#音声ai

Googleが、音声でのやり取りに特化した新しいGeminiモデル「Gemini 3.8 Live」と「Gemini 3.8 Live Extended Thinking」を発表した。どちらも、AIとの会話をより自然で、途切れにくく、しかも賢くすることを狙っている。単に返答が速いだけではなく、画像や言葉の文脈をその場で扱い、必要なら裏でツールを動かしながら会話を続けられるのが売りだ。音声AIはここしばらく各社が力を入れてきた分野だが、Googleは今回、会話の流れを止めずに複雑な処理までこなす段階に進んだ、と強く打ち出している。 Googleの説明によると、今回の発表は「ライブ対話モデル」の更新だ。新しく出たのは2種類で、1つが「Gemini 3.8 Live」、もう1つが「Gemini 3.8 Live Extended Thinking」だ。前者は「規模」と「コスト効率」を意識したモデルで、会話の自然さ、流れるような応答、そして visual grounding と呼ばれる画像や दृश्यの文脈への結びつきを組み合わせている。後者は、より複雑な仕事向けで、 intelligenc

AnthropicのClaudeに、ちょっとした“地味だけど効く”アップデートが入りました。 音声で話しかけるClaude Voice Modeが新しいモデルに対応し、しかも会話の途中でモデル切り替えまでできるようになった、という話です。さらに、GmailやGoogle Calendar、Slack、Canvaのような外部サービスとも、声でやり取りできるようになりました。 正直、音声AIって「便利そうだけど、結局はおしゃべりのおもちゃでしょ」と思われがちです。私もその感覚はわかります。ですが今回のアップデートは、単なる“しゃべれるようになりました”ではなく、AIを実際の作業にねじ込む方向にかなり寄ってきています。ここはわりと重要です。 ClaudeのVoice Modeが強化され、新しいモデルで動くようになった これまで主力だったHaikuだけでなく、OpusやSonnetでも使える 会話の途中でモデル変更や、音声からテキストへの切り替えができる Gmail、Google Calendar、Slack、Canvaなどの外部ツールを声で操作できる 対応言語が増え、日本語も含まれる 無料ユ

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。 Claudeのvoice modeが、より賢いモデルで動くようになった 有料ユーザーは、テキストチャットで使っているモデルに合わせて音声モードも動く GmailやSlackなどの接続アプリから文脈を拾えるようになった ただしChatGPTのような完全な同時会話型ではなく、Claudeは「聞く→考える→話す」の順番 無料ユーザーは制限あり。音声接続は1つまでで、処理はHaikuが担当 対応言語が増え、日本語以外も使いやすくなっている 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