GeminiGemini Live に「Guided Vision」、目の見えにくい人の視覚を会話で手助け
Google が Gemini Live の新機能「Guided Vision」を発表しました。カメラに映ったものを会話…
Topic
#音声
音声認識・音声合成・音声対話
記事
Articles
Gemini
Meta Connect 2026: Muse が AI グラスに、100グラムの VR グラスも
Meta の年次イベント Connect 2026 で、AI エージェント Muse の AI グラス対応、小型デバイス…
GeminiGemini 3.8 の音声モデル: 言葉で声を作れる TTS とリアルタイム会話の Live
Google が9月、Gemini 3.8 の音声モデルを相次いで公開しました。9月15日にリアルタイム会話の 3.8 …
OpenAIOpenAI、画像の「GPT Image 2.5」と音声会話の「GPT-Live 1」を API で提供
OpenAI が9月上旬、画像生成の GPT Image 2.5(Sunburst・Flare)と、自然な音声会話の G…
関連する AI クリップ
AI Clips
Gemini API のモデル一覧
Gemini 3.8 Flash、音声の Gemini 3.8 Live、画像の Nano Banana、動画の Veo 3.1 など、API で使えるモデルの公式一覧です。
Microsoft、ストリーミング文字起こしモデル「MAI-Transcribe-2-Streaming」
Microsoft が、話しながら文字に起こせる初のストリーミング対応モデルと、音声合成の最新版を公開しました。
Gemini Live の「Guided Vision」、目の見えにくい人の視覚を手助け
カメラに映ったものを、会話しながら説明してくれる機能。Android 9 以降で、日本も対象地域に含まれています。
Gemini 3.8 Flash TTS: 言葉で声をデザインできる音声合成
指示文から新しい声を作れ、2,000以上の声と100以上の言語・方言に対応。30秒の音声から声を再現する機能は、本人の同意の確認が必要です。