DeepMind Official Blog

写真1枚から話す顔を作る技術は、Microsoftが2024年4月のVASA-1で示しつつ公開を見送ったものだ。

前日の声の複製では本人の口頭同意の録音が必須だったが、顔については公式記事に同意の記述がなく、許可リストが本人確認を肩代わりしているとみられる。

SynthIDの透かしは後から見分ける仕組みにすぎず、本当の防波堤は「誰に使わせるか」を絞る運用だ。

Appleが2024年6月に発表した同種の仕組みは、処理後に個人データを一切残さない設計を約束の柱にしていた。

Googleがその原則から踏み出すのは、AIアシスタントの勝負どころが賢さから「覚えていること」へ移りつつあるからとみられる。

端末だけが鍵を持つ設計は、プライバシーの守り方を「消す」から「鍵を握る」へ切り替える宣言だ。

4月の前世代3.1 Flash TTSは70超の言語だったが、Googleいわく今回は100超の言語と2,000超の声に広がった。

安いFlash-Liteを分けたのは、吹き替えや音声エージェントのような大量の用途では1分あたりの単価で選ばれるからとみられる。

声の複製がテキサス州や英国、EEAなどで使えない以上、最大の制約はもはや音質でなく法律だ。

OpenAIは7月に音声モデルへ推論とツール利用を入れ、LiveKitは6月に処理中も話し続ける機能を開発枠組みに加えていた。

なぜ今かといえば、沈黙が続くと通話が切れたと思われやすく、各社はつなぎの一言で穴を埋めてきたからだ。

今回はその一言をモデル自体に組み込んだ形で、音声AIの競争は賢さより沈黙をなくす設計へ移ったとみられる。

AlphaMissenseは2023年にたんぱく質を変える7100万件を採点したが、ゲノムの2%どまりだった。

なぜ今かといえば、モデルが重くて遅いからで、先に全部計算しておけばGPUのない研究室も引くだけで済む。

1つの数字にまとめると誤読を招くとの指摘もあるが、学術は無料・商用は近くGoogle Cloudで、事実上の標準になるとみられる。

観測から直接予報するAIは、2025年にケンブリッジ大などのAardvarkがNature誌で先行していた。

なぜ今かは明快で、毎時更新と高さ100mの風や日射が再エネの電力取引に直結するからだ。

ECMWFも5月に外部AIモデルの図の掲載をやめており、効くのは精度より各国機関の6時間ごとのデータから予報AIが自立した点で、担い手が入れ替わる前兆とみられる。

Anthropicは2025年11月、攻撃者が「防御テストだ」と偽ってClaudeに侵入作業の8〜9割を代行させた事例を公表した。

審査制のFairwindは、なりすましをモデルではなく人の目で止める仕組みとみられる。

汎用の3.8 Flashは年内限りの安値で広く配り、攻撃に使える力にだけ門を閉じる——安全策の軸が「弱くする」から「渡す相手を選ぶ」へ移った。

発表前日の9月1日、OpenAIは新モデルAstraが自社基準で初めて「重大」な攻撃能力に達したとして、提供先を絞ると表明している。

守りの道具なのに門を狭くするのは、脆弱性を見つけて直す力が、そのまま攻める力でもあるからだ。

DARPAの大会が決勝7チームの自動修正システムを全て公開した2025年とは逆で、防御力は払える額ではなく信用される立場で配られ始めた。

必要な場面だけ選んで見る動画解析は目新しくなく、2024年10月には同じ狙いの研究論文が出ていた。

なぜ今、しかもProではなく安価なFlash系3モデルなのか——動画は最もトークンを食う入力で、削減が価格競争力に直結するからだろう。

88%減はGoogleいわく「最大」値だが、競争軸は「動画を丸ごと詰め込めるか」から「どれだけ見ずに済ませるか」へ移った。

Sora 2は20秒の継ぎ足しを6回重ねて合計120秒まで届くので、40秒という尺は勝ち札にならない。

なぜ今かといえば、そのSoraのAPIが9月24日に止まるからで、乗り換え先を探す開発者の前に締め切りの1か月前に置いた形だ。

争点は長さから作り直しの安さへ移り、360pで何度も下描きさせる設計から、Googleが狙うのは見せ場ではなく制作ラインだとみられる。

OpenMinedは2024年に英AISI・Anthropicと似た評価を試したが、対象は公開のGPT-2で重みを隠す必要はなかった。

なぜ今かというと、EU AI Actの行動規範が外部評価者へのモデル提供を求め、企業秘密との衝突が現実になったからとみられる。

点数の精度ではなく評価を外から検証できる形にする動きで、軽量のFlash Liteから最上位へ広げられるかが試金石だ。

Artificial Analysisの非ストリーミング一覧で2.6%は5番手、上にElevenLabsなど4モデルがいる。

ではなぜ今かというと、勝負は精度より配る先で、同じモデルが既にGboardのRamblerに入り、次はChromeの音声入力に来る。

音声認識はもう単体で買う商品ではなく、キーボードやブラウザに最初から埋まっている入力方法になった。

FenrisはEVEの開発元CCPの新社名で、2026年5月に1億2000万ドルで親会社から独立し、Googleが少数株を持った。

世界を自作できるGenie 3を持つ会社がMMOを借りるのは、生成した世界が数分しか保たず、20年分の人間の経済史だけは作れないからだろう。

ゲームはもう倒す相手ではなく、人間が作った経済でAIが何年生き残れるかを試す社会だ。

手話の自動翻訳は2000年代から手話グローブの試みが続き、当事者からは聞こえる側の都合で作られたと批判されてきた。

今回が違うのは置き場所で、通訳機ではなく本人が文字入力やGemini操作に使うキーボードの側に手話を据えた点だ。

手話が「訳される対象」から「端末を動かす言語」に変わった一歩だが、対応は世界に約200ある手話のうちASLだけで、Pixel 11に限られる。

ECMWFのAI予報は2025年2月に実運用入りしたが、進路は改善しても強度を低く見積もる弱点が残った。

なぜ今、重みまで開くのか。昨年11月の登場時はデータ配信が中心で、Apache 2.0での公開は各国の気象機関に使わせる段階への移行とみられる。

予報の主役が国の計算機から公開モデルへ移る転換点だが、極端な現象では従来型が上との研究もあり、当面は置き換えでなく併用だろう。