強力な音声体験のための改良版Geminiオーディオモデル

強力な音声体験のための改善された Gemini オーディオモデル 一般概要 Google は、より優れたライブ音声エージェントのために Gemini 2.5 Flash Native Audio を強化しました。機能呼び出しの精度向上、堅牢な指示従順性、そして滑らかな会話の実現が期待されます。Google Translate アプリのベータ版でライブ音声翻訳を試すことができます。現在、米国、メキシコ、インドの Android ユーザー向けに段階的に展開されています。 「強力な音声体験のための改善された Gemini オーディオモデル」は、ライブエージェントと翻訳を強化します。 Gemini 2.5 Flash Native Audio は now、機能呼び出しの精度が向上し、指示従順性が改善されました。 このアップデートにより、以前の会話履歴から文脈を取得することで、会話がより滑らかになります。 Google Translate のライブ音声翻訳は、イントネーションを保持しつつ、70 以上の言語に対応しています。 Vertex AI で Gemini 2.5 Flash Native Audio を使用すれば、今日から音声エージェントの構築を開始できます。 基本的な解説 Google は、Gemini AI が会話での理解と発話能力を向上させました。現在は指示をより正確に理解し、会話を滑らかに進行させ、リアルタイムで言語翻訳を行うことが可能になりました。これは、AI が顧客サービスなどのビジネス支援に役立ち、異なる言語を話す人同士でも相互理解が深まることを意味します。Google Translate アプリのライブ翻訳機能も実際に試すことができます。 他のスタイルを探す: 一般概要 基本的な解説 お使いのブラウザは音声要素をサポートしていません。 先週、Gemini 2.5 Pro および Flash テキスト音声合成モデルのアップグレードにより、オーディオ生成に対する制御性を高めました。 しかし、表現豊かな音声を生成するのは会話の一面に過ぎません。本日、ライブ音声エージェント向けに更新された Gemini 2.5 Flash Native Audio をリリースします。このアップデートは、複雑なワークフローの処理、ユーザー指示への対応、そして自然な対話の維持におけるモデルの能力を向上させます。 Gemini 2.5 Flash Native Audio は現在、Google AI Studio や Vertex AI を含む Google の製品群で利用可能となり、Gemini Live および Search Live での展開も開始されました。これにより、Search Live でネイティブオーディオの自然さが初めて実現されます。つまり、Gemini とライブでブレインストーミングをより効果的に行ったり、Search Live でリアルタイムのサポートを受けたり、次世代のエントプライズ対応カスタマーサービスエージェントを構築したりすることが可能になります。 有益なエージェントを支えるだけでなく、ネイティブオーディオはグローバルコミュニケーションにおける新たな可能性を開きます。私たちはライブ音声翻訳という機能を導入しました。これはヘッドフォン向けのストリーミング音声対音声翻訳を可能にする機能であり、話者のイントネーション、ペース、ピッチを保持します。このベータ版体験は、本日より Google 翻訳アプリで展開を開始しています。 ライブ音声エージェント さまざまな製品やプラットフォームにわたる広範なユースケースを実現するために、Gemini 2.5 Native Audio を以下の 3 つの主要領域で改善しました： 関数呼び出しの精度向上：外部関数のトリガー時のモデルの信頼性を改善しました。会話中にリアルタイム情報を取得すべきタイミングをより正確に識別できるようになり、そのデータを音声応答にシームレスに組み込むことで、流れを途切れさせることなく対応できます。ComplexFuncBench Audio（多段階の関数呼び出しと各種制約を捉える評価指標）では、Gemini 2.5 Native Audio が 71.5% のスコアで首位となっています。 堅牢な指示従順性：複雑な指示への対応が向上し、コンテンツの完全性の観点からユーザー満足度が向上しました。開発者の指示に対する遵守率が 90%（前回の 84% から改善）に達し、より信頼性の高い出力を提供します。 滑らかな会話：多段階会話の品質において大幅な進歩を達成しました。Gemini 2.5 Flash Native Audio は、以前の対話からの文脈をより効果的に取得できるため、一貫性のある会話を創出できます。 ComplexFuncBench における、更新された Gemini 2.5 Flash Native Audio の過去のバージョンおよび業界競合他社とのパフォーマンス比較 顧客の声 Google Cloud の顧客はすでに、Gemini のネイティブ音声機能を活用して、住宅ローン処理からカスタマーコールまで、実際のビジネス成果を創出しています。 「ユーザーは Sidekick を使用して 1 分も経たないうちに、自分が AI と対話していることを忘れ、長いチャットの後にボットにお礼を言うケースさえあります。Gemini [2.5 Flash Native Audio] を通じて提供される新しい Live API の AI 機能により、当社の加盟店は勝利を収めることができます。」— Shopify 製品担当副社長 デイビッド・ワーツ 「Gemini 2.5 Flash Native Audio モデル（音声モデル）を統合することで、2025 年 5 月のローンチ以来、Mia の機能を大幅に強化しました。この強力な組み合わせにより、ブローカーパートナー向けに 14,000 件を超える融資の生成が可能になりました。」— United Wholesale Mortgage (UWM) 最高技術責任者 ジェイソン・ブレスラー 「Vertex AI を通じて Gemini 2.5 Flash Native Audio モデルを活用することで、Newo.ai の AI 受付担当者は比類なき対話知能を実現しています。彼らは騒がしい環境でも主要な話者を特定でき、会話中に言語を切り替えられ、驚くほど自然で感情的に表現豊かな声を出すことができます。」— Newo.ai 共同創設者 デイビッド・ヤン ライブ音声翻訳 Gemini は現在、連続的なリスニングと双方向の会話を処理するように設計された、新しいライブ音声から音声への翻訳機能をネイティブサポートしています。 連続リスニング機能により、Gemini は複数の言語での発話を自動的に単一の目標言語に翻訳します。これにより、ヘッドフォンを着用して、周囲の世界を自分の言葉で聞くことが可能になります。 双方向の会話において、Gemini のライブ音声翻訳は、話者に応じて出力言語を自動的に切り替えながら、2 つの言語間のリアルタイム翻訳を処理します。例えば、英語を話してヒンディー語話者とチャットしたい場合、イヤホン内ではリアルタイムで英語による翻訳が聞こえ、あなたが話し終わった後は携帯電話からヒンディー語が発声されます。 Gemini のライブ音声翻訳には、実世界での活用を支えるいくつかの主要な機能があります: 言語対応範囲: Gemini モデルの世界知識と多言語能力をネイティブの音声処理能力と組み合わせることで、70 以上の言語および 2,000 組以上の言語ペア間の音声を翻訳します。 スタイル転送: 話者のイントネーション、ペース、ピッチを保持し、人間の発話のニュアンスを捉えることで、翻訳が自然に聞こえるようにします。 多言語入力: 単一のセッション内で複数の言語を同時に理解できるため、言語設定をいじる必要なく、多言語での会話を追跡できます。 自動検出: 話されている言語を自動的に識別して翻訳を開始するため、どの言語が使われているかを知らなくても翻訳を開始できます。 ノイズ耐性: 環境音をフィルタリングする機能により、騒がしい屋外環境でも快適に会話することができます。 本日より、Google Translate アプリの新しいベータ版で試すことができます。デバイスにヘッドフォンを接続し、「ライブ翻訳」をタップすることで、ヘッドフォン内でのリアルタイム翻訳が可能になります。この機能は現在、米国、メキシコ、インドのすべての Android デバイス向けに展開されており、iOS 対応および他の地域への展開も近日予定されています。 フィードバックに基づき、私たちは引き続きこの体験を改善し、2026 年には Gemini API を含むより多くの Google プロダクトにも導入していく予定です。 今日から始めましょう Gemini 2.5 Flash Native Audio を使用して、音声エージェントの構築を今日から開始できます。これは Vertex AI で一般提供されており、Gemini API ではプレビュー版として利用可能です。Google AI Studio で実際に試してみてください。 Gemini 2.5 Flash および 2.5 Pro のテキスト読み上げモデルも、Google AI Studio の Gemini API を経由して利用可能です。音声生成のドキュメントで始めたり、プロンプティングガイドを探索したり、または Gemini API Cookbook をチェックしてすぐに使い始めることができます。 ![](https://storage.googleapis.com/gweb-uniblog-publish-prod/images/gemini-audio-flash__keyword_heade.width-200.format-webp.webp) ![](https://storage.googleapis.com/gweb-uniblog-publish-prod/original_images/gemini-audio_blog_light_blue_16x9_v1_25-12-12_1.gif)

強力な音声体験のための改良版Geminiオーディオモデル

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト