ELYZA、
ELYZA が RSI 研究組織を立ち上げました。 AI 研究の主戦場は AI for Science と Long Horizon に移行しています。
ITmedia AI＋
#音声
今日 3件10月7日（水）
· 3件ELYZA、
AWS、
音声旅行コンシェルジュを 構築 AWS が音声旅行コンシェルジュの構築方法を解説しました。 Amazon Bedrock AgentCore と Nova Sonic を使います。
AWS Machine Learning Blog
10月6日（火）
· 4件NVIDIA、
通信向け Nemotron 3 LTM を 公開 NVIDIA が通信事業者向け Nemotron 3 LTM を公開しました。 300 億パラメータで通信タスクの精度を高めます。 AdaptKey が通信データセットでファインチューニングしました。
NVIDIA BlogAlexa Plus、
「lalala」 不具合を 修正 Alexa Plus が「lalala」を繰り返す不具合が発生しています。 複数種類の Echo で数週間にわたり報告されています。 Amazon は一部ユーザーへの影響と認め、修正を進めています。
The Verge · AIGoogle、
Gemini の 通話機能を 検討中 Google が「Call for Me」を通話相手に拡大する可能性があります。 遅刻連絡など短文の伝言を通話で届ける用途を想定しています。
The Verge · AI
10月4日（日）
· 1件Splice CEO、
AI 文書が 会話を 損なうと 指摘 Splice の CEO が AI 製文書は会話を損なうと指摘しました。 社内文書は人が考え議論する土台だと述べました。
The Verge · AI
10月3日（土）
· 7件Sean Parker、
Stability AI 再建を 主導 Sean Parker が Stability AI の再建を主導しています。 アーティストやプロデューサーに AI 利用を広めようとしています。 Napster 共同創業者で、Spotify の初期投資家でもあります。
The InformationApple AI、
多言語音声の 識別を 改善 Apple AI が多言語音声モデルの言語識別を強化しました。 識別を事前学習の初期に導入すると効果が最大です。 音素識別の誤りは 11.6% から 10.4% に低下しました。
Apple Machine Learning Research
10月2日（金）
· 10件英 AI 安全研究所、
ElevenLabs と 提携 英 AI 安全研究所が ElevenLabs と研究提携を発表しました。 音声 AI のリスクと対策を双方向で研究します。 人は実時間の音声会話で AI と人を見分けられるかを調べます。
UK AI Security Institute BlogAirbnb、
AI 検索の 公開を 今週実施 Airbnb が AI 検索を今週公開しました。 エージェント対応でアプリの操作性を高めます。 Chesky 氏は AI 専用 OS の不在を指摘しました。
TechCrunch · AI
10月1日（木）
· 3件Legato、
AI 補聴メガネを 発売 Legato が AI 補聴メガネ Legato Frames を発売しました。 価格は 999 ドルからで、中等度までの難聴者向けです。 眼鏡単体で処理し、レンズ込み 34 グラム、電池は 10〜12時間です。
TechCrunch · AIMeetTwins、
AI 代理出席を 提供 MeetTwins が Google Meet に AI 代理出席します。 インドの開発者 Aditya Shinde 氏がベータ版を公開しました。 チャットに「/stop」と入力すると即退席します。
The Register · AI + ML
9月30日（水）
· 1件9月29日（火）
· 1件SageMaker AI、
Qwen3-TTS を 配信 AWS が SageMaker AI で Qwen3-TTS の配信を解説しました。 vLLM-Omni DLC で双方向ストリーミングに対応します。 音声は 24 kHz PCM で順次返ります。
AWS Machine Learning Blog
9月25日（金）
· 1件DeepMind、
Gemini 3.8 Live を 発表 DeepMind が Gemini 3.8 Live with Live Avatar を発表しました。詳しくは出典へ。
Google DeepMind
9月24日（木）
· 6件Apple、
ASR の 連合半教師あり学習を 改善 Apple が ASR の連合半教師あり学習の手法を改善しました。 クライアントごとのオンライン教師は全体教師と同等以上です。 サーバーはラベル付きデータで学習を続ける必要があります。
Apple Machine Learning ResearchApple、
音声エンコーダ蒸留を 公開 Apple が音声エンコーダの蒸留手法を公開しました。 量子化前の潜在表現を教師信号に使います。 2.8 倍の圧縮で WER の悪化は 1.9% 以内です。
Apple Machine Learning ResearchGoogle、
Gemini 3.8 Flash TTS を 発表 Google が音声合成モデル Gemini 3.8 Flash TTS を発表しました。詳しくは出典へ。
Google Japan Blog
9月23日（水）
· 1件Ringg、
OpenAI で 通話の 65% を 解決 Ringg の AI エージェントが通話の最大 65% を解決します。 GPT-5.6 を使い音声やチャットなど多言語で対応します。 コストは GPT-4.1 比で 90% 削減です。
OpenAI News
9月22日（火）
· 2件OpenAI、
Codex CLI v0.156.0 を 公開 OpenAI が Codex CLI の v0.156.0 を公開しました。 音声会話が既定で有効になり、F8 で切り替えられます。 全画面 UI や利用状況ダッシュボードも追加されました。
OpenAI ChatGPT & Codex ChangelogGoogle、
Gemini 3.8 Flash TTS を 提供開始 Google が音声合成モデル Gemini 3.8 Flash TTS を一般提供しました。詳しくは出典へ。
Gemini API Changelog