提供開始と、今後対応する端末を分けて読む

Metaの発表ページは11月5日付で、11月6日の日付も併記されています。音声会話では途中の割り込みにも対応すると説明しています。AI GlassesとMuse Charmでの音声利用は今後の予定です。

今回追加される音声・アバター機能の日本での開始時期、日本語の正式対応、料金や利用上限は今回確認できていません。アプリが入手できることと、この新機能が自分のアカウントに提供されていることは分けて確かめたいところです。

研究の低遅延は、手元の端末での保証ではない

9月23日付のMeta AI Researchの記事は、音声と映像に同じ音声トークン列を使う仕組みを説明しています。音声トークンは、発話を処理するための単位です。

研究記事の約870msという遅延は、ユーザーの発話終了から、同期した音声・映像応答の最初のバイトを受け取るまでの測定値です。画面を見て感じる待ち時間全体と同じとは限りません。一般利用で常にこの値になる保証としては読めません。

同記事はMuseを18歳以上向けとし、研究の例に登場するアバターがすべてアプリで使えるわけではないとも明記しています。デモ映像を見て、そのまま選択できると考えないようにしましょう。

ラボの分析

面接練習なら、表情より訂正の伝わり方を比べる

以下は未実施の比較試験案です。利用可能な地域の正規アカウントで、架空の応募先を設定した面接練習を用意します。実在する会社の機密情報や、他人の個人情報を入力する必要はありません。

同じ質問を文字、音声のみ、アバター付きの条件で試します。端末と回線をそろえ、途中で答えを言い直したときに訂正が反映されるか、聞き返しが何回あったか、回答が始まるまでにどれだけ待ったかを記録します。会話の長さもそろえると比較しやすくなります。

評価は、話し続けやすさと回答内容の正確さを分けます。うなずきや表情が自然でも、内容を正しく理解した証拠にはなりません。最後に回答を文字で読み返し、話していない経歴や条件が追加されていないかを確かめます。試験前に音声の保存・利用設定も確認しておくと安心です。ここで挙げた手順は編集部の提案であり、効果を実測した結果ではありません。

まとめ

利用可能になったら、まず音声のみで短い練習を試し、アバター表示が自分の用途に役立つか比べてみるとよさそうです。自然な表情に引っ張られず、会話の内容を確認できる使い方を選びたいところです。

情報源

出典は上記のリンクから確認できます。発表元の説明と、編集部による分析・試算は本文中で区別しています。