1023 | 今週のAIツール速報:音声・エージェント・自動化の新常識

葵: みなさん、こんにちは。ポッドキャストへようこそ。葵です。

悠真: 悠真です。今日も一日のプロダクトニュースを、じっくり深掘りしていきます。

葵: 今日のテーマは大きく言うと「AIが実際の仕事にどう入り込んできているか」です。音声、エージェント、広告、動画、個人の生産性、素材整理、そして開発と3Dまで、かなり幅広い話題が出ています。

悠真: でも全部をリストでなぞるだけじゃ面白くないので、一つ一つ、誰のためのものなのか、従来の選択肢と何が違うのか、そして何がまだ分からないのか、というところまで丁寧に見ていきますね。

葵: じゃあ、まずは音声AIから始めましょう。ここ数日の発表で、「リアルタイム」という言葉が急に現実味を帯びてきました。

悠真: ElevenLabsがリアルタイム音声翻訳を発表しました。これがなかなか野心的でして、90以上の言語に対応していて、双方向で翻訳ができます。しかも、翻訳後も話し手の声の特徴、つまり一貫した声を保ったまま訳せるんです。

葵: これはすごいポイントですよね。通常の翻訳アプリだと、機械的な音声に置き換わってしまうことが多いんですけど、声の個性まで維持されると、まるでその人が多言語を話しているかのような体験になります。

悠真: さらに字幕や文字起こしも付くので、会議の場で聞き取れなくても、後でテキストとして読み返せる。この組み合わせは国際的な会議やプレゼンテーションでかなり実用的だと思います。

葵: 一方で、MistralのVoxtral 3という音声モデル群も発表されました。こちらは50以上の言語の文字起こしを提供していて、感情制御ができるTTS、つまりテキストを音声に変換する技術も入っています。

悠真: しかもLiveKit製の音声エージェントSDKがついている。つまり、開発者が音声エージェントを自分で組み立てるための部品が揃ったということです。

葵: この二つを並べると、ElevenLabsは「リアルタイム翻訳」という完成品をユーザーに届ける側。Voxtral 3は、それを支える基盤を作る側。音声AIが下支えされてきたという流れが見えますね。

悠真: そして背景技術として注目したいのが、Mercury 3という拡散型LLMです。トークンあたりの生成速度が1000トークン/秒を超えていて、性能面でGPT-6 Lunaなどを上回るという主張がされています。

葵: 1000トークン/秒を超えるというのは、通常のモデルより非常に速いペースです。リアルタイム音声翻訳を実現するには、そうした速度が必要ですから、こうした背景技術の進歩が裏で効いているということでしょう。

悠真: もっとも、速度の数字は公表された主張ですから、実際の精度や料金、使用感はまだ実測が分からない段階です。

葵: とはいえ、ここまでくると「通訳なしで国際会議ができるのが普通になる」可能性が見えてきます。まだ精度の実測は不明ですが、方向性としてはかなり現実的になってきました。

悠真: そして、その音声の基盤が整ってくると、次の問いは「AIに実際に何をさせるのか」です。ただ翻訳するだけでなく、仕事そのものを任せる形に進化しようとしています。

葵: そういう流れの中で出てきたのが、Claude DuetというProactive型のエージェントです。

悠真: Proactive型、つまり「能動的」なエージェントですね。これまでのAIは、ユーザーが聞いたことに答えるという受動的な形が主流でした。Claude Duetは逆で、クラウド上で自分から作業を進めていて、完了した時や判断が必要な時だけユーザーに通知するという形です。

葵: これは働き方の転換点になるかもしれません。人間が毎回指示を出すのではなく、AIが黙々と作業を進めて、必要な時だけ声をかける。通知が来たら見る、というスタイルです。

悠真: 現在は米国のProプランとMaxプランで先行公開されている段階です。

葵: その一方で、同じ「エージェント」といっても、クラウドとは逆方向に行くものもあります。Bitsというローカル常駐のオープンソース個人エージェントです。

悠真: Bitsは自分のマシンの中で動き続けるエージェントです。特徴としては、Markdown形式でメモリを持っていたり、クラッシュしても復帰できる仕組みや、好きなモデルを選べる柔軟さがあります。

葵: Claude Duetがクラウド上で動いて手軽さを重視するのに対し、Bitsはローカルで動いてデータを自分の手元に置く。このクラウド型とローカル型の対比は、今後のエージェントの二大潮流になるかもしれません。

悠真: もう少し広げると、この「エージェントが勝手に動く」という発想は、日常のあらゆる場面に応用されようとしています。たとえばLoomは、画面録画や話した内容をそのまま構造化されたプロンプトに変えて、ClaudeやCursor、Rovoといったエージェントに渡せるようにしました。新しいMac用ネイティブアプリも出しています。

葵: 「話すだけでエージェントに指示が出せる」というのは、AIに仕事を頼むハードルを一気に下げますね。

悠真: そして、こうしたエージェントを実際にビジネスに組み込む動きも出ています。ConciergeというJuniors AIの製品は、自分のインフラ上で動くカスタマーサポートのAIです。PostgresやRedis、LLMのキーなど、クライアント側のインフラで動くので、上乗せの料金なしで運用できるという点が特徴です。

葵: ここで話をビジネス側に移しましょう。エージェントが「自分で動く」のなら、広告や営業の自動化にも応用されるのは自然な流れです。

悠真: まず、Playadというサービスは、広告運用をAIエージェントで自動化するものです。リサーチ、戦略、分析、入札を、それぞれのエージェントが分担して担当します。価格は月39ドルから。

葵: 月39ドルというのは、かなり低い参入障壁です。これまで広告運用を専門家に頼むと、それなりのコストがかかっていましたから、小さなチームや個人でも広告を回せるようになる可能性があります。

悠真: そして、Fastlane 2.0はさらに一歩先へ進んでいて、サイトURLを入れるだけで、ブランドの学習から競合調査、AI動画や画像の広告生成、Metaへの配信、さらには成果の学習までを一括で自動化します。

葵: ここまで自動化されると、「広告を出す」という行為そのもののハードルがほぼ消えます。ただ、裏を返せば、誰でも同じツールを使えるようになるので、差別化の中身がどこにあるのかはまだ不明です。

悠真: 広告だけじゃなくて、営業の側も変わりつつあります。Causoというサービスは、自然文で「理想の顧客はこういう人だ」と記述すると、公開情報から根拠付きでリードを発見してくれるんです。

葵: 根拠付きというのがポイントですね。ただリストを返すだけでなく、なぜこの会社・この人が理想の顧客に近いのか、公開情報をもとに理由を示してくれます。これなら営業チームも納得感を持ってアプローチできます。

悠真: しかもMCPに対応しているので、ChatGPTやClaudeからも利用できるんです。つまり、普段使っているAIツールの中に組み込める形になっています。

葵: 広告も営業も自動化が進む一方で、肝心の成果の精度や差別化の部分はまだ見えません。でも、月39ドルから参入できるというのは、マーケティング全体の構造を変える可能性を秘めています。

悠真: さて、広告や営業のコンテンツといえば、やはり動画ですよね。動画制作そのものも、AIで大きく変わろうとしています。

葵: CutBayは、チャット経由で動画を自動生成するサービスです。プロンプトはもちろん、URLやPDFなども入力にできて、台本、ナレーション、編集まで含めた動画を丸ごと作ってくれます。

悠真: 「PDFを渡したら、それを説明する動画ができる」というのは、社内研修や商品紹介にそのまま使えそうです。これまでだと台本を書いて、ナレーションを録って、編集して、という工程を全部踏む必要がありました。

葵: それに対してDadanは、録画、編集、会議、ガイドを一つのAI動画ワークスペースに統合するアプローチです。しかも、動画の中に投票やCTAを入れて、インタラクティブにできるという特徴もあります。

悠真: CutBayが「ゼロから作る」方向だとすれば、Dadanは「既存の活動を動画化してまとめる」方向。どちらも、動画制作の入口を変えている点では共通していますね。

葵: そしてVoxelo 3.0は、もっと突き抜けたことをやっています。3分のスマホ動画から、約1時間でフォトリアルな3Dの「双子」を生成するんです。

悠真: しかも、生成した3Dモデルの属性をJSON-LDで公開できるまで踏み込んでいます。これは単に見た目を作るだけでなく、データとして意味を持たせられるということです。

葵: 「動画が書くように作れる時代」というのは、少し大げさではなくなってきました。ただ、生成された動画の品質が実際の業務で通用するのか、著作権や権利関係はどうなのか、そのあたりはまだ未知数です。

悠真: ここからは視点を変えて、個人の日常整理にAIがどう関わるかを見てみましょう。これも「勝手に動いて、必要な時だけ伝える」という発想が近いところに来ています。

葵: Doneasは、単独で働く開発者を支援するサービスです。毎週月曜に週計画を立てて、平日は15分の5人制アカウンタビリティ通話をします。さらに公開進捗ページで自分の進捗を見せる仕組みがあります。

悠真: 5人制というのが面白いですね。一人で黙々と作っていると、どうしても孤独になります。でも、小さなグループで進捗を共有する仕組みがあると、締めっ切りや習慣が保ちやすくなります。

葵: それから、Claire MailはMacとiPhone向けに、Gmailとカレンダー、Appleリマインダーを一つにまとめたアプリです。AIが受信箱の整理や朝の要約をやってくれるので、朝の情報処理が軽くなります。

悠真: 朝、メールを見て予定を確認して、リマインダーを見て、というのを一つにまとめてくれるというのは、毎日のルーティンが減るということです。

葵: この流れで、Notifというサービスもあります。Appleリマインダーに、気づき情報と次のアクションボタンを付加するんです。無料で使えて、Proは月4.99ドル。

悠真: 単純なリマインダーだと「これをやる」という通知だけですが、Notifは「なぜこれが必要なのか」という文脈と、「次に何をするか」のボタンまで付けてくれます。タスク管理の質が変わりますね。

葵: そしてRadaricは、RSS、Telegram、X、YouTubeを一つに統合したAIフィードリーダーです。ユーザーが記事を承認したり拒否したりする理由から、編集者の好みを学習していきます。

悠真: つまり、使うほどに「この人好みのニュース」が届くようになるということです。情報過載の時代に、自分専用のフィルターが育っていく形ですね。

葵: Doneasの孤独な仕事への支援と、Claire MailやRadaricの情報過載への対応。どちらも「AIが個人の生活を下支えする」という流れですが、Let's see、まだまだ話題は続きます。

悠真: そうですね、次は制作現場の整理に進みましょう。日常の情報を整理したら、次は実際に「作る」ための素材やアイデアをどう扱うかです。

葵: Archivistは、フォルダに画像や動画を放り込むだけで、命名規則通りにリネームしてくれるツールです。さらに、コレクション管理や、1リンクでの共有も可能です。

悠真: 制作現場では、素材の名前がバラバラだったり、共有のたびにzipで固めたりと、地味な作業が多いんですよね。それが「フォルダに投げるだけ」で解決するというのは、実はかなり効きます。

葵: Whiteboardは、オープンソースの共有キャンバスです。図を描いたり、エージェントの軌跡を見たりできるだけでなく、そこからコードへ直接ジャンプできるのが特徴です。

悠真: 「図からコードへ」というのは、アイデアの見える化と実装の距離を縮めるということです。お絵かきがそのまま開発の入り口になるのは面白い発想です。

葵: そしてDeepCellは、「.deepcell」という形式で、表計算、レポート、スライドを繋げます。一つを編集すると、他のすべてが更新され、xlsx、docx、pptxへ書き出せます。

悠真: これは制作物とデータの一貫性を保つという点で、先ほどのArchivistと似た方向性です。バラバラに管理しがちなものを、一本の流れとして繋げるんです。

葵: こうした「整理と繋がり」の話を聞いていると、ソフトの世界の中だけでも便利になったように思いますが、実はソフトと現実の境目も薄れてきています。最後のテーマは、開発と3Dです。

悠真: heal.devは、本番に似たサンドボックスでアプリを実行し、再現可能なバグや脆弱性を見つけて報告するツールです。しかも、ただ報告するだけでなく、failing test、つまり失敗するテストを付けてくれます。

葵: 再現可能というのが一番のポイントです。バグ報告は「動かない」という言葉だけだと開発者が再現に苦労しますが、テストコードが付いていれば、そのまま直す工程に入れます。

悠真: そして、先ほどVoxelo 3.0の話をしましたが、3Dのフォトリアルな双子とJSON-LDでの属性公開は、バーチャル空間やデジタルタッチポイントの精度を一段上げるものです。

葵: 再現性を支えるheal.devと、リアリティを支えるVoxelo 3.0。この両輪で、ソフトと現実の境目が薄れていく方向に進んでいます。

悠真: 今後はテストの自動化と3D体験の自動化がさらに進むとみられますが、コストや精度の検証はこれからです。実測データが揃って初めて、実用性が判断できるでしょう。

葵: さて、今日は音声翻訳から始まって、エージェント、広告と営業、動画、日常の整理、素材管理、そして開発と3Dまで、幅広い話題を見てきました。

悠真: 共通していたのは、AIが単発のツールから「実際の仕事の一部を担う存在」へと変わってきたということです。まだ主張の段階のものも多いので、実際の検証を待ちたいところです。

葵: それでは、また次回お会いしましょう。ありがとうございました。

悠真: ありがとうございました。また次回。