NVIDIAの音声認識モデル「Nemotron 3.5 Transcribe」公開
NVIDIAの音声認識モデルNemotron 3.5 Transcribeは、40言語の文字起こしに対応。録音済み音声向けの特徴と、H100 80G…
音声AI 13件の記事
NTT、相槌や割り込みに対応する双方向音声対話AIを開発
NTTが発表した、相槌や割り込みに対応する音声対話AI技術の仕組みと性能評価を解説します。
Ollama、macOSでAI音声読み上げに対応
Ollama v0.40.11がmacOSでの音声読み上げに対応。使い方と対応範囲をわかりやすく解説します。
声だけで学習した音声対話AI「Dessa」をBlockが発表
決済大手BlockのAI研究チームが、声だけで学習した対話AI「Dessa」を発表。非公開の先行アクセス段階です。
日俳連が音声AI利用の自主基準、事前の個別同意を重視
日俳連が音声AI利用の自主基準を公表。個別同意、期間、対価、データ管理の要点を、法的判断と区別して整理します。
Bee FrontierとEclipse、会話を要約する端末の仕様を公開
Bee Frontierは74.99ドルで購入案内、Eclipseは99.99ドルで近日発売。装着方法や会話要約、データ処理の説明を整理し…
Microsoftの音声AI新モデル3種、文字起こしはリアルタイム化
Microsoftが文字起こしと音声生成の新AI3種を発表。リアルタイム字幕や多言語音声の活用ポイントを解説します。
ElevenLabs v4登場、10秒の音声から声を再現
Eleven v4の感情表現と声の再現を解説。10秒は入力音声の長さで、作成時間ではありません。日本語を含む90以上の言語…
Geminiの電話代行「Call for Me」、米国のPixel 11で順次提供
GoogleがPixel 11向けに、Geminiが飲食店予約などの電話を代行する新機能「Call for Me」を発表。使い方と制限事項を…
Gemini 3.8 Live発表、言語が混ざる音声会話に対応
Googleの新音声AI「Gemini 3.8 Live」を一次情報から解説。97言語切り替え・視覚理解に対応。
スポンサーリンク
西見公宏 著。自律型AIが仕事をどう変えるか、前提知識なしで読める入門書。