本文へスキップ
IFAI

AI音声

業界タグニュース 572 件

  2. AIツール拡散指数 53

    Spotify、AIエージェントが個人用ポッドキャストを作成・保存できる新ツールを公開

    SpotifyはAIエージェントで生成したカスタム音声をライブラリに保存できるベータ版ツール「Save to Spotify」を発表した。Claude CodeやOpenClawなどのデスクトップ向けエージェントと連携し、毎日のブリーフィングや講義ノートの要約を個人用ポッドキャストとして同期・再生できる。無料およびPremium会員向けに提供される。

  4. AIツール拡散指数 47

    Google、車載システムにGeminiを展開：Assistantを置き換え、取扱説明書の質問にも回答

    Googleは「Google built-in」搭載車両向けにGeminiの配信を開始し、従来のGoogle Assistantを置き換えると発表した。新旧モデル問わずアップデートで提供され、自然な対話による操作のほか、車種別のマニュアルを参照した質問にも答えられる。まずは米国の英語ユーザーから順次展開される。

  7. オープンソース拡散指数 48

    復旦大学、テキストからリアルタイムで音声・動画アバターを生成する「Hallo-Live」を発表

    復旦大学の研究チームはリアルタイム音声・動画アバター生成フレームワーク「Hallo-Live」を発表した。2 基の NVIDIA H200 で 20.38 FPS、遅延 0.94 秒を達成。テキスト入力から高品質な映像と音声を低遅延で同期生成でき、インタラクティブなデジタルヒューマンの課題を解決する。

  8. オープンソース拡散指数 57

    Scenema Audio公開：声質と感情を分離、ト書きで演技を指示できる音声クローン

    Scenema AIが音声生成モデル「Scenema Audio」をオープンソース公開しました。動画モデルLTX 2.3から抽出され、声の特徴と感情表現を分離。短い音声参照からプロンプトのト書きだけで怒りや方言の変更、台詞の途中での感情変化を表現できます。量子化版は16GB以上のVRAMでローカル実行が可能です。

  14. AIツール拡散指数 41

    Google、完全オフラインで動くiOS向けAI音声入力アプリ「Eloquent」を静かに公開

    月曜日、GoogleはiOS向けに完全オフライン対応のAI音声入力アプリ「Google AI Edge Eloquent」を静かにリリースした。端末内のGemmaモデルで音声をリアルタイム文字起こしし、「えーと」などの不要な言葉を自動削除して要約やフォーマル調に整形できる。Geminiを使ったクラウド補正も選べる。

  16. AIツール拡散指数 40

    マイクロソフト、音声認識モデル「MAI-Transcribe-1」公開：Whisper超えの精度

    マイクロソフトは多言語音声認識モデル「MAI-Transcribe-1」を発表し、Microsoft Foundry でプレビュー提供を開始した。25 言語に対応し、FLEURS ベンチマークで Whisper-large-V3 を上回る最高精度を記録。バッチ処理は 2.5 倍高速で、1 時間あたり 0.36 ドルで利用できる。雑音にも強く、Teams や Copilot への導入も進む。

  18. オープンソース拡散指数 48

    600以上の言語に対応する音声合成「OmniVoice」公開、数秒の音声で感情ごとクローン

    600以上の言語に対応するゼロショットTTSモデル「OmniVoice」がオープンソースで公開された。わずか数秒の音声から音色や感情を忠実にクローンし、言語を越えた音声移行やテキスト指示による発話生成に対応する。コードと学習済みモデルはすでに無償公開中だ。

  19. AIツール拡散指数 39

    ChatGPTがCarPlayに対応：音声のみで安全に対話可能に

    OpenAIはiOS 26.4のリリースに合わせてCarPlay専用のChatGPTアプリを公開した。運転中の安全性に配慮し、画面上には文字を表示せず、音声のみでやり取りする仕様となっている。主要な対話型AIとしては初のCarPlay対応となり、利用にはiOS 26.4が必要となる。