#speech-recognition

2026年2月4日、フランスのAIスタートアップ Mistral AI が、「Voxtral Transcribe 2」という新たな音声認識モデルをリリースした。 Voxtral Transcribe 2...

2025年6月17日、Googleが開発する大規模言語モデル「Gemini」の新バージョンとなる「Gemini 2.5」モデルファミリーの正式版がリリースされた。 従来、Preview版／Experimental版として一部で利用できた「Gemini 2.5 Pro」と「Gemini 2.5...

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。...

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。...

2025年3月20日、OpenAIが、新たな音声モデル3種類を発表した。...

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。...

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。...

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サービスだ。 なんと、OpenAI公式のWhisper...

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ルが高い。...

「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。...

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、2024年5月にGoogle...

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。...

OpenAIが開発している「Whisper」は、あらゆる言語で人間の会話音声を文字起こしできる高性能なSpeech-to-textモデルだ。 Whisperはオープンソース化されており、モデルをダウンロードすれば、無料で、誰でも利用できる。...

ChatGPTで知られるOpenAIが開発した、「Whisper」という超高精度な音声認識モデルをご存知だろうか？最近では、ChatGPTのスマホアプリのボイス機能（音声対話機能）でも、Whisperモデルが音声認識のために使われている。...

ChatGPTをはじめとする大規模言語モデル（AI）は、英語学習や英会話の練習においても、非常に役に立つ。 高性能なAIをうまく使えば、人間を相手に英会話の練習をするよりも圧倒的に安く、無限に長時間の練習ができ、どれだけ話しかけても嫌がらない練習パートナーが手に入るのだ。 筆者はTOEICが満点で、TOEFL...

Whisperは、ChatGPTで知られるOpenAIによって開発された非常に正確な音声認識モデルで、会話の音声をテキストに書き起こしてくれる。 100万時間以上のデータでトレーニングされた最新のAIモデルだが、驚くべきことにオープンソースで公開されているため、誰でも、無料で、簡単に利用することができる。...

近年のAIの発展は目覚ましく、ChatGPTを代表とする文章生成AIが話題になって久しい。しかし、文章生成AIだけでなく、音声認識による自動文字起こしをするサービスのレベルも信じられないほど向上していることをご存知だろうか。...