音声・スピーチ

主要ニュース

1. 1

   Treble、1800万ドル調達 音声AI検証を拡張

   アイスランドのTrebleがPaladin Capital Group主導で1800万ドルを調達した。2024年の1200万ドルに続き累計4000万ドル超。 Trebleは音声AIモデルの評価や合成データ生成を手掛けており、今回の資金で音声AI分野での基盤強化を狙うとみられる。

   調達資金の使途や物理AI分野への展開の成否が焦点となる。同社はAmazonやLogitechを顧客に持つ。

2. 2

   Spotify、AI楽曲の表示方針を転換へ

   Spotifyと業界団体がAI生成楽曲の表示・制限・禁止へ動き出した。New York Timesが2022年以降に約12曲のAI製楽曲が各種Billboardチャート入りしたと報じた後だ。 最大手の音楽ストリーミング平台は、AI利用開示の業界共通基準を策定中としながら態度を曖昧にしてきたが、これまで何も実施されていなかった。

   Spotifyが実際に表示・ブロックのツールを展開するかは、業界共通基準が議論から実施へ移るか、他平台が追随するかにかかっている。

3. 3

   Google、Gemini 3.8 Live公開

   Googleは9月15日にGemini 3.8 LiveとGemini 3.8 Live Extended Thinkingを発表し同日提供開始。 会話を続けながらバックグラウンドでタスクを実行できるため、手を使う作業や顧客対応でAI音声エージェントが実用的になる可能性がある。音声エージェント導入を検討する国内の顧客対応担当者にとって、会話しながらの作業実行が選択肢になりうる。

   Extended ThinkingのArtificial Analysis Speech to Speech Quality Index首位は独自採点。

4. 4

   Gemini 3.8、音声指数82.6で首位

   GoogleがGemini 3.8 LiveとGemini 3.8 Live Extended Thinkingを投入。バックグラウンドでのツール呼び出しに対応し、97言語をサポートする。 ほぼリアルタイムの推論とバックグラウンドでのタスク実行により、音声AIエージェントがより自然な会話を維持できる可能性がある。ただしGoogleのベンチマーク主張は独立検証されていない。日本語話者の音声AI活用では、自然な会話維持を要する用途ほど導入判断が変わりうる。

   音声入力は毎分0.005ドル、出力は毎分0.018ドルから。導入は、レイテンシ改善がコストに見合うか企業が判断するかにかかっている。

5. 5

   Gemini 3.8 Live、音声対音声に対応

   Googleは音声対音声モデル「Gemini 3.8 Live」と「3.8 Live Extended Thinking」をリリースした。OpenAIのGPT-Liveファミリーと形態が似ている。 デモはこれらの新モデルをブラウザで試せることを示す。発話中の割り込みも含む。Googleの音声対音声のラインナップはOpenAIのGPT-Liveファミリーと比較できる形になった。

   デモはブラウザの音声キャプチャと再生に依存するため、経験はそれが安定して動くかどうかにかかっている。Extended Thinkingオプションを実際に比較したとき、2つのモデルがどう違うかに注目だ。

6. 6

   Gemini 3.8 Live、音声部門で82.6%首位

   Google DeepmindがGemini 3.8 Liveと3.8 Live Extended ThinkingをGemini APIとGoogle AI Studioで公開。 首位獲得でGoogleの音声モデルがOpenAIの最新音声モデルを上回り、毎分の入出力価格もOpenAIより安い。Googleが能力だけでなくコストでも競争する姿勢を示す。音声AIを自社サービスに組み込む国内開発企業は、低価格なGemini 3.8 Liveの採用を検討しやすくなる可能性がある。

   OpenAIのモデルは全二重方式でより自然な会話を実現するはずで、デモを見る限り音質も良い。Googleは品質より価格を優先した可能性がある。