ElevenLabsの会話型AIが音声とテキストの同時入力に対応、メール入力などの誤認識を防止
ElevenLabsは対話型AIプラットフォーム「Conversational AI」にテキストと音声のマルチモーダル対応を追加した。ユーザーは同じ会話の中で音声と文字入力を併用でき、メールアドレスや番号など音声認識でミスが起きやすい情報の正確な入力を可能にする。
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。
ElevenLabsは対話型AIプラットフォーム「Conversational AI」にテキストと音声のマルチモーダル対応を追加した。ユーザーは同じ会話の中で音声と文字入力を併用でき、メールアドレスや番号など音声認識でミスが起きやすい情報の正確な入力を可能にする。
GoogleはGoogle フォトの10周年を記念して編集機能を刷新した。従来Pixel端末限定だった、プロンプトで背景を変える「Reimagine」やAI構図補正「Auto Frame」が一般開放される。来月から世界のAndroid向けに順次配信され、iOS版も年内に提供予定だ。
Factoryは自律型ソフトウェア開発エージェント「Droids」の一般提供を開始した。GitHub、Slack、Linear、Notion、Sentryと連携して開発コンテキストを把握し、本番環境対応のコードを自動作成できる。ローカル同期とリモート非同期の協調作業にも対応する。
ElevenLabsはConversational AI向けに「Batch Calling」機能を発表した。TwilioやSIP経由でAIエージェントが数百件の相手へ同時にパーソナライズ電話を発信できる。CSVによる顧客データ取り込みや動的変数、API連携に対応する。
OperaはAIエージェント時代に向けた新ブラウザ「Opera Neon」を発表した。ユーザーと一緒に閲覧するだけでなく、ユーザーの代わりに操作を行ってタスクを完了できる。現在は招待制で、順番待ち登録を受け付けている。
GoogleはGoogle ドライブ内の動画をGeminiで要約・分析できる新機能を発表しました。動画を開いて右上の「Ask Gemini」を押すだけで、会議録画からToDoを抽出したり要点をまとめたりできます。Google One AI Premiumや一部Workspace向けに順次提供されます。
AnthropicはClaudeモバイルアプリ向けに音声モードのベータ版を発表した。最新のSonnet 4を搭載し、5種類の音声とリアルタイム文字起こしに対応する。有料会員はGoogle Workspace連携も可能。今後数週間で英語圏ユーザーから順次提供される。
The Browser CompanyのCEOがArcブラウザの新機能開発を停止した理由を説明した。一般層には複雑すぎた点を挙げ、今後はAI特化型ブラウザ「Dia」に注力するという。Arcはセキュリティ修正のみ継続され、基盤をDiaと共有しているためオープンソース化や売却は行われない。
Mistral AIは企業向けエージェント基盤となる「Agents API」を発表した。Pythonコードのサンドボックス実行やWeb検索、MCP対応ツールとの接続に加え、ステートフルな会話履歴管理や複数エージェント間のタスク委任機能を標準で提供する。
Microsoftは、AIアシスタント「Copilot」の一般向け版にOpenAIの「GPT-4o」による画像生成機能を統合した。Wordなどのアプリ内でテキストから写実的な画像を生成できるほか、画像内への文字描画やスタイル編集にも対応する。先月の企業向け先行公開に続く展開となる。
MicrosoftはWindows 11 Insider向けにペイント、Snipping Tool、メモ帳のアップデートを開始した。ペイントへのステッカー生成やスマート切り抜き、Snipping ToolのAI枠調整、メモ帳のプロンプト執筆機能などが追加された。一部機能はCopilot+ PC限定となる。
AnthropicはAPI向けにエージェント開発を支援する4つの新機能をパブリックベータで公開した。Pythonのサンドボックス実行環境、リモートMCPサーバー接続、Files API、最長1時間のプロンプトキャッシュに対応し、外部基盤なしで自律的な分析やツール連携が可能になる。
xAIは「Live Search API」のパブリックベータ版を提供開始した。開発者は同APIを通じて、GrokにXの投稿や最新ニュース、Web全体のリアルタイム検索機能を組み込める。現在は期間限定で無料利用が可能となっている。
OpenAIはエージェント開発向け「Responses API」を強化し、リモートMCPサーバー連携や画像生成モデル「gpt-image-1」、Code Interpreterのサポートを追加した。o3やo4-miniが思考プロセス内で直接ツールを実行可能になり、推論トークンを保持してコストと遅延を低減する。
Shopify はプロンプトを入力するだけでオンラインストア全体を自動生成する AI ビルダーを発表した。AI 調整機能を備えた新テーマ「Horizon」を導入したほか、アシスタント「Sidekick」に音声対話と画面共有を追加し、モバイルアプリでも提供を開始した。
Perplexityは有料会員向け特典「Pro Perks」と、StatistaやPitchBook、Wileyといった専門データプロバイダとの統合を発表しました。Proユーザーには外部サービスの割引が提供されるほか、月数回まで企業契約限定だった専門データベースを参照した高精度な回答を受け取ることができます。
Google I/O 2025で、Workspace向けの新AI機能が発表された。Gmailでは指示によるメールの一括整理や過去履歴を踏まえた返信作成が可能になり、Docsでは指定資料のみを参照した執筆支援が即日提供される。Vidsにはスライドの動画化やAIアバター機能が加わる。
Googleは自律型コーディングエージェント「Jules」のパブリックベータを公開し、順番待ちなしで提供開始しました。Gemini 2.5 Proを搭載し、クラウドVM上でGitHubリポジトリの修正やPR作成を非同期で実行します。音声による更新ログの読み上げにも対応します。
Googleは専用メガネ不要の立体通話技術Project Starlineを新プラットフォーム「Google Beam」へ刷新した。AI体積ビデオモデルで通常の2D映像をリアルな3Dに変換する。HP製デバイスが展示会InfoCommで披露され、今年後半から一部企業向けに提供される。
GoogleはAI Modeによる新ショッピング体験を発表した。全身写真をアップロードするだけで、膨大な服を自分の体型に合わせてバーチャル試着できるほか、値下げ時にAIが代理購入する機能も加わる。試着機能は米国のSearch Labsで提供が始まった。