#voice ai のAIニュース

ScienceSoft が AWS を活用し HIPAA 準拠の AI 音声スケジューラーを構築

ScienceSoft は Amazon Nova Sonic と Amazon Bedrock Guardrails を利用して、医療機関向けの HIPAA 準拠 AI 音声スケジューラーを開発した。このシステムは責任ある AI の活用により、効率的な患者予約管理を実現する。

OpenAI が 9 億人のユーザー向けに低遅延音声 AI をどのように提供しているか（17 分読み）

OpenAI は、9 億人規模のユーザーに対して低遅延を実現する音声 AI サービスを、独自のインフラと最適化技術によって提供している。

Amazon Nova 2 Sonic を活用した医療予約エージェントの構築方法

AWS は、米国医療機関で問題となる欠席率の高さに対応するため、Amazon Nova 2 Sonic を使用して患者の予約確認や再調整を行う自動エージェントを構築する手法を公開しました。

ゴールドマン・サックスとメタを辞めた二人の創業者が、他社が見落とし市場向けに音声 AI を構築

ゴールドマン・サックスとメタで働いていた二人の創業者が、他の企業が注目していない市場を対象とした音声 AI の開発のために独立した。

トラベラーズが OpenAI を活用した AI 駆動型請求処理を全国展開

保険大手のトラベラーズは、OpenAI の技術を活用した AI による請求処理システムを米国全土で導入し、業務効率化と顧客対応の迅速化を実現しました。

Google、Docs と Keep に音声ベースのプロンプト機能を追加

Google がドキュメント作成ツール「Docs」とメモアプリ「Keep」に、音声による指示入力機能を実装した。これによりユーザーは音声で編集や整理を指示できるようになった。

Amazon Nova Sonic を用いたスケーラブルな音声エージェント設計：マルチエージェント、ツール連携、セッション分割

AWS は、遅延やリアルタイム音声管理などの課題に対処するため、Amazon Nova Sonic を活用したスケーラブルな音声エージェントの設計パターンを公開し、複数のエージェント協調やセッション分割手法を紹介した。

イーロン・マスク率いるスペースX AI、合併後から人材流出が相次ぐ

イーロン・マスクが率いるスペースX AIは、コーディングや世界モデル、Grok音声などの分野でトップ人材を失っており、メタ社やシンキングマシーンズラボなどの競合他社が元従業員を引き抜いている。極端な労働文化と現金化への欲求が流出の要因となっている。

AI音声スタートアップVapiがAmazon Ringとの40社以上の競合を制し、評価額5億ドルに到達

AI音声スタートアップのVapiは、Amazon Ringを含む40社以上の競合他社を破り、企業価値5億ドルの評価を獲得した。

アプリに最適な音声を選べる新ツール「Voice Finder」の紹介：600 以上の音声から迅速に選択可能

開発者がアプリ向けに最適な音声を選択できるよう、600 種類以上の音声ライブラリを素早く検索・選定できる新ツール「Voice Finder」が発表された。

インドの音声 AI は困難だが、Wispr Flow は挑戦を続ける

Wispr Flow社は、インド市場における音声 AI の実現が困難であるにもかかわらず、同分野への投資と展開を継続すると発表した。

OpenAI が新 SOTA リアルタイム音声 API「GPT-Realtime-2」などを発表

OpenAI は、音声認識・翻訳・リアルタイム通話性能を大幅に向上させた新モデル「GPT-Realtime-2」および関連 API を公開し、ベンチマークで前作より 15.2% 改善したと発表した。

OpenAI がリアルタイム音声モデルを公開

OpenAI は、低遅延で自然な対話を実現する新しいリアルタイム音声モデルを発表した。これにより、AI と人間の会話体験が大幅に向上し、開発者が即時応答型アプリケーションを構築できるようになる。

GPT-Realtime-2、-Translate、-Whisper：新SOTAリアルタイム音声APIの登場

AIニュース発信元が、OpenAI が発表した新しい SOTA（最新技術）リアルタイム音声 API「GPT-Realtime-2」「-Translate」「-Whisper」について報じた。これらは音声処理の速度と精度を大幅に向上させる新機能である。

ElevenLabs にブラックロック、ジェイミー・フォックス、エヴァ・ロンゴリアらが新規投資

音声生成 AI 企業 ElevenLabs は、資産運用大手ブラックロックと俳優のジェイミー・フォックス、エヴァ・ロンゴリアを新たな投資家として迎え入れた。

OpenAI が大規模低遅延音声 AI を実現する手法

OpenAI は、大規模なユーザー数に対応しつつ低遅延を実現する音声 AI の技術的アプローチとスケーラビリティの確保方法を明らかにした。

セールスフォース、顧客と共同で AI ロードマップを策定

クラウド企業 Salesforce が、自社の AI 戦略の方向性を決定する際、顧客からの意見を直接募る形でロードマップ作成を共同で行う方針を発表した。

S2S APIでどこまで作れるのか？ 〜gpt-realtime 1.5 と System Prompt / Tool Callingだけで試した3つの音声アプリ

Amazon Nova 2 Sonic を用いたテキストエージェントから音声アシスタントへの移行

AWS は、ユーザーのリアルタイムな自然な対話ニーズに応えるため、Amazon Nova 2 Sonic を活用し、金融や医療などの業界向けにテキストエージェントを音声アシスタントへ移行する手法を発表した。

Amazon Bedrock AgentCoreとNova 2 Sonicを活用したマルチチャネル注文システム

Amazonは、Bedrock AgentCoreとNova 2 Sonicを用いた音声対応マルチチャネル注文システムの構築手法を公開する。双方向音声処理、文脈維持、バックエンド連携、高負荷スケーリングを実現する。

Chatterbox Turboがfalプラットフォームで利用可能に

リアルタイム音声AI向けオープンソースの高速テキスト読み上げモデル「Chatterbox Turbo」が、開発プラットフォーム「fal」で提供開始された。150ミリ秒以内の応答速度と感情豊かな音声合成、即時の声クローニング機能を備え、エージェントが自然な声でユーザーと対話できるようになる。