Xboxがゲーム特化AI「Gaming Copilot」公開、画面を見ながら音声で攻略支援
XboxはAIアシスタント「Gaming Copilot」のベータ版提供を開始した。Windows PCのGame Barで順次利用可能になり、10月にはモバイルアプリにも展開される。画面内容をリアルタイムに認識し、敵の倒し方やクエスト攻略を音声でアシストしてくれる。中国本土を除く18歳以上が対象。
AI音声
新しいニュースを見る
ElevenLabs、Studio 3.0を発表：動画対応に加え音声・音楽・効果音機能を統合
ElevenLabsは「Studio 3.0」を発表した。動画編集に対応したほか、ナレーション、音楽、効果音、音声分離、ボイスチェンジャーを単一エディタに統合。さらに自動字幕生成、録音音声の修正、共同作業者向けのコメント機能も追加された。
YouTube Studioが刷新：対話型AI「Ask Studio」や20言語のリップシンク吹替を導入
YouTubeはの「Made on YouTube」にて、クリエイター向け新機能を発表しました。分析や企画の相談ができる対話型AI「Ask Studio」に加え、タイトルとサムネイルの比較テスト、20言語対応のリップシンク自動吹替、顔の無断使用を検知する機能などを順次展開します。
ElevenLabsが新サービス「Productions」発表、プロの編集で自然な音声を制作
ElevenLabsはクリエイターやメディア企業向けの新サービス「Productions」を発表した。言語や音響のプロが監修・編集に入り、吹き替え、字幕、文字起こし、オーディオブックを人間らしい自然な仕上がりで提供する。
AppleのAI・検索幹部ロビー・ウォーカー氏が退社へ Siri刷新遅れる中
Bloombergによると、AppleでAIおよび検索チームを率いるロビー・ウォーカー氏が来月退社する予定です。2013年入社の同氏はかつてSiri事業を統括していました。SiriのAI刷新が来年に延期される中、Metaなど競合へのAI人材流出が相次いでいます。
Udioが新機能「Voices」公開、曲をまたいだボーカル声質の固定が可能に
AI音楽生成のUdioがボーカルの一貫性を保つ新機能「Voices」を発表した。公式のプリセット音声を選べるほか、生成した楽曲の声を保存して別の楽曲に引き継ぐことができる。全ユーザー向けに2週間無料提供された後、有料プラン限定となる。
Copilot Labsに脚本モード登場：新音声モデルMAI-Voice-1で原文通り朗読
MicrosoftのCopilot Labsは新音声モデル「MAI-Voice-1」によるScriptedモードを公開しました。入力テキストを一言一句正確に読み上げるほか、抑揚を強めるEmotiveや複数役を演じ分けるStoryモードも提供され、表現の幅が広がります。
ElevenLabs、AIエージェント向けテスト機能を公開 CI/CD連携で退行バグを防ぐ
ElevenLabsは会話型エージェント向けの検証機能「Agents Testing」を発表した。ツールの呼び出しやオペレーターへの引き継ぎ、安全ガードレールを構造化シミュレーションで検証可能。過去の会話データからテストを自動生成し、CI/CDパイプラインに組み込んで本番前の不具合を防げる。
OneMeta AIがVerbumを発表：最大50人が母国語で同時通話できるリアルタイム音声翻訳
OneMeta AIはリアルタイム多言語翻訳サービス「Verbum」を発表した。最大50人がそれぞれ異なる母国語で話しても、82の言語と40の方言に対応して約1秒でテキスト化とAI音声翻訳を提供する。国際チームの会議からメタバースの多人数交流まで言葉の壁を解消することを目指している。
AppleがAirPods Pro 3発表：ノイズ低減2倍、AIリアルタイム翻訳と心拍計測に対応
AppleはAirPods Pro 3を発表した。前世代比で最大2倍のANC性能を備え、新たに心拍数センサーを搭載。さらにApple Intelligenceを活用した対面リアルタイム翻訳機能や、オンデバイスAIによるワークアウト支援に対応した。
GoogleのGeminiアプリ、ついに音声ファイルのアップロードに対応
Googleは月曜日、Geminiアプリに音声ファイルのアップロード機能を追加した。無料ユーザーは1回あたり最大10分（1日5回まで）、有料プランでは最大3時間の音声を解析できる。あわせてNotebookLMにもクイズや学習ガイド形式のレポート生成が加わり、検索AIモードも日本語に対応した。
Robloxが動画フィードと新AI発表：運転できる車をプロンプトで生成
Robloxはの開発者会議で、ゲーム動画共有機能「Roblox Moments」と新AIツール群を発表した。プロンプトから運転可能な車など動的な3Dオブジェクトを生成可能になるほか、リアルタイム音声翻訳やNPC用音声APIも順次提供される。
Timekettle、シェア特化の翻訳イヤホン「W4」発売：骨伝導センサー搭載
Timekettleはリアルタイム翻訳イヤホン「W4 AI Interpreter Earbuds」を349ドルで発売した。通常のマイクに骨伝導センサーを組み合わせ、騒音下や小声でも正確に集音可能。Babel OS 2.0を搭載し、42言語・95アクセントの即時翻訳に対応する。
Anker、硬貨サイズのAIボイスレコーダー「Soundcore Work」を発表
Ankerは直径わずか0.91インチの小型AIレコーダー「Soundcore Work」を発表した。価格は159ドル。服にクリップ留めして8時間駆動し、GPT-4.1を活用して100以上の言語の文字起こしや話者分離、会議の要約を自動で行う。
水1万8000杯の悪戯注文を経て：米ファストフード大手がドライブスルーAIを再構築
報道によると、タコベルやマクドナルドがドライブスルーAIの導入戦略を再検討している。アイスにベーコンを追加する誤作動や1万8000杯の水を注文される悪戯を受け、マクドナルドはGoogle Cloudの音声AIへ移行し、タコベルは混雑時の有人対応を検討中だ。
マイクロソフト、初の自社開発モデル「MAI-Voice-1」と「MAI-1-preview」を発表
Microsoftは自社開発のAIモデル2種を発表した。音声モデル「MAI-Voice-1」は単一GPUで1分の音声を1秒未満で生成でき、Copilotに導入済み。「MAI-1-preview」は約1.5万基のH100で学習した混合エキスパート型モデルで、LMArenaで公開テストを開始した。
OpenAIが「gpt-realtime」提供開始、Realtime API正式版で20%値下げ
OpenAI は音声対話機能を提供する Realtime API の正式版を公開し、新モデル「gpt-realtime」を発表した。SIP による電話網接続、画像入力、リモート MCP ツール連携に対応し、プレビュー版と比べて利用料金を 20% 引き下げた。
米緊急通報センターの人手不足をAIで支援 Aurelianが1400万ドル調達
AI音声エージェントを開発する米AurelianはNEA主導のシリーズAで1400万ドルを調達したと発表した。同社は深刻な人手不足に悩む911通報センター向けに、騒音被害や駐車違反などの非緊急通報を自動処理するAIを提供。真の緊急時は即座に人間の担当者へ転送する仕組みで、すでに十数カ所のセンターで本稼働している。
マイクロソフト、Copilotをサムスンの2025年型テレビ・モニターに搭載
Microsoftがサムスンの2025年型スマートテレビやモニターにCopilotを導入しました。リモコンのマイクボタンから画面上のアニメーションアバターを呼び出し、ネタバレなしのあらすじ要約や映画の推薦を対話で受け取れます。まずは一部地域の対象モデルから順次展開されます。
Meta、「Horizon」向け環境生成ツールを一般公開 対話型LLM NPCも予告
Metaはクリエイター向けツール「Worlds Desktop Editor」にて、プロンプトから空間全体を構築できる「Environment Generation」を全クリエイターに提供開始した。さらに、音声で動的に対話できるLLM搭載の具身NPCツールも近日中に提供すると予告した。