YouTube、AI自動吹き替えを数十万の知識系チャンネルへ拡大 公開前確認も可能
YouTubeはAIによる自動音声吹き替え機能をパートナープログラム内の数十万の知識・情報系チャンネルへ拡大した。英語動画は日・独・仏など8言語へ自動翻訳され、公開前のプレビューや削除に対応。現状は機械的な発音だが、今後のアップデートで感情表現も改善される予定だ。
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。
YouTubeはAIによる自動音声吹き替え機能をパートナープログラム内の数十万の知識・情報系チャンネルへ拡大した。英語動画は日・独・仏など8言語へ自動翻訳され、公開前のプレビューや削除に対応。現状は機械的な発音だが、今後のアップデートで感情表現も改善される予定だ。
米Microsoftは、Windows Insider向けにCopilotのアップデートを開始した。従来のPWA版からタスクバー上にフロート表示されるクイックビューUIへと移行し、Alt+Spaceキーでの呼び出しに対応する。Windows 10と11の両方で利用できるが、競合するショートカットキーの扱いに注意が必要だ。
OpenAIは共同作業スペース「Canvas」のベータ提供を終了し、無料プランを含む全ユーザーに正式公開しました。画面内でPythonコードを直接実行してグラフを表示できるほか、Custom GPTとの連携やテキストの差分表示編集に対応。Web版とWindowsアプリ向けに展開されています。
Cognition Labsは自律型AIソフトウェアエンジニア「Devin」の一般提供を開始した。月額500ドルのサブスクリプション制で、内蔵ブラウザやエディタを備えたサンドボックス環境からアプリの構築やバグ修正を自律実行できる。なお、公式は1セッションを3時間以内に抑えることを推奨している。
韓国のスタートアップSpaidがAI地図ソリューションを発表した。中核エンジン「CYLO」がGISデータや衛星画像を統合し、土地や建物、人口動態を可視化した3Dマップを迅速に構築する。韓国の通信事業者による実証実験やアルメニア政府の国土調査で導入が進んでいる。
SolosはChatGPTを搭載したマルチモーダルスマートグラス「AirGo Vision」を発売した。価格は299ドルから。カメラによる物体認識や翻訳に対応するほか、カメラ付きテンプルを取り外して普通の眼鏡フレームに交換できるプライバシー保護機構を備える。
Yelpは本日、年末製品アップデートとして20以上の新機能を発表した。大規模言語モデルを活用した「Review Insights」は、料理の質や接客、待ち時間などの項目ごとに1〜100の感情スコアを算出して表示する。まずはiOSの飲食店・ナイトライフ向けに提供され、来年にはサービス業へ拡大予定だ。
Redditはサイト内の公開投稿や議論をAIで要約する新検索機能「Reddit Answers」を発表した。単一の回答を生成するのではなく、関連スレッドから要点を抽出し、高評価の元コメントへ直接誘導する。現在、米国の限定ユーザー向けにWebとiOSでベータ版が提供されている。
Hugging Faceは83種類の人気オープンモデルがAmazon Bedrock Marketplaceで利用可能になったと発表した。SageMaker JumpStart基盤で動作し、BedrockのAgentsやGuardrailsなどの高レベルAPIと連携可能。利用者はSageMakerの計算リソースとBedrock API料金のみを支払う。
Elon Musk氏のxAIが提供するAIボット「Grok」がXの全無料ユーザーに開放された。有料会員でなくても2時間に最大10回までメッセージを送信できる。ChatGPTなどの無料提供に対抗する動きで、単独アプリの投入も検討されているという。
米Microsoftは、Edgeブラウザで閲覧中のWebページをAIが認識してリアルタイムに対話できる「Copilot Vision」のプレビュー版を公開した。セッション終了時に閲覧データが破棄される仕組み。現在は米国のCopilot Pro加入者向けに一部Webサイト限定でテスト提供されている。
Ouraは呼吸器疾患の兆候を事前に察知する「Symptom Radar」の正式提供を発表した。安静時心拍数や体温変動を基線データと比較し、自覚症状が出る前に休息を促す。医療診断ではないものの、Gen 3および4のユーザーは12月11日までに利用可能になる。
OpenAIは月額200ドルの新プラン「ChatGPT Pro」を発表した。推論モデル「OpenAI o1」を無制限で利用できるほか、より多くの計算資源で深く思考する「o1 pro mode」を搭載。高度な数学やプログラミングに取り組む研究者や開発者向けに提供される。
SpotifyはGoogleのNotebookLMを活用した「Wrapped AIポッドキャスト」を公開した。おなじみの2人のAIホストが、ユーザーの年間視聴データをもとに音楽の好みや変遷を独自の音声番組として語り合う。現在は米国など一部英語圏で限定提供されている。
GoogleはChromebook向けのアクセシビリティ機能「Face control」の詳細を発表した。機械学習で478箇所の顔のポイントを捉え、頭の動きや最大18種類の表情でカーソル操作やアクションを行える。現在ChromeOSのベータ版で利用可能で、来年初頭に一般提供される。
ElevenLabsは対話型音声エージェントを構築できる統合プラットフォーム「Conversational AI」を発表した。音声合成、音声認識、自選LLMを組み合わせ、リアルタイム予測で自然な割り込みや会話の交代に対応する。Twilio連携や各種SDKも提供する。
Arcを手がけるThe Browser Companyは新たなAIブラウザ「Dia」を発表した。2025年初頭の提供開始を予定している。単なるタブの要約にとどまらず、アドレスバーの指示で複数タブのリンクをメールに転記したり、Amazonカートに自動で商品を追加する代理操作機能を備える。同社はArcの提供も継続するとしている。
12 月 2 日、EVI 2 にベータ機能「Voice Control」が導入された。音声クローンやプロンプトを使わず、自信や鼻声、滑らかさなど 10 項目のスライダーで声を連続調整できる。他の特徴を崩さず狙った声質を再現でき、独自の音声を数秒で作成できる。
AWSはre:Inventで、クラウド型コンタクトセンター「Amazon Connect」向けの生成AI新機能を発表した。AIアシスタント「Amazon Q in Connect」により、プログラミング不要で動的なセルフサービス体験の構築や厳格なガードレール設定が可能になる。
Hume AIはEVI 2向けのベータ機能「Voice Control」を発表した。音声クローンやプロンプト入力に頼らず、自信や鼻声など10種類の特性スライダーを動かすだけで、再現性のある独自音声をリアルタイムに生成できる。極端な設定での音質は現在改善中だという。