ChatGPTの音声機能のアップデート
みなさんこんにちは、矢野哲平です。この番組は、耳で学ぶAIをコンセプトに、初心者・中級者向けに、AIを分かりやすく解説する番組です。
今回のテーマは、ChatGPTの音声会話がアップデート、どう変わった、について話していきます。
はい、ということで今日は、久しぶりに音声周りについて話したいと思います。
以前も何回かこのポッドキャストで、AIとの音声会話について取り上げました。
で、ちょうど6月8日の日曜日、この前の日曜日ですね。ChatGPTの音声機能がアップデートされたというニュースがありました。
今回は、ChatGPTの音声機能がどのようにアップデートしたのか、という点とですね。
あとは、GoogleのNative Speech Generationという機能で、NotebookLMの音声概要機能、こういったものを再現する方法について話していきます。
今日は2本立てでお送りしますが、AIと音声という大きな括りで話していきたいと思います。
今日話すポイントは2つです。
まず前半では、ChatGPTの音声機能のアップデートのニュースについて取り扱います。
そして後半では、Google AI Studioを使って、自分でポッドキャスト風の音声コンテンツを作成する方法について話していきます。
はい、では早速話していきましょう。
では先にChatGPTの最新ニュースについて話していきたいと思います。
ちょうど先日6月8日の日曜日ですね。
オープンAIからニュースがありました。
ChatGPTの音声機能、これをアップデートしましたよと。
元々ChatGPTには音声機能というのがあります。
これはテキストではなくて、人間とAIが音声で会話をするような機能ですね。
この機能がより自然に会話ができるようになりましたよというニュースが発表されました。
ちょっとこれ実際に聞いてみましょうか。
実際にですね、これ私試してみて確かに精度が上がっていると思いました。
ちょっと音声流してみますね。
こんにちは。
こんにちは。今日はどんな感じですか?何かお手伝いできることがあればぜひ教えてくださいね。
今日ですね、今ちょうどあのポッドキャストの収録をやってるんですよ。
おお、そうなんですね。
ポッドキャストの収録楽しそうですね。
何か私にできることがあったら気軽に言ってくださいね。
AIのポッドキャストをやってるんですけど、リスナーさんに向けて何か一言お願いしてもいいですか?
もちろんです。リスナーの皆さん、いつもポッドキャストを聞いてくださってありがとうございます。
これからも楽しい笑いをたくさんお届けしていくので、ぜひ引き続き楽しんでくださいね。
ありがとうございます。バッチリですね。
それは良かったです。ポッドキャストの収録を引き続き楽しんでくださいね。
はい、いかがでしょうか。
これ前に比べるとですね、結構精度が上がっていると実際に触ってみて思いました。
何と言いますか、人間みたいな言い回し、より感情を込めた発音であったりとか、
ちょっと言い間違いを含んでしまう部分とか、人間と話しているような感覚により近くなっていると思います。
ちなみにこのアップデートは現時点では有料版のみに適用されています。
無料版では従来の性能の音声会話機能となります。
ただですね、無料版でも全然高度な音声機能なんですよ。
ただ有料版になるとそれよりもさらに品質の上がった音声会話を使えるというわけです。
今回のプレスリリースでも触れられていたんですけど、通訳の機能も強化されているみたいですね。
もともとChatGPTを通訳のように使う、そういった使い方っていうのはできていました。
その通訳の機能っていうのがさらに使いやすくなったとプレスリリースで発表されています。
そうですね、例えば私が海外に旅行に行ったとします。
目の前にアメリカの方がいて、その方と会話をしたいとします。
私、英語を話せるわけではないので、どうしようかなと。
でもちょっと目の前のアメリカの方に聞きたいことがあると。
じゃあそういう時にどうするかと。
こうした時にChatGPTの音声機能が役立つわけですね。
ちょっとデモしてみましょうか。
今私はアメリカを旅行中です。
目の前にアメリカの方がいます。
私が話した内容を英語に翻訳してください。
そして相手の方が話した英語を日本語に翻訳してください。
通訳のように振る舞ってください。
サンフランシスコからナパバレーに行くにはどうすればいいですか。
フェリーで移動すると聞いたのですが、フェリー乗り場はどこですか。
はい、このような感じです。
結構これすごくないですか。
ちなみにこのような使い方っていうのは、無料版の音声機能でも利用できます。
ですが、今回のアップデートでより使いやすくなったというわけです。
海外に行かなくても、結構日本でも外国人観光客の方増えてますよね。
外国の方にもし話しかけられたとしても、
チャットGPTのアプリを起動すればですね、このように通訳として使えると。
そういった使い方もスマートですよね。
通訳機能と他のAIの比較
で、ちょっとチャットGPTから話が変わるんですけど、
GoogleのGeminiにもこの音声機能っていうのはあります。
スマホアプリ版のGeminiですね。
先に結論を言うとですね、
チャットGPTとGeminiでこの音声機能を比べたとき、
自然な音が聞こえますよね。
チャットGPTとGeminiでこの音声機能を比べたとき、
自然な会話っていう点ではチャットGPTの方が勝っていると思います。
現時点では。
ちょっとGeminiもデモしてみましょうか。
こんにちは。
こんにちは。今日はどんなお手伝いができますか?
今ちょうどですね、ポッドキャストの収録をやってます。
それは素晴らしいですね。どんなテーマで収録しているんですか?
AIのポッドキャストっていうのをやってるんですけど、
リスナーの方向けに何か一言お願いしてもいいですか?
もちろんです。AIの可能性は無限大です。
これからも一緒に学び成長していきましょう。
はい、こんな感じです。どうでしょうか。
ちょっとチャットGPTに比べるとですね、
いかにもAI音声という感じがします。
こんな感じで音声会話を使うことで色々なことができるようになります。
音声会話もですね、結構人によって色々な活用方法があると思ってます。
例えば散歩中にアイデア出しとか壁打ちをしたり、
あとは特定のトピックについて掘り下げて情報収集をしたり、
あとは英語の語学学習とか英会話の練習に使ったり、
あとはそれこそ先ほどデモした通訳のような使い方をしたりですね。
本当にこれは使う人次第で色々な活用があると思ってます。
ぜひですね、音声機能、私はこんな使い方してるよという方がいらっしゃったら
ぜひお便りフォームから教えてください。概要欄の下側にあります。
こんな感じで音声機能ですね、色々な使い方があるんですけど
一点だけ落とし穴があると思ってます。
その落とし穴っていうのは何かっていうと、
最新情報に基づくトピック、会話っていうのは
ハルシネーションが起きやすいということです。
なので特に最新情報に基づく会話をするときはですね、
AIはハルシネーション、つまり間違った回答を話している可能性があると
これを念頭に会話することをお勧めします。
これちょっと不思議なんですけど、同じ内容でもテキスト形式のチャットだと
ハルシネーションは起きなくて、で音声会話だと
ハルシネーションが起きるみたいな現象結構あるんですよね。
で私が試した範囲だとですね、ちょっと少ないサンプルにはなるんですけど
ChatGPTよりもGeminiの音声会話の方がですね、
そういった最新情報に基づく会話っていうのは得意なのかなと思いました。
なので通常の会話はChatGPTを使うと、で最新情報を掘り下げたりとか情報収集する場合
こうした時にはGeminiを使うみたいな使い分けもいいかもしれないですね。
Google AI Studioを使用した音声コンテンツ作成
はいここまでChatGPTの音声機能のニュースについて話しました。
で次にGoogle AI Studioを使った音声コンテンツの作成について話していきます。
以前このポッドキャストでも何度か紹介しましたけど
Notebook LMというサービスで音声概要機能を使っている方多いと思います。
自分がアップロードしたソースに対してAIがポッドキャスト風の音源を作ってくれると。
ちょっとどういったものか聞いてみましょうか。
あの長い動画の中から特定の情報を見つけ出すのって時間がかかったりして大変なんて経験あなたもありませんか。
あーありますよね。
これはNotebook LMに論文のデータを渡してそのデータからポッドキャスト風の音源を作ってもらったというようなものです。
で今からするのはこうした音声をNotebook LMを使わずに自分で作成できるというような話です。
Google AI Studioにはネイティブスピーチジェネレーションという機能があります。
この機能を使えば誰でも無料で先ほどのような音声を作成することができます。
事前の知識とかクレジットカードの登録とかそういったものは一切不要となります。
それこそこのポッドキャストを聞いた後ですね、Google AI Studioにアクセスをすれば誰でも作成ができます。
具体的な説明に入る前にちょっとですね、Google AI Studioって何なのという方もいらっしゃると思うので補足したいと思います。
このGoogle AI StudioっていうのはGoogleが開発している実験環境のようなものとなります。
画面としてはですね、Chat GPTのようなチャット画面。
ああいった画面になるんですけど初めて触る人もですね、そんなに迷うことはないと思います。
割と使いやすいと思います。
そのチャット画面にAIへの質問を入力することでChat GPTのようにAIとやりとりができるとそういったものになります。
Google AI Studioの特長
このGoogle AI Studio何がいいのかっていうと主に2つあると思っています。
1つ目が最新のGoogleのモデルを無料で試すことができると。
Chat GPTもそうですけど、Geminiも結構定期的に新しいモデルを投入してきますよね。
Geminiのチャット画面で新しいモデルが反映されるわけですけど、
それよりも反映される前にですね、先に実はGoogle AI Studioの方でリリースされているんですね。
まさしく実験環境ということで、Geminiに搭載される前にGoogle AI Studioで新しいモデルを使うことができます。
これだけでも利用する大きな動機になるんですけど、
もう1つGoogle AI Studioにはメリットがあって、それがコンテキストウィンドウが大きいということです。
ちょっと聞き慣れない言葉が出てきましたね、コンテキストウィンドウ。
これちょっと説明すると、簡単に言うとですね、AIの短期記憶のようなものです。
AIって短い会話だったら特に問題はないんですけど、ものすごく長い会話になると最初に話していたことを忘れてしまうケースがあるんですね。
このAIが一連の会話をどれだけ記憶できるのか、どれだけ参照できるのかっていう値がこのコンテキストウィンドウです。
例えばChatGPTのGPT-40だとコンテキストウィンドウが12.8万トークンなんですよね。
一方でGoogle AI StudioになるとGeminiの2.5 Proだとコンテキストウィンドウが100万トークンになります。
かなり大きいんですね。
一応補足するとChatGPTの新しいモデル、GPT-4.1。
これも100万トークンなんですけど、一般的に使えるGPT-40は12.8万トークンなので、やっぱりそれを差し引いてもですね、
Google AI Studioで100万トークンが無料で使えるっていうのはかなり大きなメリットだと思います。
音声コンテンツの制作方法
これだけコンテキストウィンドウが大きいとChatGPTやCloudのチャット画面ではできないことっていうのができるようになります。
例えばそうですね、動画をアップロードしてその動画自体を要約してもらうとか、
あとは音声の文字起こしをしてもらう、そういったこともできるようになります。
話を音声コンテンツに戻すと、このGoogle AI Studioでポッドキャスト風の音声も作成できますよという話です。
無料で誰でもですね。
やり方を説明すると、まずGoogle AI Studioにアクセスをします。
それからトップページにネイティブスピーチジェネレーションという項目があります。
これをクリックして次のページでAIに話してほしい内容を入力するだけと。
実際に作成した音源があるのでちょっと聞いてみましょうか。
こんにちは。今日のポッドキャストではAIと音声について話しますよ。
実はAIと音声って結構相性がいいんですよね。具体的にはどういった内容を話すんですか?
はい、こんな感じとなります。
ちなみにこの話している内容、台本は私が作成しました。
ただ、AIに台本を作成させる、そういったこともできます。
例えば、ChatGPTに情報ソースをアップロードします。
それからこのように指示をします。
このソースからポッドキャスト風の台本を作成してくださいと。
で、こうすることでChatGPTがポッドキャストの台本を作成してくれます。
で、これをGoogle AI Studioに渡すと。このような流れです。
このネイティブスピーチジェネレーションですね。結構いろいろ細かく設定ができるんですよね。
例えば話しての声とかですね。
現時点で30名の方の声を選択できます。
あとはモデルも選択できて、Gemini 2.5 Pro TTSとGemini 2.5 Flash TTSの2つがあります。
このGemini 2.5 Pro TTSの方が精度としては高いです。
具体的には、より人間らしい音声になる感じですね。
ノートブックLMの音声概要機能みたいな、人間が話しているような感じ。
音声対話の未来
ああいった音声を再現したい時は、2.5 Pro TTSの方をお勧めします。
こうしたテキストを音声化する機能、結構どういう風に使うのと思う方も多いと思います。
これですね、結構難しいところで、これは個人によるのかなと思っています。
例えば、日本語の音声を英語で発音してほしいとか、その他の外国の言葉で発音してほしい、そういった時に使えると思います。
私が今試している方法だと、ノートブックLM実際使ってみてですね、結構使いやすいなと。
すごく便利だなって思うんですけど、細かい部分でここ使いにくいなっていう場面があるんですね。
そうした部分を自前で実装して、より使いやすいものを作ると、そういった使い方をしています。
要はですね、ノートブックLMの音声概要に使われている技術っていうのを、自分で再現することができるようになったわけです。
こんな感じでテキストから音声のコンテンツを作成すると、こうしたハードルっていうのは年々下がっています。
なので、今までそういったことをしたことがない人でもですね、テキストから簡単に音声を作成できるようになったと。
自分の業務にどんな形で活かせるだろうっていう視点で考えてみるとですね、結構新しいアイデアが生まれてくるので面白いと思います。
はい、ここまでAIと音声の文脈でChatGPTやGoogle AI Studioの機能について話しました。
最後にAIと音声についてもう一段階ちょっと掘り下げて考えたいと思います。
普段私たちってテキストベースでAIと会話をしている人多いですよね。
でもですね、これからこういった音声の機能っていうのがどんどん進化していくと、AIと会話をするっていうのがもっと身近になってくる可能性があると思います。
ちなみにGoogle AI Studioにはオーディオトゥオーディオという機能もあります。
でこれ何かっていうと、ChatGPTやGeminiの音声会話のような機能を自分で実験できる機能です。
Google AI Studioの中だけではですね、そんなに大したものは作れないんですけど、こういったAIとの音声会話、そういった機能も自前で実装ができるようになってきている環境が整いつつあると。
これどういった活用アイディアがありますかね。 そうですね、例えばですね、AIによる音声面接とかですね。
結構海外では導入している話聞きますよね。 AIに最初の一次面接、ゼロ次面接と言っていいんでしょうか。そういったものになってもらうと。
面接を受ける側も、あのAIが相手なので結構リラックスして話せるみたいな話は聞いたりします。
ポジティブな意見もあるみたいですね。 あとはAIによる会話ベースの問診とか、病院行くじゃないですか。
で、待合で問診票書いたりしますけど、結構あれって面倒じゃないですか。 ああいった面倒な作業をAIによる会話ベースの問診に置き換えたりとかですね。
で、そのAIとの会話の内容っていうのが医師のパソコンに飛んで、 その後人間の医師による具体的な診察に入ると。
結構医師の方と話すとき、なんか緊張したりしませんか。 緊張して自分の症状をあまり伝えれないみたいなことってありませんか。
お医者さんなんか忙しそうとか、細かいこと聞きづらいなみたいな。
で、そういったケースもですね、AIを人間と医師の間に挟むことで、 結構今自分が体に感じている不調を気兼ねなく伝えることができると。
で、AIが問診の内容を要約して医師に伝えると。 で、もしその問診の内容から病気の可能性っていうのがあれば、それを医師に示唆する。
そういった使い方もできると思います。で、あとはそうですね AIとの会話による社員のスキル把握とかですね
AIと10分間ぐらい、あの社員の方に会話をしてもらって、 その社員がどういったスキルを持っているのか、どういったスキルが足りないのかっていうのを把握するシステムとか
そういうのも面白そうですよね。 例えば、そうですね、私が企業向けにAIの研修を提供するサービスを展開するとします。
で、そこに社員の方、そうですね、例えば100名社員の方がいたとして、 その100名の方がどれぐらいのAIスキルがあるのかとか、どういったスキルを身につけるべきかって、ちょっと把握するの難しいじゃないですか。
で、こうした時って、よくあるのがアンケートに回答いただくようなケースがあるんですけど、 そのアンケートっていうのも固定された内容なので柔軟に掘り下げることって難しいんですよね。
で、それをAIとの会話に置き換えると、AIにヒアリングしてもらうと。 で、そのAIとの会話の中で社員の方がどういったAIスキルを持っているのかとか、どういった課題を感じているのかっていうのを
で、それを自動で抽出して、その人にあった研修のカルキュラムを個別に組むとかですね。 こんな感じで、AIと音声って結構いろいろな可能性を秘めていると思うんですよね。
それ以外だと、例えば電話の応対とか、あとはリアルテンポでの接客とかですね。 これはもうちょっと先の話になると思うんですけど、そうしたAIと人間が音声で当たり前のように会話をする。
そんな未来っていうのは、もうそう遠くないかもしれないですね。 はい、それでは今日のポイントをまとめます。
1つ目に、先日チャットGPTの音声機能がアップデートされました。 今までに比べてより自然な対話が可能になっています。
2点目に、注意点が1つ。 チャットGPTは最新の情報についてのディスカッションは苦手なようです。音声機能ですね。
音声機能を利用する場合は、普段のテキストベースのチャットに比べて、ハルシネーションのリスクは高いと認識した方が良いと思います。
そして最後3点目、Google AI Studioのネイティブスピーチジェネレーション。 この機能を使うことで、誰でも無料でPodcast風の音源を作成できます。
チャットGPTの音声機能と質問
今回のPodcastで紹介したチャットGPTの音声機能。 この使い方はノートで記事を書いています。興味のある方はこちらもチェックしてみてください。
はい、今日はこの辺ということで、本日も聞いていただきありがとうございました。 あと今週もお便りをいただいています。ありがとうございます。
早速読みますね。 初めまして、ロックと申します。いつもPodcastを楽しく聞かせてもらっています。
耳で学ぶAIを聞いてから、業務だけでなく私生活でもAIを活用しており、何か問題が発生した場合は、これAIで解決できないかなと考えるようになりました。
今回は業務で使いたいと考えているGoogle AI Studioについて矢野さんのご意見を伺いたく思いお便りをさせてもらいました。
私は今業務でチャットGPTのMyGPT機能を使っているのですが、処理できるコンテキスト量が多いGeminiで同じような機能を使いたいと思って、
Google AI Studioのアプリ制作機能で同じようなものを作って試運転をしています。 個人的にはエンジニア知識がないので、言葉で指示を出すだけでアプリを作れることに感動しており、
この機能を使っていろいろな業務を効率化したいと考えています。 そこで矢野さんの視点からGoogle AI Studioのアプリ制作において気をつけた方がいいこと、
またGoogle AI Studioの活用方法があればお伺いしたいです。 お便りありがとうございました。
ちょっと私の方から補足すると、Google AI Studioにアプリ制作機能があります。 これどういったものかというとテキストからアプリを生成できる機能となります。
例えば私が文章で指示をします。 文章構成ができるアプリを作成してくださいと。
こんな感じで指示をすると、そうした文章構成ができるアプリケーションを作ってくれると。
これを人に共有できるみたいなこともできます。 お便りをいただいたロックさんは、このGoogle AI Studioのアプリ機能を使って
いろいろと業務で使えるようなアプリを作ろうとしている段階のようですね。 これすごいですよね。
外に発注するのではなくて、内製で自分で業務に活用できるアプリを作っていくと。
私、このGoogle AI Studioのアプリ制作機能、実はあまり使ったことがないんですよ。 ちょっと申し訳ないんですけど。
なので、この機能自体についてはちょっと掘り下げた話ができないんですけど AIを使って業務効率を上げるアプリを自分で制作するという点から
いくつか話したいと思います。 まず最初に注意点についてお話をすると、Google AI Studioって無料で利用できるんですけど
この時に入力した情報っていうのはAIの学習に利用される可能性があります。 Googleの利用規約にも明記されていて、ちょっと読みますね。
本無料サービスにはプライベート情報、機密情報、または個人情報を送信しないでくださいと明記されています。
なので、社内向けの業務効率を図るアプリを制作するときはこの点は注意してください。 会社の機密情報や個人情報を入力しないようなアプリを制作することをお勧めします。
これがGoogle AI Studioを利用する時の注意点ですね。 次に質問の最後にあるGoogle AI Studioの活用方法があればお伺いしたいですという内容に関しては
そうですね あのやっぱりGoogle AI Studioってコンテキストウィンドウが大きいので結構いろいろなことができるんですよね
先ほどもお伝えしたように動画や音声ファイルから文字起こしをしたりとか あとはGoogle AI Studioでプログラムのコードを書いてもらうと
一つのファイルだけじゃなくて複数のファイルを渡してコードを書いてもらう そんな使い方もできるのでGoogle AI Studioを使ってコードを書いてもらうと
それこそですね GoogleのChrome拡張機能ってあるじゃないですか これをGoogle AI Studioを使って自分で開発するっていうのもお勧めです
というのがですね Chrome拡張機能って開発をしても一般に公開しなくて別にいいんですよ
自分のパソコンだけで使うこともできますし 会社の同僚の方だけにですね限定してお配りすることもできます
例えば私の例になるんですけど プロンプトの入力を簡単にするChrome拡張機能を作ったりしました
具体的に言うとChatGPTのチャット画面あるじゃないですか そこにスラッシュメールと入力をすると登録しているプロンプトが一括で入力されると
そういったものを作りました でそういったものをGoogle AI Studioを使って自分で作ると
そういったアプローチもお勧めです これもちろんChatGPTとかCloudでもできるんですけど
Google AI Studioってコンテキストウィンドウが大きいので複数ファイルにまたがっても作業がしやすいんですよね
今はGoogle AI Studioのアプリ機能を使っているということなのでちょっと高度に抵抗があるかもしれません
ただ予想以上に簡単にできるので Google AI Studioを使って業務を効率化するChrome拡張機能を作ると
そういったアプローチもちょっと選択肢に入れてみてはいかがでしょうか
一方でAIが生成したコードっていうのはセキュリティにリスクがあるという懸念もあります
そうした時に私がやっているのはですね 次のようなプロンプトを使ったりしています
あなたはホワイトハッカーですと 次のコードを確認してセキュリティフォールをついた攻撃のシナリオを3つ提示してください
その際に理由と対策をセットで提示してください こんな感じですね
アプリいろいろ作っていくの面白いですよね 私もこうした業務効率化ができるアプリ作るの大好きなので
先でこういったアプリ作ったよというご報告あればですね ぜひお待ちしてます
お便りありがとうございました 番組ではこのように耳で学べるAIを毎週発信しています
通勤中や火事の合間にAI情報をキャッチアップできます 毎週水曜朝に更新していますのでぜひフォローお願いします
そしておすすめの生成AIツールをまとめた資料も配布しています 興味のある方はこちらもぜひ概要欄にリンクを貼っておきます
お相手は耳で学ぶAIの矢野鉄平でした また次の配信でお会いしましょう
