急速に発展を続けるポッドキャスト業界において、Podcastleプラットフォームは先日、最新のAIテキスト読み上げモデルAsyncflow v1.0を発表しました。この新しいモデルは、ユーザーに450種類以上のAI音声を提供するだけでなく、開発者向けにAPIインターフェースも公開し、テキスト読み上げ機能を彼らのアプリケーションに直接統合することを可能にしています。Podcastleの創設者Arto Yeritsyan氏は、同社が常にテキスト読み上げ機能の開発を目指してきたと述べています。

Xiaomiは、最新のフラッグシップTWSイヤホンであるXiaomi Buds 5 Proを2月27日に正式発表しました。このイヤホンは、Xiaomiのワイヤレスオーディオ分野における最新の成果を表すだけでなく、卓越した音質と多機能性により、4000元以下のイヤホンの中で最高の音質を持つ製品として評価されています。

最近、海外版『哪吒之魔童鬧海』の翻訳がネットユーザーの間で大きな話題になっています。特に呪文「急急如律令」の翻訳方法が注目され、議論を呼んでいます。SNSでは、海外版で「急急如律令」が「quickly quickly biu biu biu」と訳されたという投稿がありましたが、後に否定されました。映画を観た観客によると、実際の翻訳は「swift and uplift」とのことです。

最近の年次書簡で、YouTube CEOのニール・モハンは、人工知能（AI）を同社2025年の4つの「大きな賭け」の1つと呼んでいます。モハンは、YouTubeがクリエイター向けのAIツールに積極的に投資しており、これらのツールには、動画のアイデア出し、サムネイル作成、言語翻訳などの機能が含まれると述べています。特筆すべきは、翻訳機能が今月からYouTubeパートナーシッププログラムに参加しているすべてのクリエイターに提供開始されることであり、もう1つのAI機能は...

Xiaomiは先日、喜ばしいニュースを発表しました。Xiaomiの大規模言語モデルチームの2つの論文が、2025年北米計算言語学会（NAACL）会議に採択され、主要な口頭発表論文として掲載されることが決定しました。この成果は、Xiaomiの人工知能分野における深い蓄積と、技術応用の急速な発展を示しています。これらの2つの論文は、それぞれグラフィカルユーザーインターフェース（GUI）エージェントと機械翻訳に焦点を当てています。XiaomiのGUIエージェントに関する研究では、携帯電話の制御タスクを、ページ到達とページ操作という2つのサブタスクに細分化しています。

Metaは最近、ユネスコ（UNESCO）と協力して、音声録音と文字起こしを多言語で収集し、将来、オープンに利用可能な人工知能（AI）の開発を促進することを目的とした、新しい言語技術パートナーシッププログラムを発表しました。このプログラムは、デジタル環境で過小評価されている少数民族言語に特に重点を置いています。Metaによると、このプログラムは、10時間以上の音声録音とそのトランスクリプト、豊富な書面テキスト、翻訳された文章の集合を提供するパートナーを募集することを目指しています。Metaは、

秘塔AI検索は、多くのユーザーからの期待に応え、待望の新しい「読書モード」機能を正式にリリースしました。これは、スマートフォンでのPDF文書の閲覧における不便さを解消することを目的としています。この機能は、半年間にわたる綿密な開発を経て、ついにユーザーの皆様にお届けできるようになりました。秘塔AI検索は、「ライブラリ検索」のリリース以来、ユーザーが多くの価値のあるPDF文書を簡単に検索できるよう支援してきました。しかし、これらの文書はスマートフォンで閲覧する際に、レイアウトが乱れて読みづらいという問題がありました。この状況を改善するため、秘塔AI検索チームは半年前から開発に取り組んできました。

本日、科大訊飛は最新開発の星火同伝音声大規模モデルを発表しました。これは、国内初のエンドツーエンドの音声同時通訳能力を備えた大規模モデルの正式な登場を意味します。この革新的な技術は、訊飛の以前の翻訳技術と比較して、全シーン翻訳の効果を大幅に向上させ、エンドツーエンドの応答時間を大幅に短縮しました。

2025年のコンシューマー・エレクトロニクス・ショー（CES）で、サムスンは人気のスマートフォンやタブレット機能をテレビ製品に導入すると発表しました。それがリアルタイム翻訳（Live Translate）機能です。この機能は、視聴者にリアルタイムの番組翻訳サービスを提供し、さまざまな言語を話す視聴者がより簡単に番組を楽しめるようにすることを目的としています。リアルタイム翻訳機能は7つの言語に対応しますが、現時点では具体的な言語は明らかになっていません。この技術は、音声ではなく字幕を翻訳することで機能します。202…

最近、研究者らが革新的なAIシステム「DiffSensei」を開発しました。これは、文章で書かれた物語を自動的に漫画風に変換することができます。このシステムは、キャラクターの外観の一貫性を維持するだけでなく、漫画ページのレイアウトも制御でき、AIが漫画制作分野で持つ大きな可能性を示しています。このプロジェクトは、北京大学、上海人工知能研究所、南洋理工大学が共同で開発したもので、拡散モデルと大規模言語モデルを組み合わせ、漫画制作における視覚と物語の要素を処理することを目指しています。DiffSenseiの…

ムハンマド・ビン・ザイード大学研究者主導の研究により、医療画像の情報理解と解釈、さらに英語とアラビア語のバイリンガル分析を可能にするAIモデルBiMediX2が開発されました。特にアラビア語の処理において高い精度を示します。BiMediX2は、英語とアラビア語の両方で医療画像を分析・記述できる初のAIシステムです。X線、MRIスキャン、顕微鏡画像など、様々な医療画像に対応可能です。

グローバル化の進展に伴い、ニューラル機械翻訳（NMT）技術は言語間のコミュニケーションにおいてますます重要な役割を果たしています。現在の翻訳ツールは技術文書や簡単なテキストの処理において優れた性能を発揮していますが、文学作品翻訳においては依然として多くの課題に直面しています。文学作品には比喩や隠喩など、文化的・感情的な意味合いが豊かな表現が多く含まれており、従来の翻訳システムではその深層的な意味を正確に伝えることが難しいことがしばしばあります。この課題を克服するため、テンセント研究チームはDRT-o1という新たな翻訳システムを発表しました。このシステムは

iFlytekオープンソースプラットフォームは先日、同社の星火ブラウザープラグインが重要なアップデートを実施し、ユーザーのブラウジング体験と作業効率をさらに向上させたことを発表しました。星火プラグインは、iFlytek星火V4.0の基盤技術を統合したブラウザ拡張ツールであり、Chrome、Edgeなどの主要ブラウザと高い互換性を持ち、少ないメモリ消費量でAI検索、ウェブページ要約、単語選択と保存などの便利な機能を提供します。

Meta社は先日、Ray-Banスマートグラスに3つの新機能、リアルタイムAI、リアルタイム翻訳、Shazamを追加すると発表しました。リアルタイムAIとリアルタイム翻訳機能は現在、Metaの早期アクセスプログラム参加者に限定公開されていますが、Shazam機能は米国とカナダの全ユーザー向けに公開されています。リアルタイムAIとリアルタイム翻訳機能は、今年初めに開催されたMeta Connect 2024カンファレンスで先行して発表されました。リアルタイムAIは、周囲の環境を継続的に観察しながら、Mと連携することを可能にします。

Meta社は、Ray-Ban Metaスマートグラスの大幅なアップデートを発表し、リアルタイム会話や言語翻訳など、AIをベースとした複数の新機能を追加しました。これらの新機能は、米国とカナダの早期体験ユーザー向けに、最新のファームウェアバージョンv11をダウンロードすることで利用可能になりました。今回のアップデートで最も注目すべき「リアルタイムAI」機能は、秋のMeta Connect開発者会議で初公開されました。この機能により、ユーザーはMetaのAIと

世界的なコンテンツ消費の増加に伴い、英語以外のコンテンツへの需要が急激に高まり、英語映画や番組を上回る勢いです。こうした状況の中、IMAXは人工知能技術を活用し、オリジナルコンテンツのローカライゼーションを推進、より多くの視聴者層を獲得しようとしています。PwCのレポートによると、2023年の世界のエンターテインメント・メディア業界の規模は2.8兆米ドルに達し、今後5年間で年間約4%の成長率で3.4兆米ドルに達すると予想されています。特に、米国や英国を含む各国で英語以外の言語コンテンツの人気は高まっています。

本日開催されたRokid Jungle 2024 パートナー＆新製品発表会において、Rokidは次世代ARグラス「Rokid Glasses」を発表しました。このグラスは、ユーザーのニーズに合わせて近視と乱視のレンズをカスタマイズできるだけでなく、着脱しやすいクリップ式デザインを採用しており、様々な視力を持つユーザーにより多くのパーソナライズされた選択肢を提供します。Rokid Glasses最大の特長は、アリババの通義千問マルチモーダル大規模言語モデルを統合し、通話、Q&A検索、物体…

世界をリードする言語AI企業DeepLは、先日、リアルタイム音声翻訳ツール「DeepL Voice」を発表しました。これは、異なる言語間のシームレスなコミュニケーションを促進することを目的としています。20億ドルの評価額を持つDeepLは、企業や個人の言語ソリューションにおけるリーダー的地位を確立しています。DeepL Voiceは、同社の有名なテキスト翻訳サービスを凌駕し、リアルタイム翻訳による対面またはバーチャルなシーンでの多言語インタラクションを実現する、同社初の音声翻訳に特化した製品です。

米国のAI翻訳プラットフォームUnbabelは水曜日に、人工知能駆動の翻訳サービスWidn.AIを発表しました。これは、同社の独自の大規模言語モデル（LLM）Towerに基づいた新製品です。UnbabelのCEO、ヴァスコ・ペドロ氏は、3年以内には人間の翻訳家が不要になる可能性があると述べています。ペドロ氏はインタビューで、Unbabelの大規模言語モデルは32種類の言語の翻訳を可能にすると述べ、これが初めて人工知能が…（原文省略）