Geminiの音声AIが「考えながら話す」ようになった — 返事しながら裏で作業を進めるGemini 3.8 Live
Googleが9月15日に公開したGemini 3.8 Liveと3.8 Live Extended Thinkingを解説。話しながら裏で処理を進める非同期ツール実行、97言語の自動切替、2モデルの使い分けと正直な評価を整理する。
12件の記事
Googleが9月15日に公開したGemini 3.8 Liveと3.8 Live Extended Thinkingを解説。話しながら裏で処理を進める非同期ツール実行、97言語の自動切替、2モデルの使い分けと正直な評価を整理する。
Oculus創業者が手がける音声AIアプリSesameが登場。Maya・Milesら4体のエージェント、無料の使い方、ChatGPT音声モードとの違い、うっかりバレー越えと言われる自然さを整理する。
Asmi AIは電話で予約や問い合わせを代行するAIエージェント。仕組みと使い所を解説。
ElevenLabs会話AI 2.0のターンテイキング・RAG・バッチコールの技術詳細と料金を解説。
xAIのGrok VoiceがVapiの12種デフォルト音声に採用。TTFA 1秒未満・$0.05/分・100言語以上対応の音声AIが、250万超のエージェントを動かす。
DeepgramはSTT・TTS・Voice Agent APIを統合した音声AIプラットフォーム。Nova-3の精度、Fluxの低レイテンシ、料金体系、競合との違いを開発者視点で解説する。
ElevenLabs Agentsは音声AIエージェントをノーコードで構築できるプラットフォーム。料金・構築手順・Vapi/Retellとの違い・日本語対応の実態を解説する。
ElevenLabs、Vapi、Retell AI、Grok Voice Agent APIを料金・音声品質・レイテンシ・日本語対応で比較。用途別の最適な選び方を解説。
OpenAIのGPT-Realtime-2、Realtime-Translate、Realtime-Whisperの3モデルを解説。GPT-5クラスの推論を持つ音声AIの料金・機能・競合比較。
xAIの音声エージェントモデルgrok-voice-think-fast-1.0はStarlinkの電話営業・サポートで実績を出した。バックグラウンド推論の仕組みと実力を解説。
Ring-a-DingはAIエージェントに電話発信能力を与えるOpenClawスキル。予約取得・見積もり依頼・在庫確認を自動化。月$19、仕組みと使い方を解説。
Retell AIは音声・チャット・メール・SMS対応のAIコールセンタープラットフォーム。$50M ARR、月5,000万コール、料金体系、Klariqoとの違いを整理する。