Metaの次期「Llama 4」、音声機能を大幅強化か　会話の割り込みに対応

AI と音声で会話しているとき、相手が延々と話し続けてこちらの言葉を挟めないもどかしさを感じたことがある人は多いはずです。

Financial Times の報道によると、Meta は主力オープンモデルの次期版となる Llama 4 を数週間以内に公開する見込みで、音声機能の大幅な強化を計画しています。特に重視されているのが、OpenAI の ChatGPT 音声モードや Google の Gemini Live のように、AI が話している最中にユーザーが割り込める機能です。

ネイティブのオムニ化と割り込み対話

今週開かれたモルガン・スタンレーのカンファレンスで、Meta の最高製品責任者である Chris Cox 氏は、Llama 4 がテキストや音声などの多様なデータをネイティブに処理・出力できる「オムニ」モデルになると明かしました。

開発が急ピッチで進む背景には、ライバルからの強いプレッシャーがあります。中国の AI ラボ DeepSeek が公開したオープンモデルが Llama と同等以上の性能を示したことで、Meta は開発現場を非常体制にシフトさせました。報道によれば、同社は DeepSeek がいかにモデルの運用・展開コストを抑えたかを解明するため、専門の対策室を設置して分析に追われているとされます。

なぜ重要か

私たちは、Llama 4 がリアルタイムの音声割り込みをオープンモデルとして実用レベルで実現できれば、これまで商用クラウドに独占されていた自然な音声体験がエコシステム全体に開放されると考えています。

開発者にとっては、OpenAI や Google の従量課金 API に依存することなく、自社環境やエッジ端末で応答性の高い音声アシスタントを構築できる道が開けます。

ただし、最大の関門はコスト面にあると見られます。いくら音声機能が自然でも、DeepSeek が突きつけた極端な低コスト化に対抗できなければ、オープンソース界での主導権を取り戻すのは容易ではないはずです。