Copilot、Gemini、または ChatGPT: あなたにとって最適な会話 AI はどれですか?

重要なポイント

ChatGPT の高度な音声モードでは、GPT-4o の推論能力を活用して、ユーザーとの自然な会話や深いディスカッションが可能になります。
Gemini Live by Google は 40 以上の言語に無料でアクセスでき、Gemini モバイルアプリを通じて利用できます。
Microsoft の Copilot Voice Interactions も無料ですが、現在オーストラリア、カナダ、ニュージーランド、英国、米国でのみ利用可能です。

お気に入りの AI と簡単に会話できるのに、テキストベースのプロンプトを必要とする人がいるでしょうか。音声インタラクションは、開発者が自社のモデルに追加しようと先を争っている注目の新機能であり、ChatGPT の Advanced Voice Mode、Copilot の Natural Voice Interaction、Gemini Live がその先導役となっています。

チャットボットは急速に成長している

ChatGPT のデビューから 2 年も経っていませんが、AI チャットボットが人間とコミュニケーションする方法が根本的に変化するのを私たちはすでに目の当たりにしています。これらのモデルは急速に進化し、マルチモーダルな機能を獲得したため、テキストベースのプロンプトと応答に厳密に束縛されなくなりました。現在、彼らはあなたが他の人と同じように会話することができ、Gemini Live の場合は 40 以上の言語で会話できます。明らかに、従来の書面によるプロンプトは依然としてその役割を果たしています。つまり、座って数千行の Python コードをチャットボットに口述する人はいません。しかし、音声インタラクションと会話型 AI は、私たちが現代世界と対話する方法にさらに革命を起こそうとしています。

OpenAI は、Advanced Voice Mode を備えたこのテクノロジーを最初に市場に投入しましたが、その後すぐに Google の Gemini Live、そして最近では Meta の Natural Voice Interactions が続きました。各システムは、独自の機能と制約のセットを提供します。このガイドは、特定のニーズに最適なものを選択するために必要な情報と洞察を提供するのに役立ちます。

ChatGPT アドバンスト音声モード

ChatGPT の Advanced Voice Mode (AVM) は、OpenAI の最新の大規模言語モデルである GPT-4o を活用して、ユーザーとのより自然な往復会話を促進します。これは、ブレインストーミングや複雑なトピックについてのディスカッションなど、リアルタイムの対話が必要なタスクに最適です。また、AVM は内部に GPT-4o を備えているため、生化学から 14 世紀の日本の哲学に至るまで、幅広いトピックを適切に議論することができます。さらに、他の AI が簡単な要約を提供するようなトピックについて、詳細な回答を提供できます。個人的には、広範な知識ベースとともに、自然言語の理解、適応性、パーソナライゼーションの強力な組み合わせが提供されることがわかりました。

AVM は、市場に投入された最初の会話型 AI 機能です。これは、5 月の OpenAI の Spring Update イベントで初めてデビューし、その後 7 月にテストとフィードバックのために、厳選された ChatGPT Plus 加入者向けにベータ版としてリリースされました。最終的には 9 月下旬に Plus と Teams のサブスクライバーに公開されました。 ChatGPT モバイルアプリやデスクトップポータルからもアクセスできますが、残念ながら、ChatGPT の無料枠を使用している場合はまだ利用できません。 EU、英国、スイス、アイスランド、ノルウェー、リヒテンシュタインでもまだ利用できません。これらの地域のいずれかに住んでいる場合は、入力を続ける必要があります。

ジェミニライブ

Gemini Live は、Advanced Voice Mode に対する Google の答えです。これは、Google のこれまでで最も先進的な Gemini 1.5 Pro モデルをベースに構築されています。同社は 5 月の I/O 2024 で Live を発表し、8 月に最初に Gemini Advanced 加入者を対象に試用した後、9 月下旬にすべてのユーザーに無料でリリースしました。私の意見では、これだけでも Gemini Live は AVM よりも優れています。試すのに月に 20 ドル支払う必要がないからです。

Gemini 1.5 Pro は GPT-4o と同じベンチマークを記録することはできませんが、AVM にはない多くの機能を提供します。これは誇張することはできませんが、Google アプリまたは専用の Gemini iOS および Android アプリを通じて無料で使用できます。 AVMがあるため、地域制限はありません。 Gemini Live を入手できない唯一の場所はデスクトップですが、Google は将来その機能を追加することに取り組んでいると伝えられています。 Gemini Live は現在、英語以外の 5 つの言語 (フランス語、ドイツ語、ポルトガル語、ヒンディー語、スペイン語) で利用できますが、今後数週間で 40 近くの言語に拡大される予定です。

副操縦士の声

Copilot Voice は、GPT-4 のカスタムインスタンス上で実行される、刷新された Copilot パーソナルインターフェイスとともに最近デビューした多数の新機能の 1 つです。 AVM や Live と同様に、クエリを入力する代わりに AI と自然に会話できるようになります。他のものと同様、Voice は主に一般的な質問に答え、デジタルアシスタントとして機能するように設計されていますが、GPT-4 上で動作するため、そのモデルの広範なトレーニングコーパスにアクセスできます。また、Live とは異なり、Voice は Copilot デスクトップポータルから利用できます。

Microsoftは、これを「外出先でブレインストーミングをしたり、簡単な質問をしたり、あるいは大変な一日の終わりにただ発散したりするための最も直感的で自然な方法」であると宣伝している。だって、地下鉄で家に帰るときにポケットコンピュータに向かって大声で叫べるのに、誰が本当の友達を必要とするだろうか？

AVM とは異なり、無料で使用できますが、現時点では英語での会話に限定されており、オーストラリア、カナダ、ニュージーランド、英国、または米国に居住している場合に限ります。 Microsoft は今後数週間のうちに、この機能の言語機能と地理的な利用可能性の両方を拡大することに取り組んでいます。

あなたに適した音声 AI はどれですか?

それは、いくら支払うつもりか、AI を使って何をするつもりか、どのブランドエコシステムに登録しているかなど、多くの変数によって左右される問題です。私にとっては、Google Live の方が好きです。それは無料だからというだけではなく、私はすでに Google エコシステムに深く組み込まれているからです。つまり、私は Android スマートフォンで Gemini を使用しており、この記事は Acer Chromebook で書いています。

私が Windows 派だったら、すでに使用している他のアプリとの潜在的な摩擦点を最小限に抑えるためだけに、Voice を使用する可能性が高いでしょう。もし私が iOS を実行していたら、Apple Intelligence が AI で強化され、最高にアップグレードされた Siri を搭載して登場するのを辛抱強く待つでしょう。一方、ChatGPT が提供する沸騰するような推論機能とパフォーマンスが実際に必要で、ポケットに穴が空いた 20 ドルがある場合は、おそらく Advanced Voice Mode が最適です。