この新機能は、音声アシスタントとしての能力を大幅に向上させるもので、多くの人々がそのリリースを待ち望んでいます。

GPT-4o Advanced Voiceとは？

GPT-4o Advanced Voiceは、OpenAIが開発中の最新の音声AI技術です。OpenAIと言えば、ChatGPTで有名な会社です。この新技術は、ChatGPTをさらに進化させた「GPT-4o」というAIモデルを基にしています。

GPT-4oの特徴

GPT-4oの最大の特徴は、「オムニモーダル（全方位的）」という点です。これは、テキストだけでなく、音声や画像など、さまざまな形式の情報を直接理解できるという意味です。特に音声に関しては、以下のような能力を持っています：

1. 音声を直接理解できる（テキストに変換する必要がない）
2. 話し手の声のトーンやイントネーションも理解できる
3. より自然な会話が可能

つまり、人間の話し方により近い形で、AIと会話できるようになるのです。

GPT-4o Advanced Voiceの驚くべき能力

OpenAIのCEO、Sam Altman氏によると、GPT-4o Advanced Voiceには以下のような能力があるそうです：

1. カスタムキャラクターボイスの作成

– GPT-4oは、カスタムキャラクターの声を生成し、物語を語る際に効果音を付け加えることができます

2. ストーリーテリング中の効果音生成

– 感情や非言語的な合図を理解し、より自然な対話が可能になります

3. リアルタイム通訳

– リアルタイムでの翻訳機能も搭載されており、会話中に即座に翻訳を行うことが可能です

想像してみてください。好きな声優さんの声でAIと会話したり、AIが語る物語に合わせて効果音が鳴ったり、外国人と話すときにリアルタイムで通訳してくれたり…。まるでSFの世界が現実になるようです。

語学学習への応用に特に期待されます。GPT-4o Advanced Voiceは、とても忍耐強い語学教師として機能し、発音の誤りを直接指摘したり、アクセントの改善をサポートしたりできるそうです。これが実現すれば、語学学習の効率が飛躍的に向上するでしょう。

公開が遅れている理由

ここまで凄い技術なのに、なぜまだ一般公開されていないのでしょうか？その理由は、OpenAIの慎重な姿勢にあります。

OpenAIは、新しいAIモデルを公開する際、常に安全性を最優先に考えています。GPT-4o Advanced Voiceについても、以下のような懸念があるため、慎重に対応しているのです：

1. 不適切な情報を音声で提供してしまう可能性
2. 予期せぬ使われ方をする可能性
3. 社会に与える影響の大きさ

Altman CEOは、GPT-5やSoraなどの高度なAIモデルについて、社会に与えるリスクを考慮し、規制の必要性を訴えています。この慎重な姿勢は、一方で他社にキャッチアップの時間を与えることにもなっていますが、安全性を重視する姿勢は評価に値するでしょう。

使えるようになるのは、いつ？

では、私たちはいつGPT-4o Advanced Voiceを使えるようになるのでしょうか？OpenAIの発表によると、以下のようなスケジュールが予定されています：

1. 今月末（2024年6月末）：限定的な「アルファ版」を一部ユーザーに公開
2. 今秋（2024年秋）：ChatGPT Plusユーザー全員にアクセス権を付与
3. その後：段階的に一般公開

OpenAIの広報担当者は、「小規模なユーザーグループからフィードバックを集め、学んだことを基に展開を拡大していく」と説明しています。

ただし、これはあくまで予定であり、「高い安全性と信頼性の基準を満たすことが前提」とのことです。つまり、安全性の確保に時間がかかれば、公開時期が遅れる可能性もあるということですね。

GPT-4o Advanced Voiceがもたらす未来

GPT-4o Advanced Voiceが一般公開されれば、私たちの生活はどう変わるでしょうか？いくつかの可能性を考えてみました：

1. より自然なバーチャルアシスタント

– スマートスピーカーがより人間らしく応答
– 声のトーンで状況を理解し、適切な対応が可能に

2. 言語の壁を越えたコミュニケーション

– リアルタイム通訳で、外国人とのスムーズな会話
– 海外旅行や国際ビジネスがより簡単に

3. エンターテイメントの進化

– AIが声優や語り部として活躍
– インタラクティブな音声コンテンツの増加

4. 教育革命

– 個別指導のAI教師が普及
– 24時間365日、質問や相談が可能に

5. 医療・福祉分野での活用

– 音声による健康診断や心理カウンセリング
– 高齢者や障がい者のコミュニケーション支援

これらはほんの一例です。GPT-4o Advanced Voiceが普及すれば、私たちの想像を超える様々な応用が生まれるかもしれません。

(Via Tom’s Guide.)

また、SiriやAlexaなどの他の音声アシスタントを凌駕する高度な音声会話機能もあります。

しかし、このアプリはまだすべてのユーザーにダウンロード可能ではなく、たとえダウンロードできたとしても “coming soon – you do not have access to the desktop app yet” というエラーメッセージが表示されます。

幸運なことに、このウェイトリストをバイパスして、今すぐChatGPT Macを使い始めるための簡単なトリックがあります。

ウェイトリストをバイパスする方法

このトリックは非常にシンプルで少し風変わりですが、確実に動作します。以下の手順を実行してください：

1. https://persistent.oaistatic.com/sidekick/public/ChatGPT_Desktop_public_latest.dmg)からChatGPT for Macのディスクイメージファイルをダウンロードします。
2. ディスクイメージをマウントし、「ChatGPT.app」をアプリケーションフォルダにドラッグします。



3. アプリケーションフォルダからChatGPTを開き、通常通りログインします。”Coming soon – You do not have access to the desktop app yet. You can still use ChatGPT at https://chatgpt.com” というエラーメッセージが表示されます。



4. もう一度ChatGPTにログインし、ウィンドウサイズが変わる瞬間（ウィンドウが真っ白になる）にCommand+QでChatGPTを終了（エラーメッセージが表示される前に終了）します。



5. もう一度「ChatGPT.app」を起動します。これで待機リストをスキップして、ChatGPT for Macを利用できます。

これで待機リストなしでChatGPT Macを使用できます。必要なのは有料のPlusのアカウント、macOS Sonoma、そしてApple Silicon Macだけです。

ChatGPT Macの機能

• クイックアクセスのキーボードショートカット: Option+Spacebarを押すと、どこからでもChatGPTのプロンプトが開きます。



• 音声会話機能: ChatGPTクライアントの隅にあるヘッドフォンアイコンをクリックするとアクセスできます。この機能は非常に自然に聞こえ、驚くほどよく機能します。

oaistatic.comは信頼できるか？

ランダムなURLからダウンロードしたファイルを信頼しても良いのか疑問に思うかもしれません。oaistatic.comがOpenAIやChatGPTと関連しているかどうかを調査してみましょう。

ドメイン検索

oaistatic.comでwhoisドメイン検索を実行しても、IDプロテクションレジストラを使用しているため、あまり確認できません。しかし、これは珍しいことではありません。ChatGPT.comやOpenAI.comを含む多くのオンラインビジネスでプライベートレジストラを使用しています。

関係性の検索

oaistaticドメインをGoogleウェブ検索すると、oaistatic.comやcdn.oaistatic.comがChatGPT開発者ツールからアクセスされていることが言及されている、openai.comの複数のスレッドが見つかります。

さらに、paloaltonetworks.comやRedditなどのフォーラムでは、cdn.oaistatic.comがChatGPTのCSSやその他のファイルを保存している場所として参照されています。ネットワーク制限のためChatGPTにアクセスできなかったユーザーが、oaistatic.comへのアクセスをブロック解除することで問題が解決したことがわかります。

ChatGPTの確認

直接ChatGPTに聞いてみると、oaistatic.comは確かにOpenAIに関連しており、一般向けのウェブサイトやアプリケーションに必要な様々な資産を提供するために使用されていることを確認してくれます。

ChatGPTは、このドメインがOpenAIのインフラの正当な部分であり、OpenAIのサービスにアクセスする際に使用しても安全だと述べています。

それでも疑問が残る場合は、公式リリースを待つ方が良いかもしれません。

ダウンロードリンクの出所

Mac ChatGPTアプリのダウンロードリンクは、最初にX/Twitterの心臓血管内科医でAI研究者によって共有されました。その後、ソーシャルメディアで広まり、現在でも機能しています。

Mac版ChatGPTを早く使いたい方は、上記の簡単な手順に従ってウェイトリストを回避し、アプリの印象的な機能を楽しんでください。

【参考文献:】

• OpenAI
• Netify
• Palo Alto Networks
• Reddit

(Via OS X Daily.)

これらのAIモデルがどのようにして既存のガジェット、例えばHumaneのAi PinやRabbit r1に取って代わろうとしているのか？。

新しいAI技術の登場

GPT-4oとその特徴

OpenAIのGPT-4oは、音声コマンドを高度に処理できる新しいAIモデルです。このモデルは、ユーザーが無料プランでも利用できるようになり、その性能は従来のAIを大きく上回ります。GPT-4oは、音声入力に対する応答が非常に自然で、人間との会話に近い体験を提供します。

GoogleのGeminiとその役割

GoogleのGeminiは、Googleのすべての製品に組み込まれており、特にAndroidシステムにおいて中心的な役割を果たします。Geminiは、ユーザーのニーズに応じて複雑な指示を理解し、実行する能力を持っています。例えば、旅行の計画やスケジュールの調整など、日常生活の様々な場面で活用できます。

Ai PinとRabbit r1の課題

Ai Pinの問題点

HumaneのAi Pinは、スクリーンなしでAIを活用するウェアラブルデバイスとして注目されました。しかし、実際には音声コマンドの認識が完璧ではなく、バッテリー寿命にも問題があります。

また、700ドルという高額な価格設定と、追加のデータプランが必要な点もネックです。

Rabbit r1の限界

Rabbit r1は、一部のスマートフォンアプリを代わりに操作する新しいタイプのAIデバイスです。しかし、このデバイスもまた、既存のスマートフォンに比べて利便性が劣ります。

新しいAI技術の利点

GPT-4oの利便性

GPT-4oをスマートフォンにインストールすることで、ユーザーは高性能なAIを手軽に利用できます。音声コマンドの処理能力が高く、対話も人間のように自然です。また、画像や動画をAIに見せて質問することもでき、バッテリー寿命や追加費用の問題もありません。

Geminiの将来性

Geminiは、今後のAndroidバージョンにおいてさらに多くの機能を提供する予定です。例えば、旅行計画の自動化や、ユーザーの好みに応じたカスタマイズが可能です。今後、Geminiが予約の処理や支払いの管理を行うようになれば、さらに利便性が向上するでしょう。

他の企業の動向

他の企業もこの流れに追随しようとしています。MicrosoftはGPT-4oを自社のニーズに合わせて適応させるでしょうし、MetaもAIに音声機能を追加する可能性があります。Appleも独自の方法でAI機能を製品に統合することが期待されます。

(Via BGR.)

これは、12月にGoogleがGemini AIで偽装しなければならなかったことを実現することに成功しました。GPT-4oの新機能のライブデモは、AI搭載の会話エージェントにとって新たな基準を設定し、Googleを追い込む結果となりました。

GPT-4o の強化された機能

GPT-4oのアップデートは、ChatGPTに多くの新機能をもたらし、より多機能で強力なAIアシスタントになりました。

主な強化点は以下の通りです：

• マルチモーダル機能： GPT-4oは音声、画像、ライブビデオ入力を扱えるようになり、より自然で直感的な対話が可能になりました。
• 割り込み処理： ユーザーは、GPT-4oが話している最中に割り込むことができます。
• 音声トーンの検出： GPT-4oはユーザーの声のトーンを分析することができ、ユーザーの感情状態により適切に対応することができます。

これらの機能は、イベント中にライブで実演され、GPT-4oのリアルタイムの機能を紹介しました。

GoogleのGeminiとの比較

12月、GoogleはGeminiAIで同様の機能を実証しようとしました。しかし、後に明らかになったのは、そのデモは演出され、スピードアップされたもので、プロンプトは話し言葉ではなくタイプされたものだったということです。

Geminiは期待通りの結果を出すことができましたが、デモが偽造されたものであったという事実は、AIの実際の能力について懸念を抱かせました。

対照的に、OpenAIのGPT-4oのライブデモは、技術が実世界で使用する準備ができていることを示しました。GPT-4oがユーザーにロールアウトされた後、いくつかの問題が発生する可能性があるにもかかわらず、ライブでAIの能力を実演したOpenAIの自信は、その準備が整っていることを物語っています。

AIアシスタントの未来

AIが進化し続けるにつれ、ChatGPTやGeminiのような会話エージェントが、私たちの日常生活においてますます重要な役割を果たすようになることは明らかです。

GPT-4oがAI能力の新たな基準を打ち立てたことで、Googleは近い将来、OpenAIの業績に匹敵するか、それを上回るよう努力することになるでしょう。

しかし、両社のアプローチの違いは注目に値します。GoogleがGeminiをより先進的に見せるためにフェイクのプレゼンテーションの必要性を感じていたのに対し、OpenAIは技術が完成するまで待ってからライブで披露しました。

これは、AI技術の開発とプレゼンテーションにおける透明性と誠実さの重要性を物語っています。

ChatGPTスプリングアップデートイベントを見逃した方は、以下から再視聴できます。

(Via BGR.)