こんにちは、AIニュースアプリ Morning AI 開発者の矢野哲平です。この記事では、AIと音声をテーマに、ChatGPTの音声会話アップデートと、Google AI Studioを使った音声コンテンツの作成について触れます。
私たちは普段、ChatGPTのようにテキストベースでAIと会話している人が多いと思います。ですが、そこに「音声でAIと会話する」という視点を加えると、活用の幅がぐっと広がります。
この記事で解説するポイントは、次の2つです。
まずはChatGPTの最新ニュースから。OpenAIが、ChatGPTの音声会話機能をアップデートしました。
もともとChatGPTには音声会話機能があり、テキストではなく人間と音声で会話ができます。今回のアップデートで、これがより自然に会話できるようになりました。実際に試してみると、確かに精度が上がっていると感じます。人間のような言い回し、より感情を込めた発音になっていて、人と話しているような感覚にぐっと近づいています。
ただし、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。無料版は従来どおりの音声会話機能です。無料版でも十分高度ですが、会話の品質が上がったのは現時点では有料版だけ、という点は押さえておきましょう。
今回のプレスリリースでは、通訳機能の強化にも触れられています。もともとChatGPTを通訳のように使うことはできましたが、それがさらに使いやすくなりました。
たとえば海外旅行中、目の前にアメリカの方がいて、その人と会話したいとします。英語を話すのも聞くのも得意ではないけれど、聞きたいことがある。そんなときにChatGPTの音声会話機能が役立ちます。こんなふうに指示します。
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。
こうした使い方は無料版でも利用できますが、今回のアップデートでより快適になりました。海外に行かなくても、日本でも外国人観光客は増えています。もし話しかけられたら、ChatGPTのアプリを起動して通訳のように使う。そんなスマートな使い方もできます。
ちなみに、スマホアプリ版のGeminiにも音声会話機能があります。先に結論を言うと、自然な会話という点では、現時点ではChatGPTのほうが勝っていると思います。Geminiは、いかにもAI音声という印象が残る場面があります。
音声会話は、散歩中のアイデア出しや壁打ち、トピックの掘り下げ、英会話の練習、通訳など、使う人次第で本当に幅広い活用ができます。ただ、1点だけ落とし穴があります。
それは、最新情報に基づくトピックではハルシネーションが起きやすいということです。同じ内容でも、テキストでは起きないのに音声会話だと間違った回答が返ってくる、という現象があります。最新情報に基づく会話をするときは、AIが間違った回答を話している可能性がある、という前提で会話することをおすすめします。
ここからは、Google AI Studioを使った音声コンテンツの作成についてです。
Gemini Notebook（旧NotebookLM）の音声概要機能を使っている方は多いと思います。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機能です。実は、似たような音声をGoogle AI StudioのNative Speech Generationという機能を使えば、誰でも無料で作れます。事前の知識もクレジットカード登録も不要です。
具体的な説明の前に、Google AI Studioについて補足します。これはGoogleが用意している実験環境のようなもので、画面はChatGPTやGeminiと似ています。チャット画面にAIへの質問を入力すると、同じようにやり取りができます。詳しくはGoogle AI Studioとは？でもまとめています。
Google AI Studioの魅力は主に2つです。
一つは、最新のモデルを無料で試せること。新しいモデルは、Geminiのチャット画面に反映される前に、まずGoogle AI Studioでリリースされることが多いんです。
もう一つは、大きなコンテキストウィンドウを扱えることです。コンテキストウィンドウとは、簡単に言うとAIの短期記憶のようなものです。AIは短い会話なら問題ありませんが、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います。どれだけ記憶・参照できるかを示す値がコンテキストウィンドウです。
たとえばChatGPTのGPT-4oはコンテキストウィンドウが12.8万トークンですが、Google AI StudioのGemini 2.5は100万トークンです。これだけ大きいと、動画をアップロードして要約してもらう、音声を文字起こしする、といった、通常のチャット画面ではできないことができるようになります。
話を音声コンテンツに戻します。やり方はシンプルです。
これだけで音源が完成します。台本は自分で書いてもいいですが、AIに作らせることもできます。ChatGPTやGeminiに情報ソースをアップロードして「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」と指示し、できあがった台本をNative Speech Generationに渡せば、音声コンテンツが完成します。
細かい設定も可能です。話し手の声は現時点で30名から選べ、モデルもGemini 2.5 Pro TTSとGemini 2.5 Flash TTSから選択できます。より人間らしい音声にしたいなら、Pro TTSのほうがおすすめです。Gemini Notebookの音声概要のような、人が話している雰囲気を再現したいときに向いています。
テキストを音声化する機能は、使い方が人によって変わる部分です。たとえば日本語の文章を英語や他の言語で発音してほしい、といったときに使えます。
テキストから音声を作るハードルは、年々下がっています。これまで音声コンテンツを作ったことがない人でも、簡単に作れるようになりました。「自分の業務にどう活かせるだろう」という視点で考えると、新しいアイデアが生まれてくると思います。
最後に、AIと音声についてもう一段掘り下げて考えてみます。
音声機能がどんどん進化していくと、AIと会話することがもっと身近になる可能性があります。Google AI StudioにはLive Audio to Audioという機能もあり、AIとの音声会話を自分で実験できます。
こうしたAIとの音声会話には、いろいろな活用アイデアが考えられます。
たとえば企業向けにAI研修を提供するサービスを考えると、社員100名のスキルを把握するのは難しいですよね。固定されたアンケートでは柔軟に掘り下げられません。これをAIとの会話に置き換えれば、その人がどんなスキルを持ち、どこに課題を感じているかを抽出し、個別の研修カリキュラムを組む、といったことができます。
ほかにも電話応対やリアル店舗での接客など、AIと人間が音声で当たり前のように会話する未来は、そう遠くないかもしれません。
最後に、今回のポイントをまとめます。
テキストだけでなく、音声という視点を加えることで、AIの活用の幅は大きく広がります。気になった機能があれば、ぜひ一度試してみてください。
Googleの情報管理ツールGemini Notebook（旧NotebookLM）の音声解説（旧：音声概要）で、論文やYouTube・ニュースからポッドキャスト風の音声を作る方法を解説。4つの形式の違い、作り方と聴き方、ユースケース、残っている課題までまとめます。
Googleの実験環境Google AI Studioの魅力を解説。100万トークンの大きなコンテキストウィンドウ、URLコンテキスト、テキストからアプリを作るBuild Apps、注目のStitch・Flowまで、最新モデルを無料で試せるツールの活用法を紹介します。
AIを使えば勉強の効率も上げられるのか。ChatGPTやGemini Notebook（旧NotebookLM）を使った自分だけのオーディオ教材づくり、人に教える学習法のAI再現、そして知識ゼロのジャンルで気をつけたい落とし穴まで実体験を交えて解説します。
Claude Codeのultrathinkが、2.1.311からそのターンのeffortを実際にxhighへ引き上げるようになりました。今の仕様、効く条件と虹色の表示、31,999トークンの時代からの変遷、よくある誤解、/effortとの使い分けを解説します。
AIエージェント「Grok Bot」の活用アイデアまとめ。公式が紹介する営業・採用・サポートなどのビジネス向けと、Cursorと組み合わせるエンジニア向けの使い方に加え、筆者が実際にやっているX連携・ダイエットの記録・勉強・他社のAIエージェントとの連携などを紹介します。
AIエージェント「Grok Bot」の始め方と使い方を実体験から解説。料金と使えるプラン、Xと連携した情報収集やAIポッドキャストなどおすすめの使い方、記憶の整理でミスを減らすコツ、買い物の自動化がまだ難しい理由までまとめます。
Anthropicが発表した先回り型のAIエージェント「Claude Duet」の仕組み、承認の仕組み、誰がいつ使えるのかを整理します。あわせてGrok Bot・Muse・dots・Gemini agentと続くクラウド型AIエージェントの流れと、今試すならどれかを解説します。
Gemini Notebook（旧NotebookLM）とGoogleドライブを連携した時、AIはどこまで情報を参照するのか。指定していないフォルダまで読まれることはあるのか、連携の単位から整理します。
Googleの最上位モデルGemini 4 Argonを、ChatGPT（GPT-6 Astra）やClaude（Fable 5.1・Opus 5.5）と比較。Googleの公式比較、Artificial AnalysisやVals AIなど外部の評価、実際に使った感想から、Argonの得意なこと・不得意なことを整理します。
10月13日のGoogle Playの発表で、Google AI Studioで作ったAndroidアプリを自分のスマホにインストールして使えるようになりました。開発者アカウントは不要で、アプリは非公開。何が嬉しいのか、在庫チェックや日報など自分専用の業務アプリの例と、地域・年齢の注意点を解説します。
GoogleのSynthIDが、TIME誌の「Best Inventions 2026」に選ばれました。AIが作った画像・音声・動画・テキストに目に見えない電子透かしを入れる技術で、これまでに1,800億件以上に適用されています。何ができるのか、私たちユーザーにとって何が大事なのかを解説します。
Metaが今年から本格展開しているAI「Muse」を整理します。Museはモデルの名前でもあり、アプリの名前でもあります。Muse SparkとMuse Wonderの違い、アメリカでStore1位になったパーソナルAIアプリのMuse、日本で使えるのはどこまでか、中小企業での活用事例、キーマンのアレクサンダー・ワン氏まで解説します。
MetaのMuse Spark 1.3を、Claude Opus 5.5とGPT-6.1 Solと比べました。OpenCodeでランディングページを作らせた実験の結果と、Artificial Analysis・Design Arena・Vals AIの外部ベンチマークを整理します。API料金が一番安いMuse Sparkは、Webサイトやデザイン系のタスクで健闘していました。