Hume AIがOctaveを発表：文脈や皮肉を理解して演じ分ける音声LLM
Hume AIは文脈を理解する音声言語モデル「Octave」を公開した。単なるテキスト読み上げを超え、皮肉や恐怖などの感情やキャラクター設定を解釈して声色や抑揚を演じ分ける。盲検テストではElevenLabsを上回る評価を得た。
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
OpenAI、ChatGPT無料ユーザーに高度な音声モードを開放：GPT-4o miniを採用
OpenAIはChatGPTの無料ユーザー向けに「高度な音声モード」のプレビュー提供を開始した。より低コストなGPT-4o miniを活用し、自然な会話のテンポを維持。1日の利用時間には制限があり、残り3分で通知が表示される。
Poe、複数AIを組み合わせてアプリを作れる新機能「Poe Apps」を提供開始
Quora傘下のPoeは自然言語で対話型アプリを作成・共有できる新機能「Poe Apps」を公開した。Claude 3.7 Sonnetを活用し、GPT-4oやFluxなど複数のモデルを組み込んだWebアプリを自動生成できる。現在はWeb版のみ対応し、将来的な収益化機能も予定されている。
Microsoft、Copilotの「音声」と「Think Deeper」を無料・無制限に開放
Microsoftは、Copilotの音声会話機能およびOpenAI o1搭載の思考機能「Think Deeper」について、無料ユーザー向けの使用制限を撤廃した。複雑な推論や長時間の音声対話が制限なく利用できる。なお、月額20ドルのCopilot Proはピーク時の優先アクセス枠として継続される。
Adobe、iPhone向け本格版「Photoshop」を提供開始 生成AIやレイヤーも搭載
AdobeはiPhone向けに刷新された「Photoshop」アプリの提供を開始した。従来のPhotoshop Expressと異なりデスクトップ版に近い操作感で、レイヤーやFireflyによる生成塗りつぶしを無料で利用できる。高度なツールは月額サブスクが必要となる。
Googleドライブ、動画の「文字起こし検索」に対応 テキスト指定で該当場面へジャンプ
GoogleはGoogleドライブ内の動画で検索可能な文字起こし機能の提供を始めた。3月26日までに全Workspaceユーザーへ順次展開される。YouTube風のサイドバーにタイムスタンプ付きテキストが表示され、単語検索やクリックによる頭出しが可能。字幕付き動画で利用でき、自動生成にも対応する。
AIエディタCursorがSonnet-3.7に対応、エージェント性能を評価
AIコードエディタのCursorがSonnet-3.7の提供開始を発表した。チームはコーディング能力、特に実環境でのエージェントタスクにおける高い性能を評価しており、新たな最高水準のモデルが登場したと述べている。
Perplexity、AIブラウザ「Comet」を発表 エージェント型検索に特化
米Perplexityは、エージェント型検索に特化した独自Webブラウザ「Comet」の開発を発表し、早期アクセスの登録受付を開始した。単なる拡張機能にとどまらず、AIがユーザーの代わりにWeb上で調査やタスクを実行する体験を目指す。正式なリリース時期はまだ明かされていない。
Google AI Studio、Gemini向けに「会話分岐」機能を追加
米GoogleはGoogle AI StudioでGeminiモデル向けの会話分岐機能を提供開始した。元の文脈を壊さずに気になる発言から枝分かれしてプロンプトを試せるため、開発者の試行錯誤が格段にやりやすくなる。利用には設定でドライブ連携と自動保存の有効化が必要だ。
通話相手もAIだと気づいたら？Gibber Linkで音声信号通信へ自動切り替え
AIエージェント向け通信プロトコル「Gibber Link」が公開された。電話口の相手がAIだと認識すると、人間の言葉をやめてGGWaveベースの音声信号へ切り替える仕組みだ。音声合成を省くことで計算コストを90%以上削減し、通信時間を最大80%短縮できる。
X、広告主向け「Grok」新機能を発表：URL入力だけで広告文や画像を自動生成
Xは広告主向けにGrokを活用した新機能を発表した。URLを入力するだけで広告文や画像を自動作成する「Prefill with Grok」と、配信データを分析して改善策を提示する「Analyze Campaign with Grok」を段階的に提供する。
HostingerがHorizonsを発表：対話やスケッチからWebアプリを即時作成
Hostingerはノーコード基盤「Hostinger Horizons」を発表した。利用者がチャットで指示を出したりスケッチ画像を投稿するだけで、対話型Webアプリをリアルタイムに生成して公開できる。サーバーやドメインも最初から内蔵されている。
OpenAIの自律型AI「Operator」、日本や英国などのPro向けに提供拡大 EUは対象外
OpenAIはブラウザ上で予約や買い物を代行するAIエージェント「Operator」を、日本、韓国、英国、カナダなどのChatGPT Proユーザー向けに提供拡大したと発表した。月額200ドルのProプラン加入者が対象で、専用Webページから利用できる。なおEU加盟国など一部地域は除外されている。
NVIDIAら、手話学習プラットフォーム「Signs」公開 WebカメラのAI解析で即座に判定
NVIDIAは全米聾児協会などと連携し、アメリカ手話（ASL）学習プラットフォーム「Signs」を公開した。3Dアバターの手本を見ながらWebカメラ越しに手話を行うと、AIがリアルタイムで動きを評価する。集まったデータはアクセシビリティ向上を目的としたAI開発用に一般公開される予定だ。
Google レンズがiOSの画面検索に対応：スクショ不要で丸囲み検索可能に
GoogleはiOS版ChromeとGoogleアプリにレンズ画面検索を追加した。画面をキャプチャすることなく、タップや囲み操作で閲覧中の対象をそのまま検索できる。さらに、複雑な画像を要約・解説するAI Overviewsの表示頻度も引き上げられた。
マイクロソフト、「Azure AI Foundry Labs」公開：最新研究モデルを開発者に直接提供
マイクロソフトは最新の AI 研究成果をいち早く検証できる拠点「Azure AI Foundry Labs」を発表した。世界・行動モデルの Muse や UI 解析の OmniParser v2、自律エージェントの Magentic-One などを集め、研究から実用化までのサイクル加速を狙う。
Google Ads、Imagen 3で「大人の人物写真」をプロンプト生成可能に
Googleは「Google Ads」のクリエイティブ生成機能を刷新し、Imagen 3を活用して成人人物を含むライフスタイル画像をプロンプトから生成できるようにした。未成年者や著名人の生成は制限され、SynthID透かしが付与される。素材のオーディエンス推奨機能なども追加された。
CrunchbaseがAI予測エンジンへ刷新 企業の資金調達やM&Aを予測
Crunchbaseは従来の企業情報検索サービスから、AIによる市場予測プラットフォームへとリニューアルを発表した。公開データや8000万人のアクティブユーザー動向を分析し、資金調達の予測精度は社内検証で適合率95％を記録したという。静的な履歴データの提供から、有望な新興企業を先回りして見極めるツールへと舵を切った。
SuperhumanがAI自動分類「Auto Label」提供開始、プロンプトで仕分け
Superhumanはメールを自動分類する新機能「Auto Label」を発表した。マーケティングや営業などの標準ラベルに加え、プロンプトを入力して独自のラベル作成や自動アーカイブが可能。返信がないメールに合わせたフォローアップの下書きもAIが自動生成する。
RabbitがAndroidエージェントを公開：アプリ操作や設定変更をAIが代行
RabbitはAndroid端末とアプリを直接操作・制御できるAIエージェントの研究プレビューを公開しました。システム設定の変更からWhatsAppやGoogle Docsをまたぐ複数タスクまで自律的に実行できます。現在は初期の動作ループを示した段階で、今後さらなる速度や精度の改善を予定しています。