マイクロソフト、16言語に対応し、聞き取りと発話を同時に行える初の自社開発フルデュプレックスAI音声モデルを発表
テクノロジーメディア「TestingCatalog」によると、マイクロソフトは現在、同社初のネイティブリアルタイム音声モデル「MAI Realtime」のテストを行っている。 16の言語と2種類の異なる音声スタイルに対応するこのシステムは、聞き取りと発話を同時に行うことが可能で、自動言語検出や会話中の言語切り替えを実現している。この進歩により、ユーザーはAIの発話が終了するのを待ってから応答する必要がなくなり、人間同士の自然なやり取りに極めて近い会話体験が生まれる。

「MAI Realtime」は双方向の全二重通信方式を採用しており、ユーザーが話し、モデルが順次応答するという従来の音声アシスタントのパターンを効果的に打破している。エンドポイント検出技術を活用して発話の開始、間、終了を識別することで、ユーザーが割り込んだ際にシステムは即座に出力を調整し、聞き取りと応答の同期を実現している。 これは、マイクロソフトのMAI音声モデルファミリーにとって、一方向のコミュニケーションから双方向のコミュニケーションへの移行を示す重要なマイルストーンです。MAI-Voice-2やMAI-Transcribe-1.5などの従来のモデルは、音声合成や音声認識といった一方向のタスクに限定されていました。
2種類の音声スタイルにより、より自然な発話が実現されていますが、歌唱機能はまだ含まれていません
対応言語については、MAI Realtimeは中国語、英語、日本語、韓国語、フランス語、ドイツ語、アラビア語を含む16言語をサポートしています。ユーザーは会話言語を手動で指定するか、自動検出を有効にすることで、対話中にモデルが自動的に言語を識別して切り替えることができます。 音声オプションに関しては、テスト版では「Victoria」と「Grant」の2つの音声が提供されており、これらはCopilotの現在の音声モードよりも自然な音質であると報告されています。
関連記事
Apple、ローカルAIとGoogleとの提携によりSiriの機能を強化した「iOS 27」を発表
『The Information』は先日、Appleが次期OS 27に人工知能を統合するための戦略的アプローチについて報じた。Appleは、Googleの「Gemini」モデルを活用して、より効率的で軽量なAIを学習させることで、ユーザーのプライバシーを損なうことなく、堅牢なローカルエッジAI機能を提供することを目指している。 このモデル蒸留プロセスにより、より小型のデバイス向けモデルが、より大規
Perplexity Computer、プライバシーと効率性のバランスを図るハイブリッド推論技術を発表
人工知能(AI)企業のPerplexityは、今夏、同社の「Perplexity Computer」エージェントに大幅な機能強化を施す計画を明らかにした。今回のアップデートでは、「ハイブリッド・エージェント推論」モードが導入され、ローカルのコンパクトモデルと高度なクラウドベースのシステムの間でワークロードを動的に割り当て、タスクの複雑さやデータの機密性に応じてパフォーマンスを最適化する。複雑なユー
NexCOBOTは、AI市場における物理的な障壁と成長課題に取り組んでいる
「Robotics Summit & Expo」で展示されたNexCOBOTは、多種多様なコントローラーを提供しています。出典:NexCOBOTヒューマノイドロボットやフィジカルAIを手掛ける企業は、数十億規模の資金調達を実現しているだけでなく、大手テクノロジー企業による買収の対象にもなっています。NexCOBOTのゼネラルマネージャー、ジェニー・シェーン氏によると、この傾向は産業分野での導入に大
関連特集おすすめ
コメント (0)
0/500
テクノロジーメディア「TestingCatalog」によると、マイクロソフトは現在、同社初のネイティブリアルタイム音声モデル「MAI Realtime」のテストを行っている。 16の言語と2種類の異なる音声スタイルに対応するこのシステムは、聞き取りと発話を同時に行うことが可能で、自動言語検出や会話中の言語切り替えを実現している。この進歩により、ユーザーはAIの発話が終了するのを待ってから応答する必要がなくなり、人間同士の自然なやり取りに極めて近い会話体験が生まれる。

「MAI Realtime」は双方向の全二重通信方式を採用しており、ユーザーが話し、モデルが順次応答するという従来の音声アシスタントのパターンを効果的に打破している。エンドポイント検出技術を活用して発話の開始、間、終了を識別することで、ユーザーが割り込んだ際にシステムは即座に出力を調整し、聞き取りと応答の同期を実現している。 これは、マイクロソフトのMAI音声モデルファミリーにとって、一方向のコミュニケーションから双方向のコミュニケーションへの移行を示す重要なマイルストーンです。MAI-Voice-2やMAI-Transcribe-1.5などの従来のモデルは、音声合成や音声認識といった一方向のタスクに限定されていました。
2種類の音声スタイルにより、より自然な発話が実現されていますが、歌唱機能はまだ含まれていません
対応言語については、MAI Realtimeは中国語、英語、日本語、韓国語、フランス語、ドイツ語、アラビア語を含む16言語をサポートしています。ユーザーは会話言語を手動で指定するか、自動検出を有効にすることで、対話中にモデルが自動的に言語を識別して切り替えることができます。 音声オプションに関しては、テスト版では「Victoria」と「Grant」の2つの音声が提供されており、これらはCopilotの現在の音声モードよりも自然な音質であると報告されています。
Apple、ローカルAIとGoogleとの提携によりSiriの機能を強化した「iOS 27」を発表
『The Information』は先日、Appleが次期OS 27に人工知能を統合するための戦略的アプローチについて報じた。Appleは、Googleの「Gemini」モデルを活用して、より効率的で軽量なAIを学習させることで、ユーザーのプライバシーを損なうことなく、堅牢なローカルエッジAI機能を提供することを目指している。 このモデル蒸留プロセスにより、より小型のデバイス向けモデルが、より大規
Perplexity Computer、プライバシーと効率性のバランスを図るハイブリッド推論技術を発表
人工知能(AI)企業のPerplexityは、今夏、同社の「Perplexity Computer」エージェントに大幅な機能強化を施す計画を明らかにした。今回のアップデートでは、「ハイブリッド・エージェント推論」モードが導入され、ローカルのコンパクトモデルと高度なクラウドベースのシステムの間でワークロードを動的に割り当て、タスクの複雑さやデータの機密性に応じてパフォーマンスを最適化する。複雑なユー
NexCOBOTは、AI市場における物理的な障壁と成長課題に取り組んでいる
「Robotics Summit & Expo」で展示されたNexCOBOTは、多種多様なコントローラーを提供しています。出典:NexCOBOTヒューマノイドロボットやフィジカルAIを手掛ける企業は、数十億規模の資金調達を実現しているだけでなく、大手テクノロジー企業による買収の対象にもなっています。NexCOBOTのゼネラルマネージャー、ジェニー・シェーン氏によると、この傾向は産業分野での導入に大





家






