楽譜版 Shazam：Songscription が AI 音声自動採譜ツールを公開
先週、スタートアップの Songscription が音声や YouTube リンクから数分で楽譜を起こす AI ツールを発表した。ピアノ採譜の精度が最も高く、楽譜が読めない人向けにピアノロール表示も備える。今後はギタースコアやバンド編成への対応も予定している。
AIツール
ChatGPT、Cursor、PerplexityなどAIツールの新機能や新製品、料金や提供地域の変更をお届けします。
新しいニュースを見る
Google、教育向けに動画作成「Vids」を開放 Classroomには30種以上のGeminiツールを無償提供
Googleはすべての教育版Workspaceユーザー向けに動画作成ツール「Google Vids」を開放し、Google Classroom内に30種類以上のGemini AIツールを無償導入したと発表した。教材作成やアイデア出しを支援するほか、今後はNotebookLMやカスタムAI「Gems」を活用した個別指導機能も順次追加される予定だ。
macOS版ChatGPTに「録音モード」登場：会議の文字起こしや要点整理を自動化
OpenAIはmacOS向けChatGPTデスクトップアプリで「Record mode（録音モード）」の提供を開始した。Pro、Enterprise、Eduユーザーを対象に追加費用なしで提供され、会話を録音すると自動で文字起こしし、要点やネクストアクションをまとめてくれる。
MiniMax、汎用AIエージェントを発表：MCP対応で複雑なタスクを自動実行
MiniMaxは長期的な複雑タスクに対応する汎用AIエージェント「MiniMax Agent」を公開した。多段階の計画立案から実行までを担い、ツール利用やマルチモーダル生成、MCP規格の連携に対応。社内ではすでに半数以上のスタッフが日常業務で活用しているという。
Googleが「Search Live」提供開始：検索とリアルタイム音声で会話可能に
Googleはモバイル版アプリで「Search Live」を開始した。特注のGeminiモデルを活用し、検索と自然な音声で対話しながら画面上のWebリンクも確認でき、バックグラウンド再生にも対応する。まずは米国のLabsテスター向けに提供される。
Claude CodeがリモートMCPに対応：ローカル環境なしで外部ツールと即連携
Anthropicはターミナル向けAIツール「Claude Code」でリモートMCPサーバーのサポートを開始しました。ローカルでサーバーを立てる必要がなく、URL登録とネイティブOAuth認証だけでSentryやLinearなどの外部サービスと連携し、文脈を保ったままデバッグが可能です。
CanvaがGoogleの動画生成AI「Veo 3」を統合：プロンプトから音付き動画を生成可能に
CanvaはGoogleの最新動画生成モデル「Veo 3」を導入した新機能「Create a Video Clip」を発表しました。テキスト指示から音声付きの8秒動画クリップを生成し、そのままCanvaのエディタで編集できます。有料プラン向けに月5回まで提供されます。
Higgsfield AIが「Canvas」公開：ブラシで指定するだけで商品を画像内に自然合成
Higgsfield AIは画像編集機能「Canvas」を発表した。ブラシで領域を指定して自社商品の画像をアップロードするだけで、香水や衣服などを1クリックで置換・追加できる。Flux Kontextも統合され、背景変更など商用画像作成の効率化を図る。
BrowserbaseがAIウェブエージェント公開：Stagehand基盤、ノーコードでブラウザ自動化
Browserbase はオープンソースフレームワーク「Stagehand」を基盤とした AI ウェブエージェントを公開した。自然言語の指示だけでノーコードかつ無料でブラウザ自動化を実行できる。スクリプトを書かずにウェブ作業を自動化したい人に適したツールだ。
Adobe、Fireflyのスマホ向けアプリを公開：Googleなどの外部モデルも利用可能に
AdobeはiOSおよびAndroid向けにFireflyアプリの提供を開始した。テキストからの画像・動画生成や「生成塗りつぶし」がスマホで行えるほか、GoogleのImagenやVeoといった外部モデルも選択可能。生成したデータはCreative Cloud経由でデスクトップアプリやWeb版に同期される。
配信サービス「Max」、動画プレビューに独自AI導入へ：名場面を自動抽出
ワーナー傘下のMaxは今週、米国のコネクテッドTV向けに動的動画プレビューを導入した。今後数週間で自社製AIツールも順次展開し、膨大な作品群から見どころとなる「Drop-In Moments」を自動検出して提案させ、手作業による切り抜き・選定時間を大幅に削減する。
Cursorが月額200ドルの「Ultra」プラン提供開始、Proプランも制限緩和
CursorはProプランの20倍の利用枠を提供する月額200ドルの最上位プラン「Ultra」を発表しました。従量課金ではなく固定額で使い倒したいヘビー層向けで、同時にProプランもリクエスト数制限から計算量ベースへ移行し、ツール呼び出しが無制限になります。
Meta、Oakleyコラボのスマートグラスを6月20日に発表へ
MetaはOakleyとのコラボによる新型スマートグラスのティザーをInstagramで公開し、6月20日の発表を予告した。アスリート向けにOakleyのSphaeraデザインを採用し、軽量化のためカメラを1基に抑えると報じられている。日常向けからスポーツやフィットネス分野への拡大を狙う。
ElevenLabsがv3向け「Audio Tags」公開、タグ指定でAI音声の間やテンポを制御可能に
ElevenLabsはEleven v3向けに「Audio Tags」機能を提供開始した。台本内に[pause]や[rushed]、[stammers]といったタグを書き込むだけで、AI音声のテンポや間、強調を精密に演出できる。なお、現段階ではプロ向け音声クローン（PVC）への最適化は未完了となっている。
TikTokの生成AIがAdobe ExpressとWPP Openに統合、5秒動画を自動生成
TikTokはクリエイティブ向けAI「Symphony」の新機能を発表した。テキストや静止画から5秒のブランド動画を生成する機能を備える。TikTokアプリ内だけでなくAdobe ExpressやWPP Openにも組み込まれ、マーケターが広告素材を手軽に自動制作できるようになる。
Hugging FaceがGroqと連携、LPUによる超高速推論プロバイダーに対応
Hugging Faceはモデル推論プロバイダーにGroqを追加したと発表した。開発者はHugging Face Hub上やSDK経由で、GroqのLPUチップを用いた低遅延推論を直接利用できる。Llama 4などのモデルに対応し、HFアカウント経由または自前のGroq APIキーで課金可能。
アドビがLLM Optimizerを発表、AI検索でのブランド露出を最適化
アドビはカンヌライオンズで「Adobe LLM Optimizer」を発表した。ChatGPTやClaude、GeminiなどのAI回答における自社ブランドの露出状況を把握し、改善を支援するツールだ。従来のSEOから「GEO（生成エンジン最適化）」への移行を促すもので、単体またはAEM連携で提供される。
Reddit、ユーザーの生声をAI分析する広告主向けツール群を発表
Redditはカンヌライオンズで「Reddit Community Intelligence」を発表した。膨大な投稿データをAI分析する「Reddit Insights」と、広告下に好意的なユーザーの会話要約を表示する広告機能をアルファ版として提供。テストでは広告クリック率が19%改善したという。
Google検索に「音声概要」登場：Geminiが検索結果を会話形式で要約
GoogleはSearch Labsで新実験「Audio Overviews」を開始しました。最新のGeminiモデルを活用し、特定の検索結果を短く自然な会話形式の音声で要約します。画面を見ずに情報を素早く把握したい作業中などに便利です。
rabbitが汎用AIエージェント「intern」公開：Webサイトや資料を丸ごと作成
rabbit は専用ハード不要の汎用 AI エージェント「rabbit intern」を正式公開した。指示文を入力するだけで、デザインが整った Web サイトや調査レポート、ゲームを完成形で納品する。トークン計算を廃したタスク制課金を導入し、3 回分は無料で利用できる。