スピーチ業界は忙しい一週間を過ごしました: リアルタイム翻訳、Voxtral 3、パーソナル エージェント レース

スピーチは忙しい一週間でした。イレブンラボとミストラルはどちらもリアルタイム音声翻訳ツールを出荷しており、イレブンラボは90以上の言語に対応し、ミストラルは35以上の言語に対応しています。これは、誰かの声がその人のアイデンティティであり、これらのツールが言語を越えて使用できることを思い出すまでは素晴らしいことです。

ミストラルの Voxtral 3 は、リアルタイム音声エージェント ツールとより詳細な音声制御を備えて 35 言語に拡張され、音声モデルを目新しいものからコールセンターで実行できるものへと押し上げました。 「アシスタント」と「なりすまし」の間の境界線はますます薄くなり、安全対策は追いついていない。

エージェント側では、Anthropic は、米国の Pro および Max ユーザー向けのプロアクティブなバックグラウンド エージェントである Claude Duet を立ち上げ、Meta の Muse および OpenAI とともにパーソナル エージェント レースに加わりました。 Meta の Muse はユーザー数 1,000 万人を超え、2026 年の設備投資を 1,350 ～ 1,450 億ドルに引き上げたため、同社のフリー キャッシュ フローはマイナスになりました。 「あなたの人生に住むエージェント」のための土地収奪が始まっている。

クリエイターにとって、実質的なメリットは実際にあります。話せない言語で台本をナレーションしたり、別の言語で会議を要約したりできるようになりました。リスクは、ラベルのない同じ機能が人の同意を偽装するものになることです。

私のルールは変わっていません。声や顔が合成である場合は、大声で言いましょう。今週、この機能がより安く、より広範囲になりました。また、ラベル付けもオプションではなくなりました。