Higgsfield AI、表情とカメラワークを付加する動画ツール「Higgsfield Speak」を発表
Higgsfield AIは動的なトーキング動画を作成できるツール「Higgsfield Speak」を公開しました。ユーザーがスタイルやアバターを選択して台本を入力するだけで、映画のようなカメラワークや音声、感情表現を伴う動画を自動生成します。
AI音声
新しいニュースを見る
音声AI投資が8倍に急増、人間並みの自然さで電話窓口への導入加速
報道によると、CB Insights の調査で音声 AI 分野の年間調達額が前年比 8 倍の 21 億ドルに達した。OpenAI の Realtime API や ElevenLabs などの進化で遅延とコストが下がり、飲食や医療現場で人間に代わる音声応対の導入が進んでいる。
Epic Games、「Fortnite」でクリエイター製AI NPCの制作に対応へ
Epic Gamesは、「Fortnite」のクリエイター向けに音声対話可能なAI NPCを作成できる環境を提供する方針を明かした。話題を呼んだ「AIダース・ベイダー」の開発知見を活かし、不適切発言を防ぐ安全管理ツールもあわせて提供される。定型文を超えた動的なNPC会話がゲーム体験を刷新する狙いだ。
Google「NotebookLM」、公開リンク共有に対応：誰でも閲覧・質問が可能に
GoogleはNotebookLMに公開リンクによる共有機能を追加したと発表した。リンクを受け取った相手は元資料を編集できないものの、自由に質問したり音声サマリーを聴いたりできる。現在は個人アカウント向けに提供されている。
Wispr FlowがiOS版を公開：100言語以上に対応、小声での音声入力も可能に
音声入力スタートアップのWispr FlowがiOS向けキーボードアプリを公開しました。100以上の言語に対応し、あらゆるアプリ上で音声入力が可能です。ささやき声の認識や独自用語の学習、通信環境が悪い場所での動作にも対応します。週2000語まで無料で、無制限プランは月額12ドルです。
PhonelyがGroqらと連携、音声AIの応答遅延を7割削減し正解率99.2%を達成
VentureBeatの報道によると、AI電話サポートのPhonelyはMaitaiおよび半導体企業Groqと提携し、LoRAの低遅延切り替え技術を活用して音声AIを高速化しました。最初のトークン生成時間は176ミリ秒まで短縮され、回答精度は99.2%に向上。すでに利用者の7割以上が人間と区別できず、月内だけで人間のオペレーター350人を代替する顧客も現れています。
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。
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。
Hume AIがEVI 3を発表：プロンプトで声と性格を自在に生成
Hume AIは第3世代の音声言語基盤モデル「EVI 3」を発表しました。音声認識・対話・発話を単一モデルで処理し、プロンプト一つで自由な声質と性格を即座に生成可能です。ブラインド比較テストでは、共感性や自然さにおいてGPT-4oを上回る評価を獲得しています。
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。
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。
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。
GoogleがGemini 2.5を更新：推論モードDeep Thinkや音声出力を追加
GoogleはGemini 2.5シリーズの機能拡張を発表した。Gemini 2.5 Pro向けに複数の仮説を検証して難解な数学やコードを解く実験的な推論機能「Deep Think」を導入したほか、ネイティブ音声出力やMCP対応を追加。2.5 FlashはGeminiアプリで即日利用できる。
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。
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。
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。
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。
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。
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。