今回の動画では、OpenAI から発表された音声 AI 3 兄弟「GPT-Realtime-2 / GPT-Realtime-Translate / GPT-Realtime-Whisper」について解説しました。GPT-Realtime-2 は GPT-5 級の推論を持ち、context は 128K まで拡張、並列ツール呼び出しや reasoning effort の段階設定にも対応していて、会話に乗ったまま AI が考えてツールを呼んでくれる体験が現実味を帯びてきましたね。
僕は普段から Aqua Voice で音声入力をしていて、Voice-to-Voice / Voice-to-Action / Systems-to-Voice という形で音声起点の自動化体験がもっと広がるとめちゃくちゃ嬉しいなと思っているのですが、今回の進化はその方向にぐっと一歩進んだ印象でした。コスト感もざっくり 1 分 14 円・1 時間で 850 円くらいで、文字起こしだけならローカルの Whisper v3 Turbo で十分なケースもあるので、用途に合わせて使い分けたいところです。
皆さんはこのリアルタイム音声 AI、どんなユースケースで使ってみたいですか？ぜひコメント欄で教えてください！
timestamp:
00:00 オープニング – 音声 AI 3 兄弟登場
00:27 GPT-5 級推論を音声が持つ意味
02:41 3 兄弟体制の役割分担
03:11 GPT-Realtime-2 公式デモを試す
03:58 音声 AI 3 パターン (Voice-to-X)
05:12 Realtime-2 の強化ポイントと 128K
06:37 リアルタイム同時通訳デモ
07:17 Whisper 書き取りとボイス 10 種
07:42 Realtime API 接続方式と価格 1 分 14 円
08:56 ElevenLabs / Gemini Live との棲み分け
09:19 音声起点で AI エージェントを動かす体験
10:33 まとめとメンバーシップ告知
—
ご視聴ありがとうございます！【まさおAIじっくり解説ch】にようこそ！
AIサービス開発に携わるエンジニアである私まさおが、実際の開発現場やノウハウを交えながら「本当に役に立つAIの使い方＆開発手法」をじっくり解説しています。
▼ チャンネル登録はこちらから ▼
✅AI駆動開発研究部(Noteのコミュニティ）
▼メンバーシップはこちら▼
—–
🎁無料プレゼントは公式LINEから🎁
動画や記事で紹介したソースコードなどを公式LINEに登録してくださった方限定で「無料」でプレゼントしています！ご登録いただくと、開発未経験の方でもすぐに試せるサンプルコードや活用術をゲットできます！すぐにDL用のサイトとパスワードが送られてきますよ✨
▼ 登録はこちら
—–
■公式サイト
■X(旧Twitter)
■note(ブログ)
■zenn(技術ブログ)
■お仕事依頼・お問い合わせ:
zarakiai@outlook.com までご連絡ください
—–
■まさおのプロフィール
・開発歴14年（自営業8年目)
・学歴: 旧帝大,画素補完法の研究
・個人開発で累計3000万人以上が使ったサービス＆400万DL超のアプリを開発
・他にもSNSマーケティング支援事業やWebメディアの運営事業も行う
・得意分野:フロントエンドおよびモバイルアプリ,画像処理
—–
■使用素材
VOICEVOX: 四国めたん,青山龍星
BGMER:
効果音ラボ:
コメント