ChatGPTの「音声モード」は、GPT-4oなどの音声も理解できるAIモデルと、声を使って対話できるモードだ。 ChatGPTのPlusやTeamなどの有料プランに入っていれば、スマホ版やWeb版で利用でき、信じられないほど自然で、まるで人間と会話をしているような体験を楽しめる。 そんな便利な「音...

2025年、AIによる音声認識技術の進歩により、もはや人間が議事録を作成する必要は無くなった、といっても過言ではない。 もしあなたが、まだAI文字起こしツールを使ったことがないならば、あまりの精度とスピードの進歩に驚くはずだ。 「精度の高いAI文字起こし・議事録ツールは、どうせ有料で、料金も高いんで...

2025年3月20日、OpenAIが、新たな音声モデル3種類を発表した。 画期的なのは、「何を話すか」だけでなく「どのように話すか」までコントロール可能なテキスト読み上げ（Text-to-Speech）モデルの登場だ。感情表現や抑揚など、人間のようなリアルな発話をしてくれるので、カスタマーサポートな...

ChatGPTのスマホアプリで使える「音声モード」は、AIと音声による自然な会話ができたり、周囲の様子をカメラで映してリアルタイムでAIに解説してもらったり、SFの世界のような体験ができる機能だ。 日本語への対応はもちろんのこと、英語、フラ...

iPhoneなどのスマホで、長文のメールやメッセージをフリック入力するのは本当にめんどくさい。 マイクを使って完璧な精度で音声入力ができればいいのに・・・と思ったことが、誰もが一度はあるはず。 本記事では、プログラミングの知識も不要で、iP...

ありえないほど安く、ありえないほど速い、まさに革命的な「Whisper」のクラウドサービスが登場した。 CPUでもGPUでもない、AIに特化した超高速チップ「LPU」を開発するスタートアップ企業「Groq」が提供するWhisperのAPIサ...

音声認識AIがどんどん進化して、無料であっても、非常に正確に文字起こしができるツールが多数登場している。 議事録作成や音声ファイルの文字起こしを行うツールには、月額制の有料サービスも多い。しかし有料だと、個人で気軽に使ってみるには若干ハード...

「Replicate」は、クラウド上のGPUを利用して、Llama 3などの大規模言語モデルや、Whisperなどの音声認識モデル、Stable Diffusionなどの画像生成AIなどを、誰でも簡単に実行できるプラットフォームだ。 初心者...

Googleが開発する大規模言語モデルである「Gemini」には、実はあまり知られていない使い道として、無料で使える超高精度の文字起こしツールとしての顔がある。 2024年4月に登場したフラグシップモデル「Gemini 1.5 Pro」と、...

散々ニュースでも話題のOpenAIの最新AIモデルを使ってみたいけれど、ChatGPTの有料プランに月20ドルも課金するほどではない、という人が、筆者の周囲には結構いる。 サブスク契約をするのを躊躇して、現在もGPT-3.5など無料プランで...