音声認識– tag –

はじめに 　OpenAIは2026年8月3日、公式ブログで音声AI「GPT-Live」の内部構造を解説する記事を公開しました。ターン検出を排した全二重会話の仕組みと、応答速度を支える通信・推論基盤の設計について、本稿で紹介します。 参考記事 タイトル: How we bui...

はじめに 　Anthropicは2026年7月23日、Claudeの音声モードでOpusとSonnetを利用できるようにしたと発表しました。GmailやSlackなど連携ツールへのアクセスや対応言語の拡充も同時に行われています。本稿では、この刷新内容と実用面での変化を解説します。...

はじめに 　本稿では、NVIDIAが新しく公開した多言語音声AIのためのデータセットとモデルについて、その技術的なポイントや意義を詳しく解説します。音声認識や翻訳AIは急速に発展していますが、対応言語の数には大きな偏りがあるのが現状です。今回NVIDIA...

はじめに 　本稿では、Google DeepMindが発表した最新AIモデル「Gemini 2.5」に搭載された、高度な音声対話および音声生成機能についてGoogle Blogに掲載された「Advanced audio dialog and generation with Gemini 2.5」をもとに詳しく解説します。 引用...