音声合成技術の用途が拡大している。音声が持つ力で製品やサービスの価値を高めようとする企業が増えているのだ。さらに、音声そのものや合成エンジンを流通させるプラットフォームビジネスも登場してきた。そのような状況を見据えて、音声の持ち主の権利を確立しようとする動きも出ている。
テキスト情報から音声を人工的に生成する音声合成（テキスト音声合成、Text-to-Speech）技術が、幅広い産業に変化をもたらそうとしている。技術の進化に伴い用途が拡大しているほか、音声そのものや合成器（合成エンジン）を流通させる新しいビジネスモデルが登場したり、音声に関する権利の確立に向けた取り組みが始まったりしているのだ（図1）。
用途の拡大については、抑揚や感情表現など、人間に近い“自然な発話”を実現したことが後押しになっている。従来の音声合成技術による合成音声は、「無機質」「機械が話しているような声」と形容されるように抑揚や感情表現などに乏しく、用途もコールセンターの自動応答などに限られていた。だが、「人間が話しているような声」に近づいたことで、最近はコミュニケーションロボットやデジタルサイネージ、テレビ/ラジオ放送、公共交通機関の各種案内など、多様な分野に普及しつつある。
さらに、音声合成技術に関連した技術として、楽曲（歌詞や音階などの情報）に合わせた歌声を生成する歌声合成技術や、音声を別人のものに変える声質変換技術についても、研究開発や実用化の動きが加速している。エンターテインメント業界を中心に、ユーザー側でも採用する企業が増えてきた。
一般に、人間が五感から得ている情報のうち80％以上は視覚によるものといわれている。とはいえ、視覚情報を表示する空間や視覚情報として表現できる内容には限りがある。視覚では伝えられない情報や価値を提供する手段として、音声合成技術やその関連技術が注目されているのだ。
