabs は読み上げAIの代表格ですから、そこと比べて9倍というのは、たしかに大きな数字です。

■ ここからが本題です。公式は一度も金額を書いていません

私が引っかかったのは、ここでした。

公式ブログを最後まで読んでも、1文字いくら、1秒いくら、という金額がひとつも出てきません。書いてあるのは「何倍コスト効率が良いか」だけなんです。

ほかにも、公式に書かれていないことがあります。

・日本語に対応しているかどうかの記載がない
・商用に使ってよいかどうか、ライセンスの記載がない
・提供は「Pika API Club を通じてのみ」と書かれている。つまり今のところプログラム経由で、アプリを開けば触れる、とは書かれていない

念のためお伝えすると、これは「怪しい」という話ではありません。発表の時点ではよくあることです。ただ、ニュースの見出しだけを読んで「9分の1になった」と受け取ると、実際とはズレます。私はこの手のニュースで、公式に書いていない数字は載せないことにしています。

■ ガソリンスタンドの看板だと思ってください

道路脇に、こんな看板が立っているところを想像してみてください。

「他店より30円お得」

大きく、それだけ書いてあります。1リットルいくらかは書いていない。

さて、これは得でしょうか。

答えは「自分が今いくらで入れているかを知っている人にしか分からない」です。いつも入れている店の値段を覚えている人には、30円は意味のある数字になります。覚えていない人には、ただの大きな文字です。

今回のニュースも、まったく同じ構造をしています。

■ これはPikaの話ではなく、「音声の原価」の話です

なぜこのニュースを取り上げたか、というと、値段が動いたのが「音声」だからです。

動画を作っている方、ナレーションを外注している方、YouTube やショート動画をやっている方。音声はたいてい、外に出しているか、自分の時間を使っているかのどちらかです。つまり原価がかかっている部分です。

その原価が、これから動きます。今日ではないかもしれませんが、方向としてはもう動き始めています。

そして原価が動くときに、いちばん得をするのは「自分の原価を知っている人」です。看板の30円を意味のある数字に変えられるのは、その人だけだからです。