HeyGenがiOSアプリ公開：iPhoneでアバター生成と175言語動画翻訳に対応
HeyGenはiOS向けアプリを公開した。リアルなアバター生成や175言語以上への動画翻訳機能をiPhone上で利用できる。外出先でもスマートフォンから手軽に多言語動画コンテンツを制作できるようになる。
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
ChatGPTの「高度な音声モード」がWebブラウザに対応
OpenAIはChatGPTの「高度な音声モード」をWebブラウザ版に展開したと発表した。GPT-4oのネイティブ音声機能を活用し、話す速度や感情を汲み取った自然な対話ができる。今週からPlusなどの有料会員向けに先行提供され、無料ユーザーにも今後数週間で提供予定だ。
Google、Gemini Advancedに記憶機能を追加 ユーザーの好みに応じた回答が可能に
米GoogleはGemini Advanced向けにユーザーの関心や仕事、個人的な好みを記憶する新機能を公開した。対話中または「Saved Info」ページから記憶の確認や編集が可能。現在は英語のみの対応で、Google One AI Premiumの加入が必要となる。
Microsoft、Teams会議で自分の声を使って9言語をリアルタイム翻訳する「Interpreter」を発表
MicrosoftはTeams向けに、参加者の声をリアルタイムでシミュレートしながら多言語通訳を行う機能「Interpreter」を発表した。2025年初頭にMicrosoft 365ユーザー向けに提供予定で、日本語や英語など9言語に対応。利用には事前の同意が必要で、生体データは保存されないという。
マイクロソフト「Copilot Studio」利用組織が10万件突破：1800種類のモデルに対応
米マイクロソフトは、Copilot Studio で AI エージェントを構築・編集する組織が10万件を超えたと発表した。Ignite に合わせて Azure 上の1800種の大規模言語モデルへの接続を開放し、OpenAI 依存から脱却。人間の介入を抑えて動く自律型エージェントも拡充している。
NVIDIAが気象予測向けNIMを提供開始：シミュレーション速度が最大5000倍に
NVIDIAはSC24で「Earth-2」向けの新たなNIMマイクロサービス「CorrDiff」と「FourCastNet」を発表した。高解像度気象予測を従来比500倍、全球予測を5000倍高速化し、激甚化する異常気象のシミュレーションとリスク評価を大幅に効率化する。
Perplexityに買い物機能：検索画面から離れず「ワンクリック注文」が可能に
Perplexity は米国の Pro 会員向けに、検索画面から離れずにワンクリックで購入できる「Buy with Pro」機能を開始した。送料無料特典が付くほか、写真を撮って商品を探す「Snap to Shop」機能や AI によるレビュー要約カードも導入された。
ElevenLabsが対話型AIエージェント作成機能を提供：主要LLMと連携可能
ElevenLabsは開発者向けプラットフォームで対話型AIエージェントの作成機能を提供開始した。音声のトーンや知識ベースを設定できるほか、Gemini、GPT、Claudeなどのモデルを柔軟に選択可能。リアルタイム音声対話分野でOpenAIなどと競合する。
Mistralが無料AI「le Chat」を大幅刷新：Web検索・Canvas・画像生成を統合
Mistral AIは無料アシスタント「le Chat」の大型アップデート（ベータ版）を発表した。引用付きWeb検索や共同編集用Canvas、Flux Proによる画像生成のほか、新マルチモーダルモデルPixtral Largeによる高度な文書・画像解析に対応する。ChatGPTに対抗する強力な選択肢となる。
Meta、仏伊西のRay-BanスマートグラスにMeta AIを展開 視覚AIは見送り
Metaはフランス、イタリア、スペインのRay-Ban Metaスマートグラス向けに音声AI機能の提供を開始した。仏・伊・西の言語に対応したが、欧州の規制対策によりカメラ映像を認識するマルチモーダル機能は見送られ、一般的な音声問答にとどまる。
Google DocsがGemini画像生成に対応：Imagen 3で本文挿絵やカバー画像を直接作成
GoogleはGoogle DocsにGeminiによる画像生成機能を導入したと発表した。最新のImagen 3モデルを活用し、プロンプト入力だけで本文内の挿絵や全幅カバー画像を作成できる。Gemini WorkspaceやGoogle One AI Premiumの有料ユーザー向けに順次提供される。
英O2がAIおばあちゃん「Daisy」公開、詐欺電話を無駄話で最長40分撃退
英携帯キャリアO2は詐欺対策AI「Daisy」を公開した。複数のAIモデルを組み合わせた極めてリアルな「おばあちゃん」が自律的に詐欺電話へ応答し、取り留めのない世間話で最長40分も詐欺師の時間を浪費させ、一般市民への被害を防ぐ。
サム・アルトマン出資のThrive AI Health、デモ版を公開も「ほぼ機能せず」
TechCrunchの報道により、サム・アルトマン氏とアリアナ・ハフィントン氏が立ち上げたThrive AI Healthが公式サイトでMVPデモを公開したことが判明した。ChatGPT風のUIを備えるものの現状はほぼ機能しておらず、OpenAIの支援を受ける同社は依然として開発初期段階にある。
TikTok、AI広告ツールにGetty Imagesの素材とアバターを統合
TikTokはAI広告生成ツール「Symphony Creative Studio」を全広告主向けに提供開始し、Getty Imagesの商用ライセンス素材を統合したと発表した。商品情報を入力するだけで、リアルなAIアバターによる解説や多言語吹き替え付きの縦型動画広告を簡単に作成できる。
OpenAI、「ChatGPT」Windowsアプリを全公開：音声対話とショートカット対応
OpenAIはWindows向け「ChatGPT」公式デスクトップアプリをすべてのユーザー向けに一般公開した。「Alt + Space」のショートカットで即座に呼び出せるほか、高度な音声モードに対応し、PC作業中にハンズフリーでAIと会話できる。
macOS版ChatGPT、VS CodeやXcodeなど他アプリのコード直接読み取りに対応
OpenAIはmacOS版ChatGPTデスクトップアプリに新機能「Work with Apps」を追加した。VS CodeやXcode、Terminalなどのコードを自動でプロンプトのコンテキストとして読み取れるため、手動でコピペする手間が省ける。現時点では直接コードを書き戻すことはできず、PlusおよびTeamユーザー向けに提供を開始した。
Anthropicが開発コンソールにPrompt Improverを追加、プロンプトを自動最適化
Anthropicは開発コンソールにPrompt Improverと例文管理機能を追加した。Claudeが既存プロンプトを分析し、思考プロセスの追加やXML形式の標準化を1分足らずで自動適用する。分類タスクのテストでは精度が30%向上したという。
Arc SearchがAndroid向けに正式リリース、AIが検索結果を要約
The Browser Companyはモバイルブラウザ「Arc Search」を全Androidユーザー向けに正式公開した。広告ブロックに加え、AIが検索結果を整理して要約する「Browse for me」機能を備える。10万人規模のテストを経て音声検索やAndroid 12に対応し、Chromeの対抗馬としてモバイル展開を加速させている。
Google、iPhone向け専用「Gemini」アプリを公開 音声会話「Gemini Live」に対応
GoogleはiOS向けに専用の「Gemini」アプリをリリースした。会話を途中で遮って質問できる音声機能「Gemini Live」に対応し、10種類の音声が選択可能。さらにImagen 3による画像生成や、Gmail、Googleマップと連携する拡張機能も単独アプリから手軽に利用できる。
NASAとマイクロソフトが「Earth Copilot」発表、衛星データを自然言語で検索
NASAはMicrosoftと共同で「Earth Copilot」のプロトタイプを発表した。Azure OpenAI Serviceを活用し、100ペタバイトを超える地球科学データを自然言語の質問だけで検索できる。専門知識がなくても衛星データを扱えるようにする狙いで、現在は内部研究者向けにテストが行われている。