BFLが「FLUX.1 Tools」公開：画像編集や構図制御に対応
BFLは画像生成の制御性を高める「FLUX.1 Tools」を発表した。再描画や拡張を行うFill、深度やエッジ情報を保つDepthとCanny、バリエーションを作るReduxで構成される。なおDepthとCannyのAPIサポートはその後終了している。
AIツール · デイリー
金
11月1日 金曜日
Perplexity、米大統領選ハブを公開：AP通信データで開票を速報
Perplexityは米大統領選向けの「選挙情報ハブ」を開設した。AP通信やDemocracy Worksのデータを活用し、投票所の検索から候補者の政策分析、リアルタイムの開票速報まで提供する。すべての回答に出典元を明記し、AI検索の信頼性を担保する狙いだ。
木
10月31日 木曜日
アマゾン、生成AI版Alexaの投入を2025年に延期か 照明操作などで失敗多発と報道
米BloombergはAmazonが大規模言語モデル（LLM）を搭載した新版Alexaの提供目標を2025年に延期したと報じた。ベータ版では応答の遅延に加え、タイマー設定や照明操作といった基本機能の不具合が相次いでいたとされる。会話性能と従来のスマートホーム制御の両立に苦戦している模様だ。
Perplexity、検索から直接買える「Pro Shop」をテスト公開
ADWEEKの報道によると、Perplexityが検索画面から直接商品を購入できる新機能「Pro Shop」の先行テストを開始した。対象商品に表示される「Buy with Pro」から外部サイトに飛ばず送料無料で注文できる仕組みで、現在は一部ユーザー向けに提供されている。
ElevenLabsが「X to Voice」公開、Xのアカウントから固有音声を生成
ElevenLabsは先週、Voice DesignのAPI公開に合わせてオープンソースの「X to Voice」を発表した。Xのユーザー名を入力するとプロフィールや投稿を分析し、最適な音声サンプル3種と口パク付きのアイコン動画を生成する。API経由で独自キャラの音声開発も可能になる。
ClaudeのMac・Windows版アプリが登場、スマホ版には10分間の音声入力機能も
AnthropicはClaudeのMacおよびWindows向けデスクトップアプリの公開ベータ版をリリースしました。あわせてiOSやAndroid向けモバイルアプリには音声入力機能が追加され、最大10分の録音メッセージを文字起こしして回答させることが可能です。リアルタイム会話ではなくボイスメッセージ形式での入力となります。
ClaudeがMacとWindows向け公式デスクトップアプリを公開
AnthropicはAIアシスタント「Claude」のMacおよびWindows向けデスクトップアプリのパブリックベータ版を提供開始した。無料・有料ユーザー双方が利用可能で、ショートカットキーによる素早い起動に対応。モバイル版には最長10分の音声入力書き起こし機能も追加された。
GoogleマップとEarthに生成AI導入：2.5億の地点データをLLMに連携
GoogleはGoogle Maps PlatformとGoogle Earth向けの生成AI機能を発表した。開発者は2億5000万件の地図データとLLMを連携させ、正確な最新情報を提供できる。Google EarthにもGeminiが導入され、都市計画データの分析を数日から数分に短縮する。
OpenAI、「ChatGPT search」を正式提供開始 最新ウェブ情報を出典付きで回答
OpenAIはChatGPT内で直接ウェブ検索を行える新機能「ChatGPT search」の提供を開始した。質問に応じて自動または手動で最新情報を取得し、回答下部のボタンから引用元リンクをサイドバーで確認できる。まずは有料会員向けに先行公開された。
水
10月30日 水曜日
ChatGPTの高度な音声モードがデスクトップ版に対応、MacとWinで利用可能に
OpenAIはChatGPTの「高度な音声モード」をmacOSおよびWindows向けのデスクトップアプリに提供開始しました。感情表現豊かなリアルタイム音声で、コード作成やファイル分析を対話形式で行えます。現在はPlusおよびTeamプランの有料会員向けで、EUや英国など一部地域は対象外です。
Wonder Dynamics、複数カメラの動画から3Dアニメシーンを自動生成する新ツール
Autodesk傘下のWonder Dynamicsは実写動画から編集可能な3Dアニメーションシーンを生成する新ツールを発表した。複数カメラの映像から演者の動きやカメラワークを推定し、BlenderやMaya、Unrealで編集できる3Dデータとして出力する。現在Wonder Studio内でベータ版を提供中。
OpenAIの文字起こしAI「Whisper」に深刻な幻覚問題、テストの8割で虚偽記述
米AP通信によると、研究者らがOpenAIの音声認識モデル「Whisper」で深刻なハルシネーションを確認した。ミシガン大学の調査では音声の80%で虚偽記述が発生し、架空の医療処置を捏造する例も見られた。高リスク業務への利用には注意が促されている。
火
10月29日 火曜日
App Store、レビュー要約機能を導入へ：アプリの評判を一目で確認
9to5Macの報道によると、AppleはApp Storeの製品ページにAIによるレビュー要約機能を導入する計画です。一般的なフィードバックや傾向を自動抽出し、新しいレビューに合わせて更新されます。まずは一部地域のレビュー数が十分なアプリから展開されます。
ChatGPTウェブ版に会話履歴検索が登場、過去のチャットを即座に発見
OpenAIはChatGPTのウェブ版向けにチャット履歴の検索機能を導入した。サイドバーを延々とスクロールすることなく、キーワードで過去のやり取りを素早く検索して呼び出せる。
マイクロソフトが反論：Recall機能の無断インストール疑惑を否定、完全アンインストール対応を明言
MicrosoftはWindows 11 24H2にAI機能「Recall」が勝手に導入されているとの噂を否定しました。同社はRecallが完全なオプトイン方式であり、手動での完全アンインストールも可能であると改めて説明。現行ビルドに見られる関連コードは削除対応用の空パッケージに過ぎないとされています。
Final Cut ProにAI字幕生成とエフェクト機能が登場へ、M4発表で披露
AppleはM4搭載Mac miniの発表動画の中で、Final Cut Proに近日追加されるAI機能を公開した。10分の動画からほぼ一瞬で字幕を生成する「Transcribe to Captions」や、AIによるエフェクト適用に対応する。正式なリリース日はまだ明かされていない。
LinkedIn、採用担当者向けAIエージェント「Hiring Assistant」を発表
LinkedInは同社初のAIエージェント「Hiring Assistant」を発表した。簡単なメモから職務記述書を作成し、スキルに基づいた候補者の選定まで担う。現在はAMDやCanvaなど一部の企業向けに提供されており、今後数か月で順次展開される予定だ。
GitHub CopilotがClaude 3.5 Sonnetに対応、VS Codeで選択可能に
AnthropicはGitHub Copilot向けにClaude 3.5 Sonnetのパブリックプレビュー提供を開始したと発表した。開発者はVS CodeやGitHub.com上でモデルを切り替えて利用可能で、今後数週間で全ユーザーへ展開される。
月
10月28日 月曜日
Google、検索の「AI Overviews」を100カ国以上に拡大：月間10億人規模へ
Googleは検索結果の上部に要約を表示する「AI Overviews」の提供対象を世界100カ国以上に拡大すると発表した。月間ユーザー数は10億人を超える見込みで、英語や日本語、スペイン語など複数言語での表示にも対応する。
Apple Intelligence提供開始：iOS 18.1で文章校正や新Siriが登場
AppleはiOS 18.1、iPadOS 18.1、macOS Sequoia 15.1の無料アップデートを配信し、Apple Intelligenceの第一弾機能を公開した。システム全体で使える文章の校正・要約ツール、デザインが一新されテキスト入力にも対応したSiri、写真の不要物を消去するクリーンアップ機能が利用できる。ただし現時点では端末と言語設定を英語（米国）にする必要がある。
日
10月27日 日曜日
Coinbaseが「Based Agent」公開：3分で暗号資産ウォレット付きAI作成
Coinbaseは暗号資産ウォレットを内蔵したAIエージェントを3分足らずで構築できるテンプレート「Based Agent」を公開した。OpenAIやReplitと連携し、スマートコントラクトを通じた取引やスワップ、ステーキングなどを自動実行できる仕組みを提供する。
木
10月3日 木曜日
Meta Ray-Banに新AI機能が順次提供：視界の電話番号へ発信、駐車位置の記録も
Metaはスマートグラス「Meta Ray-Ban」向けに最新ファームウェアの配信を開始した。視界の物を尋ねると自動で撮影して回答する機能や、カメラで捉えた電話番号への発信、QRコード認識、駐車位置のリマインダーなどが利用可能になる。ただしリアルタイム翻訳や動画AI機能は今回は含まれない。
Google検索が大幅進化：Lensで動画を撮りながら音声質問が可能に
Googleは検索とLensのAI機能を強化しました。Lensで動画を撮影しながら音声で質問すると、AIが映像と音声を解析して概要を提示します。さらに写真撮影時の音声質問や「かこって検索」での楽曲認識機能も追加されました。動画検索は現在、Search Labsの英語ユーザー向けに提供されています。
動画編集CaptionsがAI SNSマネージャー公開、Webサイトから動画を自動生成
動画編集アプリのCaptionsはWebサイト向けのAIソーシャルメディア管理機能を発表しました。サイトを解析して特徴やトレンドを反映した投稿計画を立て、アバターを使ったReelsやTikTok向け動画まで自動生成します。月額25ドル以上のプランで利用可能です。
OpenAI、ChatGPTの新UI「Canvas」公開 別画面で文章推敲やコード修正
OpenAIは文章作成とプログラミングに特化した新インターフェース「Canvas」を発表した。チャット欄とは別の専用ウィンドウが開き、テキストの部分修正やインラインでの改善提案、コードのデバッグや言語変換がスムーズに行える。ChatGPT PlusとTeam向けに提供を開始した。
水
10月2日 水曜日
Amazon、生成AI機能を搭載した新型「Fire HD 8」を発表
Amazonはメモリを3GBに強化した新型「Fire HD 8」を発表しました。キーボードに統合された文章作成支援、ブラウザでのWeb要約、プロンプトからの壁紙生成などの生成AI機能を搭載。これらの機能は今月下旬より、一部の旧型Fireタブレットにも順次提供されます。
火
10月1日 火曜日
Rabbit R1が「LAM playground」公開：Web操作をAIに学習可能に
Rabbitは携帯端末「R1」向けに新システム「LAM playground」を提供開始した。クラウドハブ「Rabbithole」上で、Google検索やAmazonでのカート追加といったWeb作業をAIエージェントに学習させられる。タスク完了に約45秒かかり認証コードに詰まる課題もあるが、同端末の最大の目玉機能がついに動き出した。
Microsoft Paintに生成塗りつぶしと消去機能が登場、Photosは最大8倍の超解像に対応
MicrosoftはCopilot Plus PCs向けのPaintとPhotosに新たなAI機能を発表した。PaintにはPhotoshop風の生成塗りつぶしと生成消去が加わり、ブラシで指定した要素を追加・削除できる。Photosアプリも端末内AIで画像を最大8倍まで拡大可能になり、日常的な画像編集が手軽に行えるようになる。
Bingの生成AI検索が対象拡大：複雑な質問に構造化された回答を提示
Bingは生成AI検索のテスト範囲をハウツーや複雑な情報検索へと拡大したと発表した。単に検索結果を並べるだけでなく、関連情報をまとめたレイアウトと出典リンクを提示する。現在は米国向けベータ版として提供されている。
マイクロソフト、Copilot+ PC向けにClick to Doや刷新版Recallを発表
マイクロソフトはCopilot+ PCおよびWindows 11向けの新AI機能を発表した。画面上のコンテンツに応じて操作を促す「Click to Do」やオフラインでの自然言語ファイル検索、写真の8倍超解像度化を追加。延期されていた「Recall」もオプトイン制と生体認証を導入し、Windows Insider向けに提供を再開する。
アドビ、「Elements 2025」を発表：AI消去や被写界深度のシミュレーションを追加、買い切り型で提供
Adobeは「Photoshop Elements 2025」と「Premiere Elements 2025」を発表した。不要なものを消去するツールやAIによる被写界深度ボケ、動画向けカラーLUTなどを追加。サブスク不要の1回払い（各100ドル）で、初心者でも手軽に高度な編集が可能になる。
OpenAIがAPIにモデル蒸留を統合、大規模モデルで小型モデルを訓練
OpenAIはAPIプラットフォーム上で完結するモデル蒸留ワークフローを発表した。出力ログの保存、評価（Evals）、ファインチューニングを一体化。高度な大型モデルの出力を使い、低コストな小型モデルの性能を手間なく引き上げられる。
マイクロソフトがCopilotを刷新、リアルタイム音声や画面を見る「Vision」を追加
マイクロソフトはCopilotの大幅刷新を発表し、自然に対話できる音声機能と閲覧中ウェブページを理解する「Copilot Vision」を追加しました。さらに複雑な推論を行う「Think Deeper」も導入。Visionなどの実験的機能は一部地域のテスター向けに順次提供されます。
Wondershareが「Filmora 14」公開、長尺からショート自動切り出しやAI色合わせに対応
Wondershareは動画編集ソフト「Filmora 14」を発表した。長尺動画から字幕付き縦型ショートを自動生成する「スマートショートクリップ」のほか、AI高画質化、リップシンク翻訳、マルチカメラ編集など10種類以上の新機能を備える。
月
9月30日 月曜日
Google、AI StudioのモバイルUIを刷新 モデルを前面に配置
Googleのローガン・キルパトリック氏はGoogle AI Studioのモバイル体験を大幅に簡素化したと発表した。不要なUI要素を整理してモデルを前面に配置し、スマートフォンからでも直感的にモデルを操作・テストできるようにした。
ソニーとRaspberry Pi、70ドルの「AI Camera」発売 IMX500搭載でオンチップ推論
ソニーセミコンダクタソリューションズとRaspberry Piは、70ドルの「Raspberry Pi AI Camera」を発売した。IMX500インテリジェントビジョンセンサーを搭載し、追加のGPUなしでカメラ側でAI推论を実行できる。すべてのRaspberry Piモデルに対応する。
日
9月29日 日曜日
Mileseey、AI搭載のゴルフ距離計「GenePro S1」を発表
Mileseey GolfはAI搭載のゴルフ用レーザー距離計「GenePro S1」を発表した。高低差だけでなく湿度、風、気温、気圧も考慮して推奨距離を自動補正し、グリーン上ではセンチ単位の測定に対応する。価格は799.99ドルで、専属キャディのような環境分析を手元で実現する。
金
9月27日 金曜日
ChatGPTの新音声機能、禁じられた「歌唱」の制限を回避されビートルズを熱唱
米Ars Technicaによると、あるエンジニアがコード当てゲームを通じてChatGPTの新音声機能（AVM）を誘導し、ビートルズの『Eleanor Rigby』を一緒に歌わせることに成功した。OpenAIは著作権保護のため歌唱を禁止する指示を与えていたが、プロンプトの工夫で容易に突破された格好だ。
Microsoft、「Windows Recall」のセキュリティ刷新を発表 完全オプトイン制や生体認証暗号化を導入
Microsoft はプライバシー懸念で延期していた Windows Recall のセキュリティ設計を刷新したと発表した。AI 画面検索機能はデフォルトで無効化され、完全削除も可能になった。データは隔離領域に保存され、Windows Hello による生体認証がないと復号できない。
Azure AI、GPT-4oの微調整を一般提供開始 Llama 3.2も追加
マイクロソフトはAzure OpenAI ServiceにおいてGPT-4oおよびGPT-4o miniのファインチューニングを一般提供開始したと発表しました。あわせてMetaのLlama 3.2やPhi-3.5シリーズを追加し、ハルシネーションをリアルタイム修正する安全機能も導入しています。
Gmail、Geminiで返信提案が進化 文脈を汲んだ長文メール作成に対応
GoogleはAndroidおよびiOS版Gmail向けにGeminiを活用した「コンテキスト対応スマートリプライ」の提供を開始した。従来の定型文にとどまらず、スレッド全体の文脈を理解して挨拶や結びを含む返信文を提示する。現在は英語のみ、Gemini有料プラン加入者向けに展開されている。
木
9月26日 木曜日
Google「NotebookLM」、YouTube動画や音声の読み込みと音声概要のリンク共有に対応
Googleは「NotebookLM」に公開YouTubeリンクと音声ファイルの直接追加機能を提供開始した。動画の文字起こしに沿った要約や引用が可能になり、生成した音声解説「Audio Overview」のURL共有にも対応した。Workspaceユーザーは共有機能の対象外となる。
Airtable、企業向けAIプラットフォームへ刷新 1億件超のデータに対応する「HyperDB」など提供
Airtableは木曜日、業務ワークフローへのAI導入を支援するエンタープライズ向けAI機能を発表した。標準化されたAIアプリを展開できる「App Library」と、1億件超のデータを扱える「HyperDB」を追加し、単なるチャットボットを超えた業務自動化を目指す。
火
9月24日 火曜日
Microsoft、AIのハルシネーションを自動検出し書き直す「correction」機能を提供
MicrosoftはAzure AI Studioのプレビュー機能として「correction」を公開した。出力結果を参照ドキュメントと照合し、ユーザーに届く前に誤りを検出・書き換える。ただし同社自身も、修正プロセス自体が誤りを犯す可能性を認めている。
Apple酷似問題で停止のFigmaのAI機能、「First Draft」として再開
FigmaはAppleの天気アプリを模倣したとして取り下げていたAI生成機能を「First Draft」と改名して再開した。GPT-4やAmazon Titanなどの既存モデルを活用し、4つのコンポーネントライブラリから低忠実度のワイヤーフレームなどを組み立てられる。現在は限定ベータとして提供中だ。
Spotify、プロンプトで曲順を作る「AI Playlist」を北米などに拡大
Spotifyは生成AIを使ってプレイリストを作成できる「AI Playlist」ベータ版の提供を、米国やカナダなどの有料会員向けに拡大した。テキストで気分やシチュエーションを入力すると30曲のリストが生成され、追加指示での調整も可能だ。
Snapchat、チャットボット「My AI」にGoogleのGeminiを採用
SnapはGoogle Cloudとの提携拡大を発表し、「My AI」にマルチモーダルAIのGeminiを導入した。テキストに加え画像や動画の理解が可能になり、外国語の道路標識の翻訳やメニュー選びを支援する。導入後、米国での利用エンゲージメントは2.5倍以上に急増した。
Duolingo、AIビデオ通話機能と探索ミニゲーム「Adventures」を発表
Duocon 2024 にて、Duolingo は新機能「Video Call」と探索型ミニゲーム「Adventures」を発表しました。Duolingo Max 会員は人気キャラクターの Lily と英語・スペイン語・フランス語でリアルタイム会話練習ができ、ゲーム内でカフェ注文などの実践的な対話も学べます。
