Bing Chatに音声入出力機能が追加、会話上限も30ターンに拡大

キーボードでプロンプトを打ち込む代わりに、PCに向かって話しかけるだけでAIが返答してくれる時代が近づいています。

Microsoftは本日、デスクトップ版Bing Chatにおいて音声コマンドによる入出力機能の提供を開始したことを明らかにしました。チャット欄にあるマイクアイコンを押すだけで質問を話しかけることができ、AIからの回答も音声で読み上げられます。

音声対応と同時に会話制限も緩和

今回の音声機能は、まず英語、北京語（中国語）、フランス語、ドイツ語の4言語でサポートされ、今後はさらに対応言語を拡大する方針です。テキスト読み上げ技術により、質問への返答を耳でそのまま確認できます。

同時に、Bing Chatの利用制限も大幅に引き上げられました。

1回のセッションあたりのターン数は従来の20ターンから30ターンへと拡大。1日あたりの総ターン数も最大300ターンまで利用できるようになりました。

この新しい上限はチャット履歴に保存されている過去の会話にも適用されます。上限に達して途中で止まっていたやり取りを再開し、続きを相談することも可能です。

Microsoftは先週、すべてのチャットモードでBing Image Creatorの画像生成を有効化したほか、旅行関連の質問に対してBing Travelのリンクを含むリッチなビジュアル表示を順次展開しています。

さらに約1週間前には、Windows向けの独立したCortanaアプリのサポート終了を発表したばかりでした。Buildイベントで発表されたWindows Copilotへの世代交代が進んでいます。

なぜ重要か

今回のアップデートは単なる利便性の向上にとどまらず、PCにおけるインターフェースの主役が従来の音声アシスタントから大規模言語モデルへと完全に切り替わったことを意味しています。

作業しながら音声で調べ物をしたいユーザーや、長文のテキスト入力を避けたい人にとって、話しかけて音声で返答を受け取れる環境は実用的です。会話の上限が30ターンに拡大されたことで、思考の整理や段階的なリサーチが途中で遮られるストレスも大幅に軽減されます。

業界全体から見れば、Cortanaを退場させてBing ChatやCopilotに音声インターフェースを集約するMicrosoftの判断は合理的です。別々のプロダクトを維持するのではなく、すべての対話体験を生成AI基盤の上に統合しようとしています。

ただし、テキストと違って音声読み上げは誤情報が紛れ込んだ際にユーザーが見落としやすいという課題が残ります。レスポンスの遅延やハルシネーションをどこまで抑え込めるかが、実用ツールとして定着するための鍵になりそうです。