Qwen3-ASRやWhisperといったモデルが会議やインタビュー、動画の音声を文字に変える様子を扱い、書き起こし・字幕・リアルタイム聴写の課題に応える。
PLaMo 翻訳は 2026 年 10 月 7 日、日本の Preferred Networks（PFN）によって大型アップデート版が提供開始された。新しい版は第 3 世代 PLaMo を基盤とし、対応言語は日英の 2 言語から 53 言語へ拡大。オンライン会議の発言をリアルタイムに文字起こしして翻...
whisper.cppは、Python環境を用意せずに自分のパソコンでオフライン文字起こしをしたい人に合い、特にクラウドへ上げたくない会議録音、インタビュー、授業の素材に向いています。ただし、コマンドラインをまったく触ったことがない人や、話者を必ず区別したい人にとって、入れたら終わりという手軽なツー...
MAI-Transcribe-2-Streaming は 2026 年 10 月 1 日、Microsoft AI が公式ブログで発表した音声モデルで、音声合成モデルの MAI-Voice-2.1 と高速版 MAI-Voice-2.1-Flash も同時に登場しました。3 モデルは音声エージェント向...
マルチモーダルモデルとは、テキスト・画像・音声など複数の情報形態を同時に処理できるAIモデルのことだ。画像や音声、短い文章を渡せば、それらをまとめて理解して応答できる。ただ、最初に線を引いておきたい。「マルチモーダル」は「万能」とは違う。入出力のチャネルが増えただけで、人間のような理解力が自動で備わ...
2026年9月30日、ElevenLabsは3億ドルの従業員向けテンダーオファーの完了を発表した。企業評価額は220億ドルに達し、今年2月の5億ドル調達（シリーズD）時の110億ドルから倍増した。2022年創業のAI音声企業は、「話すAIエージェント」を本格的なビジネスに変えつつある。 数字を見る：...
AIペットカメラは買いか。それは一つの問いに答えればわかる。家に誰もいないとき、ペットの様子を本当に見る必要があるのか、それとも目新しいだけなのか。前者なら——ペットが長時間ひとりになり、異音や異常行動をすぐに知りたいなら、真剣に検討する価値がある。家族がいつも家にいて、ただ面白そうだから、という理...
AIスマートスピーカーは買いなのか。その答えはスペック表ではなく、あなたのリビングにある。お年寄りや小さな子どもがいる家庭、あるいはスマートホーム機器をすでに数台持っているなら、家族が最もよく使うAIガジェットになる。一人暮らしでプライバシーを気にする人や、主に音楽再生が目的なら、そのお金は節約した...
AI ボイスレコーダーは、ここ2年で数少ない「本当に売れた」AI ハードウェアだ。売っているのはスペックではなく、「会議後に議事録を自分でまとめなくていい」という体験である。買う価値があるかどうかは、ひと月に何時間の対面会話を文字起こしする必要があるかにほぼ完全に依存する——月5時間以下と20時間以...
