「音声ai」タグの記事をまとめています。
AnthropicがClaude Opus 5.5をリリース。Opus 5より40%安く30%速く、推論前に一文を出力するResponsiveモードが新搭載。GoogleのGemini 3.8 Liveは97言語をリアルタイム音声変換しながらバックグラウンドタスクも並行処理。Suno v6はWarner Music Group・BMG・Believeとのライセンス契約のもとゼロから再構築したAI音楽モデルで、自然言語によるセクション編集やマルチソースマッシュアップを正式サポート。
2026年5月、GoogleがGemini 2.5 Flash Native Audioを大幅アップグレードした。話者のトーン・速度・ピッチを保ちながらリアルタイムで音声を翻訳するLive Speech-to-Speech Translationと、自分に向けられた発話にのみ反応するProactive Audioが核心だ。AIが状況を読み取り、必要なときだけ応答する方式へと進化した。
2026年4月14日、AIツールのエコシステムがまた揺れた。Claude Codeはクラウドベースの自動化ルーティンとマルチセッションデスクトップを発表。NotionはデスクトップAIへの音声入力と35〜50%コスト削減されたカスタムエージェントを公開。Gemini 2.5 ProはLearnLMを統合し、世界最高の学習特化AIの地位を公式に宣言した。
GoogleがGemini 2.5 Flash TTSとPro TTSをアップデートした。感情制御、文脈認識のペース調整、マルチスピーカーまで — AIの音声がついに人間のように話し始めたこの変化が、コンテンツ制作と教育現場にどんな意味を持つか分析する。