Decisions API 一般提供へ音声アプリにも連携
OpenAIがDecisions APIを一般提供しました。GPT-Liveとの連携、共有入力のキャッシュ、JSON入力などが追加されています。ベータ版からの変更点、Responses APIとの使い分け、料金の条件を整理します。
5秒でわかるAIニュース
OpenAIがDecisions APIを一般提供しました。GPT-Liveとの連携、共有入力のキャッシュ、JSON入力などが追加されています。ベータ版からの変更点、Responses APIとの使い分け、料金の条件を整理します。
xAIは10月14日、音声エージェント向けのGrok Voice 3.0をAPIで提供開始しました。公式料金は1分0.08ドルで、独立ベンチマークでも音声対話の指標が公表されています。
OpenAIは10月15日、ChatGPT VoiceでGPT-Live-1.1と軽量版の展開を開始しました。日本語を含む新しい音声も加わりますが、利用可否は地域やアカウントによって異なります。
Qwen-Audio-Jevは音声を受け、文章を長く生成する代わりに選択・判定・採点結果を直接返す構成です。論文は約20倍の推論高速化を報告しています。
Microsoft AIは10月1日、リアルタイム音声認識モデル「MAI-Transcribe-2-Streaming」と、音声合成モデル「MAI-Voice-2.1」「MAI-Voice-2.1-Flash」を発表しました。文字起こしは60言語に対応し、Microsoftは精度評価での順位や低遅延を訴求しています。価格と性能は同社の発表値として確認します。
Metaは9月23日、音声に特化したスマートグラス「Ray-Ban Meta Audio」を発表した。同社は、音楽・ポッドキャストの再生、通話、ハンズフリーでのAIアシスタント利用を想定し、最大12時間の連続利用と、充電ケースによる最大48時間の追加利用を掲げる。米国価格は349ドルからで、予約を同日開始し、出荷は10月13日を予定する。