Googleが「AI Edge Gallery」を公開：スマホでモデルを完全オフライン実行
先週、GoogleはHugging Face上のオープンソースAIモデルをスマホ上でダウンロードしてオフライン実行できる実験的アプリ「Google AI Edge Gallery」を公開した。画像認識や対話、テキスト処理を端末内だけで完結でき、まずはAndroid向けに提供され、近くiOSにも対応する予定だ。
AIツール · デイリー
土
5月31日 土曜日
金
5月30日 金曜日
Gmailの「Gemini」、長文メールの自動要約に対応 返信に合わせて更新も
Googleは、Gmail内のGeminiが長文メールの要点を自動要約し、上部にカード表示する新機能を発表した。手動操作なしで要約が作られ、返信が届くたびに内容が更新される。初期段階では英語のみ対応で、日本やEUなど一部地域を除き順次デフォルト適用される。
ElevenLabsがClaude Sonnet 4を統合：低遅延と高度な対話を両立
ElevenLabsは対話型AIプラットフォームにAnthropicのClaude Sonnet 4を導入した。複雑な指示の遂行、長期記憶、外部ツールの安定呼び出しに対応しながら、リアルタイム音声会話に必要な低遅延を実現している。ダッシュボード上で選択するだけで即座に配備可能だ。
木
5月29日 木曜日
Azure AI Foundryに動画プレイグラウンド登場、Soraの検証とコード出力に対応
MicrosoftはAzure AI Foundryに動画プレイグラウンドを追加し、Azure OpenAIのSoraを提供開始した。プロンプトや解像度、比率の調整をWeb上で検証でき、PythonなどのAPIコードをそのままVS Codeに書き出せる。
Perplexity、Pro向けに「Perplexity Labs」公開 リサーチからWebアプリ作成まで自動化
Perplexityは月額20ドルのProユーザー向けに新機能「Perplexity Labs」の提供を開始した。通常の検索と異なり、10分以上かけてWeb検索やコード実行を行い、レポートやスプレッドシート、対話型Webアプリなどを丸ごと作成する。検索エンジンから自律型AIアシスタントへの転換を狙う。
ManusAI、プロンプト1つでスライドを一括生成する「Manus Slides」を発表
ManusAIはAIプレゼンテーション作成ツール「Manus Slides」を発表した。1行のプロンプトから構造化されたスライド一式を瞬時に生成し、クリック操作での修正や共有に対応する。白紙から資料を組み立てる手間を省く。
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。
水
5月28日 水曜日
Google フォト新エディタ登場、Pixel独占のAI編集機能が全Android・iOSへ
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、自律型開発エージェント「Droids」を一般公開
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、対話型AIの一斉発信機能を公開：数百件へ同時コール可能に
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、自律型エージェント対応ブラウザ「Opera Neon」を発表
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 ドライブにGemini統合、動画の要約やタスク抽出が可能に
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。
火
5月27日 火曜日
Claudeがついに音声対応：モバイル版でベータ提供、Sonnet 4搭載
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がArc開発停止の理由を説明、AIブラウザ「Dia」に注力へ
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がAgents APIを提供開始：MCP対応とマルチエージェント連携を標準搭載
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。
月
5月26日 月曜日
Microsoft Copilot、GPT-4oによる画像生成に対応 一般向けにも提供
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。
木
5月22日 木曜日
マイクロソフト、ペイントやメモ帳に生成AI機能をテスト提供
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、APIにコード実行やMCP接続などエージェント向け新機能を追加
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。
水
5月21日 水曜日
xAI、リアルタイム検索機能「Live Search API」をベータ提供 期間限定で無料
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、Responses APIを更新 リモートMCPサーバーやCode Interpreterに対応
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、プロンプトでECサイトを自動生成するAIツールを発表
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がPro Perks提供開始、PitchBook等の専門データも検索可能に
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。
火
5月20日 火曜日
GoogleがWorkspaceに新AI機能：メールの自然言語整理やスライドの動画化
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の自律型コーディングAI「Jules」が一般ベータ公開
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、Project Starlineを進化させた「Google Beam」発表：AIで2D映像を3D通話に
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、自分の写真で服をバーチャル試着できるAIショッピング機能を公開
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。
GoogleがGeminiアプリを刷新：Liveの画面共有を無料化、Veo 3やImagen 4も統合
GoogleはGeminiアプリの大幅アップデートを発表しました。カメラや画面共有対応のGemini LiveがiOS/Android向けに無料開放され、標準モデルは2.5 Flashに刷新。さらにImagen 4や音声生成に対応した動画モデルVeo 3が統合されたほか、月額249.99ドルのUltraプランも新設されました。
Googleが「SynthID Detector」公開：テキストから動画までAI透かしをまとめて検出
Googleはテキスト、音声、画像、動画に含まれるSynthID透かしを検出できるポータル「SynthID Detector」を発表した。透かしが含まれる特定部分のハイライトにも対応する。まずはジャーナリストや研究者向けにウェイティングリスト制で提供される。
Googleが汎用AIアシスタント構想を発表：Geminiの世界モデル化とマルチタスク対応へ
GoogleはGeminiを汎用AIアシスタントへと進化させる構想を発表した。Gemini 2.5 Proを世界モデルへと拡張するほか、Gemini Liveへのコンピューター制御導入を進め、最大10件のタスクを並行処理できるブラウザエージェント「Project Mariner」を米国のGoogle AI Ultra加入者に公開した。
Google、NotebookLMに「動画概要」機能を追加へ：資料を視覚的なプレゼンに変換
Googleは「I/O 2025」にて、NotebookLMにノートやPDFから動画プレゼンを生成する「Video Overviews」を追加すると発表した。音声概要の長さ調節も可能になり、前日にはiOS／Android向けアプリも公開されている。
Amazon Music、AI検索機能「Explore」をテスト：アーティスト深掘りやプレイリスト生成に対応
Amazon Musicはアーティストについて深く知ることができるAI検索機能「Explore」のテストを開始した。共同作業した楽曲や関連アーティストを整理して表示するほか、AIプレイリストの作成も行える。現在は米国のiOS版Unlimited会員向けに約1万人のアーティストを対象として限定提供されている。
月
5月19日 月曜日
Google、NotebookLMのスマホアプリを公開：オフライン再生や共有に対応
GoogleはAndroidとiOS向けにNotebookLMアプリを公開した。Audio Overviewsのオフライン・バックグラウンド再生やホストへの質問に対応するほか、ブラウザなど他アプリからWebやPDFを直接ノートに共有できる。
GitHub Copilot、新コーディングエージェントを発表：Issueを任せるだけでPRを自動作成
GitHubがCopilot向けの新しいコーディングエージェントを発表しました。GitHub Issueを割り当てるだけで、エージェントがGitHub Actions環境で自律的にコードを修正してドラフトPRを作成します。MCPによる外部連携や画像認識に対応し、CI/CD実行前には必ず人間の承認を挟む安全設計です。
Microsoft Edgeに小型モデル「Phi-4-mini」内蔵、開発者向けAI APIを提供
MicrosoftはのBuild 2025で、Edgeブラウザに小型モデル「Phi-4-mini」を直接組み込み、実験的なAI API群の提供を開始した。開発者はサーバーを介さずブラウザ上で要約や文章生成を低コストかつ安全に実行できる。さらにPDFの丸ごと翻訳機能やCopilotチャットの拡張も発表された。
Microsoft、Outlook向けCopilot機能を一般提供 添付ファイル要約や会議前ブリーフィングに対応
Microsoftは年次開発者会議「Build」において、OutlookおよびMicrosoft 365向けCopilotの新機能を一般提供した。Outlookではメール添付ファイルや検索結果の要約、会議前の関連タスクまとめに対応する。Copilot Pagesのモバイル版やWord変換機能も今月順次提供される。
マイクロソフト、Windows AI Foundryを発表：MCPネイティブ対応やWSLのオープンソース化も
Microsoftは「Build 2025」でWindows AI Foundryを発表した。オンデバイス推論基盤を統合するほか、Windows 11がMCPプロトコルをネイティブサポートし、エージェントがPCアプリと連携可能になる。WSLのオープンソース化も公表された。
マイクロソフト、研究開発向けエージェント基盤「Microsoft Discovery」発表
マイクロソフトはBuild 2025にて企業研究開発向けエージェントプラットフォーム「Microsoft Discovery」を発表した。グラフベースの推論エンジンと専門AIエージェント群をCopilotが統合制御し、仮説立案からHPCシミュレーションまでを支援する。自社研究ではデータセンター向け新冷却液を約200時間で発見した。
SalesforceがSlack向け「Agentforce」発表、実務を担う「デジタル同僚」へ
Salesforceは月曜日、Slack内で自律的に動くAIエージェント「Agentforce in Slack」を発表した。単なる会話にとどまらず、社内データ検索や複数システムにまたがる業務を実行できる。6月12日からは研修や社内サポート向けテンプレートも提供される。
金
5月16日 金曜日
Runway、画像生成AI「Gen-4 Image」のAPIを提供開始 1枚0.08ドル
Runwayは参照画像機能を含む画像生成モデル「Gen-4 Image」のAPI提供を開始した。外部アプリやサービスに直接組み込み可能で、コストは1枚あたり0.08ドル。バーチャル試着やゲーム素材生成などの活用を見込む。
OpenAIが自律型エンジニア「Codex」発表：クラウドで並列実行しPR作成まで自動化
OpenAIはo3ベースの新モデル「codex-1」を搭載したソフトウエア開発エージェントCodexのプレビュー版を発表した。分離されたクラウド環境でバグ修正やテスト実行、PR作成を並列処理する。開発者は重い作業を非同期でAIに任せられるようになる。ChatGPT Proおよび企業ユーザー向けに提供を開始した。
Acer、Computex 2025でAIウェアラブル発表：サブスク無しの指輪と翻訳イヤホン
Acer GadgetはComputex 2025で、チタン合金製の健康管理リング「FreeSense Ring」と翻訳イヤホン「AI TransBuds」を発表した。リングは追加のサブスク料金なしで全データを確認可能。イヤホンは片方が装着するだけで15言語のリアルタイム双方向翻訳が行える。
木
5月15日 木曜日
ElevenLabs、AI音効ボード「SB-1」公開：テキストから効果音を即時生成
ElevenLabs は自社 SFX API を活用した音効ツール「SB-1 Infinite Soundboard」を公開した。テキストを入力するだけでオリジナルの効果音を即時生成でき、複数音の同時再生やループ再生にも対応。作成したサウンドはプリセット保存でき、配信や Discord ですぐに使える。
Google、AndroidとChromeにAI支援機能を追加：Geminiが画面全体を解説
Googleはアクセシビリティ向上に向けた新機能を発表した。スクリーンリーダー「TalkBack」でGeminiに画像や画面全体の詳細を質問できるようになったほか、リアルタイム字幕で感情の抑揚や咳払いなどの検知に対応。単なるテキスト化を超え、AIによる文脈の伝達が進んでいる。
水
5月14日 水曜日
Windows版Copilotに「Hey, Copilot」音声起動が追加、Insider向けにテスト開始
MicrosoftはWindows Insider向けにCopilotアプリのアップデートを開始し、音声起動ワード「Hey, Copilot」を導入しました。PCロック解除時に声だけでCopilot Voiceを呼び出せます。検出処理は端末ローカルで行われ、初期設定はオフ、現在は英語のみ対応です。
CodeRabbitがVS CodeやCursor向け拡張機能を公開、IDE内コードレビューが完全無料に
CodeRabbitはVS CodeやCursor、Windsurf内で直接動作するAIコードレビュー拡張機能を発表し、IDE内での利用を完全無料化しました。PR作成前にインラインでバグを検出でき、ワンクリック修正や外部AIエージェントとの連携にも対応します。
PerplexityがPayPalと提携、AI検索のチャット内から直接買い物可能に
PerplexityはPayPalと提携し、AI検索内で直接買い物が完結するエージェントコマースを導入すると発表した。今年の夏から米国のPerplexity Proユーザー向けに提供され、チャット上でPayPalやVenmoによる即時決済が可能になる。
YouTube、Gemini活用の新広告ツール「Peak Points」を発表
YouTubeはの「Brandcast 2025」にて、Geminiを活用した広告ツール「Peak Points」を発表した。人気動画の中で最も視聴者の関心が高まる「ピーク」の瞬間をAIが自動検出し、的確に広告を配信する。あわせてコネクテッドTV向けの全画面広告やショッピング機能も発表された。
Google、トップページで「I'm Feeling Lucky」に代わり「AI Mode」をテスト配置
2025年5月、Googleが検索トップページで「I'm Feeling Lucky」ボタンの位置に「AI Mode」を配置するテストを開始した。従来のリンク一覧ではなく、別ページで長文のAI回答を表示する。同社は継続的な実験の一環であり、恒久的な変更ではないとコメントしている。
火
5月13日 火曜日
Google、Geminiを時計・車・テレビ・XRへ一挙展開へ
GoogleはAndroid Showにて、AIアシスタントGeminiをWearOS搭載スマートウォッチやAndroid Auto、Google TVへ年内に展開すると発表した。サムスンと共同開発中のAndroid XR端末にも搭載予定で、スマホ以外の機器でも自然な対話型アシスタントが日常的に利用可能になる。
Vectara、企業向け「幻覚修正ツール」提供開始：誤答率を0.9%に低減
Vectaraはモデルの誤答を自動検出し修正する「Hallucination Corrector」を発表した。同社の評価モデルHHEMと連携し、不正確な記述の理由を提示しながら最小限の変更で修正する。初期テストでは、企業向けAIの幻覚率を約0.9%まで低減できたという。
AlibabaのQwen Chat、「Deep Research」機能を全ユーザーに無料公開
Alibaba の Qwen Chat は数週間のテストを経て「Deep Research」機能を全ユーザー向けに公開しました。知りたいテーマを入力すると AI が質問で絞り込みを行い、包括的なレポートを自動作成します。本格的な調査 Agent が誰でも手軽に使えるようになりました。
NotionがAI会議文字起こしを導入：Mac版で「/meet」から即記録
NotionはAIによる会議文字起こし機能を発表した。Macアプリで「/meet」と入力するとシステム音声を認識し、メモを取りながらの自動記録や要約生成が可能になる。日本語を含む十数言語に対応し、企業向け横断検索やAIリサーチ機能も同時に追加された。
Spotifyの「AI DJ」が音声コマンドに対応、好みの曲や雰囲気を声でリクエスト可能に
Spotifyは「AI DJ」に音声コマンド機能を追加したと発表した。Premium会員向けに60以上の市場で英語による提供が始まっており、DJボタンを長押しして話しかけるだけで曲調やアーティストのリクエストができる。これまでの受動的な聴取から双方向の操作へと進化した。
Audible、出版元向けAI朗読・翻訳ツールを発表 100種超の音声と声質を保つ多言語化を提供
Audibleは出版パートナー向けにAI音声制作・翻訳ツールを発表した。英語や仏語などに対応する100種以上のAI音声を揃え、委託制作またはセルフサービスを選べる。年内には元の声質や語り口を保ったまま他言語へ変換する音声翻訳ベータ版も導入予定だ。
