PR
生成AIAI_News

Gemini 3.5 Transcribe公開、AI教育と音声・基盤技術が前進

2026年8月26日のAIニュースまとめ 生成AI
この記事は約6分で読めます。

対象日：2026年8月26日（日本時間）

2026年8月26日は、Googleがリアルタイムと録音済み音声に対応する「Gemini 3.5 Transcribe」を公開しました。音声から複数のGoogleサービスを操作するGemini Liveの強化に加え、OpenAIによる教育分野の調査と学校向け展開、NVIDIAの次世代メモリ技術、Hugging Faceの検索モデル学習機能など、AIを日常や業務へ組み込むための発表が続きました。

対象時間内に公式一次情報で公開日と内容を確認できた重要ニュースは6件でした。同じ教育テーマを扱うOpenAIの2件は、1件が利用実態の調査、もう1件が学校向けサービスの提供拡大であり、内容が異なるためそれぞれ掲載しています。

1. Googleが音声認識モデル「Gemini 3.5 Transcribe」を公開

Googleは、85以上の言語を自動判別し、専門用語への適応、話者分離、単語単位の時刻情報、フィラー除去などに対応する音声認識モデルを公開しました。リアルタイム版と録音処理版がパブリックプレビューで提供され、有料APIの実効料金はリアルタイムが約0.009ドル／分、録音処理が約0.005ドル／分です。公式測定では最終文字起こしまでの時間がChirp 3比で70％改善しています。

2. Gemini Liveが音声による複数サービス操作と長時間タスクに対応

GoogleはGemini Liveを強化し、声でGmailの検索・要約・整理を行う機能、GmailとGoogleカレンダーから一日の予定を読み上げるDaily Brief、複数工程をバックグラウンドで処理するSparkとの連携を発表しました。Personal Intelligenceは過去の会話と接続済みGoogleサービスを参照します。SparkはGoogle AI Pro以上、Daily BriefはGoogle AI Plus以上が必要で、利用前にアプリ接続の設定が必要です。

3. OpenAIがChatGPTによる継続学習の利用実態を公開

OpenAIは、学生や教員が授業外でもChatGPTを学習支援に使う実態をまとめた報告書を公開しました。プライバシーに配慮した分析では、理解度の確認や追加練習に関する会話が全年齢で週最大7,000万件、米国の授業・宿題関連メッセージが学期中に週4億6,000万件超へ達したとしています。同社は、AIは教員の判断や学習者自身の努力を置き換えるものではないとも明記しています。

4. ChatGPT for Teachersを米国55学区へ追加展開

OpenAIは、ChatGPT for Teachersを米国20州の55学区へ広げ、新たに10万人超の教職員へ提供すると発表しました。累計では30州・100以上のK-12組織、30万人超が対象です。16州共通のデータプライバシー契約も導入し、ワークスペースのデータは既定でモデル学習に使わないと説明しています。認証済みの米国K-12教職員には2028年6月まで無料提供されます。

5. NVIDIAが次世代高帯域メモリ「NVHBM」を発表

NVIDIAは、顧客独自のAIチップを同社のラック規模基盤へ接続するNVLink Fusionに、次世代高帯域メモリ「NVHBM」を追加しました。メモリ制御回路をXPU本体ではなくHBMのベースダイへ統合し、標準HBM4E比で帯域を最大30％高め、HBMの消費電力を15％削減し、XPUの計算領域を最大25％広げるとしています。最初の協業先はAmazonのAnnapurna Labsです。

6. Sentence Transformers v6.0がマルチベクトル検索モデルの学習に対応

Hugging Face公式ブログは、Sentence Transformers v6.0で、文書全体を一つのベクトルへ圧縮せず単語単位で照合するMultiVectorEncoderと学習機能を追加したと紹介しました。医療検索の実例では、2万5,000組の学習データを単一のRTX 3090で14.5時間学習し、評価指標NDCG@10が0.9087から0.9398へ改善しました。精度を得やすい一方、索引サイズが大きくなる点には注意が必要です。

今日のまとめ

今回の発表では、AIを単に文章で応答する仕組みから、音声入力、複数サービスの操作、教育現場での継続利用、専用ハードウェア、組織固有の検索へ広げる動きが目立ちました。特にGemini 3.5 Transcribeは、リアルタイム処理と録音処理を別のモデル名・APIで用意し、料金と制約も公開しています。用途に応じて、低遅延、話者分離、時刻情報、整形済み文字起こしのどれを優先するかを決めることがポイントです。

一方、発表された数値には測定条件があります。Geminiの精度と遅延、NVHBMの帯域・消費電力、Sentence Transformersの検索精度は、公式発表または記事内の特定条件による結果です。実際に導入する際は、正式提供かプレビューか、対象地域・プラン、入力時間の上限、評価データ、利用規約を確認してください。

参照元一覧

タイトルとURLをコピーしました