AnthropicのAIチャットボット「Claude」に、ちょっと地味だけど効くアップデートが入った。音声で話しかける「voice mode」が、ようやく“それなりに使える”段階から“ちゃんと使いたくなる”段階に近づいてきた、という話だ。
正直、音声入力は便利そうに見えて、実際には中途半端だとすぐ使わなくなる。待たされる、話の文脈を忘れる、簡単な質問しか受け付けない。こういうモヤモヤがあると、結局キーボードに戻ってしまう。今回のClaudeの改善は、その不満にかなり真正面から手を入れている。
これまでClaudeの音声モードは、処理を軽くするために小さめのモデル「Haiku」を使っていた。Haikuは速い。そこはいい。でも、速さと引き換えに複雑な依頼に弱かった。
たとえば、ちょっと長い相談をしたときに話の筋を追えないとか、複数の条件が絡む質問で答えが薄くなるとか。音声モードとしては惜しいところだらけだったわけだ。
今回の更新では、Claudeが「Sonnet」や「Opus」といった、より高性能なモデルも使えるようになった。ざっくり言うと、
有料プランなら、音声モードでもテキストチャットで最後に使っていたモデルを引き継ぐ。しかも会話の途中でモデルを切り替えられる。音声で話していて「やっぱりもっと賢い返事がほしい」と思ったら、その場で上げられる。これはかなり気が利いていると思う。
Anthropicによると、Claudeのvoice modeは「turn-based architecture」だという。つまり、こちらが話し終わるのを待ってから、Claudeが考えて返す方式だ。
ここが少し重要で、OpenAIの新しいGPT-Liveのような、会話の途中でも同時に理解して反応するタイプではない。完全な双方向の“生っぽい会話”ではないので、感覚としては少し機械的になるはずだ。
でも、個人的にはこれは欠点であると同時に、わりと現実的な選択にも見える。音声AIって、派手に自然さを競うより、まず「ちゃんと正しく答える」ほうがずっと大事だからだ。会話が少し間を置いても、内容がしっかりしているなら使う価値はある。逆に、流暢でも中身が薄いとストレスになる。
Claudeの今回の方向性は、たぶん後者を避けにいっている。
もうひとつ面白いのが、接続したアプリから文脈を拾えるようになった点だ。具体的にはGmailやSlack。Claudeに許可を与えれば、それらの情報を参照して返事ができる。
これはかなり強い。たとえば、Slackのやり取りを踏まえて「この件、誰に返せばいい？」とか、Gmailの内容を見ながら「このメールにどう返すべき？」みたいな使い方がしやすくなる。音声でそれができるなら、PCの前で黙って文章を組み立てる時間をかなり減らせるはずだ。
ただし当然、権限を与える必要がある。ここは便利さと引き換えに、どこまで見せるかを自分で決める部分でもある。AIに仕事を手伝わせるほど、アクセス権の設計が大事になる。地味だけど、実は一番大事なところかもしれない。
今回の更新でも、Claudeの音声モードにはまだ弱点がある。
ひとつは、会話の途中で言語を切り替えたときに、自動で気づけないこと。たとえば日本語で話していたのを急に英語に変えた場合、Claudeが勝手に察してくれるわけではない。話す前に「これから英語に切り替える」と言うか、設定メニューから話す言語を指定する必要がある。
これは地味だけど、実際の利用では少し引っかかりそうだ。人間って、会話の流れで普通に言語を混ぜることがあるからだ。ここを自然に処理できると一気に“本物感”が増すのだが、まだそこまでは届いていない。
一方で、対応言語は増えていて、インドネシア語なども追加された。対応範囲が広がるのは素直にいい話だと思う。音声AIは英語圏だけの道具で終わると広がりがないので、こういう多言語対応は地味に効く。
無料ユーザーにも音声モードの新機能は広く展開されるが、制限がある。音声接続は1つまでで、処理はHaikuに固定される。
つまり、無料版は「試せるけれど、本格運用は有料で」という設計だ。これはAnthropicとしては自然な判断だろう。高性能モデルを音声で使わせると、当然コストがかかる。無料で太っ腹に開放しすぎると、すぐ採算が厳しくなる。
ただ、体験差ははっきり出るはずだ。音声AIは、処理の賢さがそのまま満足度に直結する。だから無料版の“入口”があるのは良いけれど、本当に仕事で使うなら有料が前提になりそうだ。
このアップデートの本質は、音声機能そのものを派手に見せることではなく、「音声でもClaudeをちゃんとClaudeとして使えるようにした」ことだと思う。
音声AIの世界では、つい“話しかけられること”自体が新鮮に見える。でも、ユーザーが本当に欲しいのはそこではない。欲しいのは、
Claudeは今回、その当たり前にかなり寄せてきた。逆に言えば、ここまでやらないと音声モードは日常ツールになれない、ということでもある。
個人的には、Claudeは“会話の自然さ”より“思考の頼もしさ”を売りにしてきたAIだと思っている。今回の改善は、その持ち味を音声に持ち込んだ感じがあって好感が持てる。派手さはないけれど、使う人からするとだいぶ重要だ。
Anthropicは「今回はインテリジェンスとツールアクセスに重点を置いた。音声には今後も投資する」と話している。つまり、まだ完成形ではない。けれど、少なくとも「音声機能はおまけ」という段階は抜けつつある。これはかなり大きい変化だと思う。
