工作清單

Google音声AIが「声の演技」まで！OpenAI・Claude新モデル同日発表【最新AIニュース】

逐字稿文字預覽

ついにGoogleの音声AIが声の演技までできるようになりました。さらに
OPENAIとアンスロピックが同じ日にやばい新モデルを発表してます。そして今
メタのAIがチャatトGBTを抜いて1位になりAI競争はさらに激化しています。皆さんどうも動画編集の中の人のPP
です。今週も皆さんのクリエイティブを
激見させる重要ニュースをまとめてお届けしていきます。それでは本編に行き
ましょう。声が作れるGoogleの
ジムニ3.8フラッシュTTS発表。それ
ではまず最初にナレーションやキャラクターの恋を作っている方に1番影響が大きいGoogleの最新ニュースからお届けしていきます。9月23日
Googleが新しい音声生成に3.8フラッシュTTSと軽量版のフラッシュライトTTSを発表しました。
1番の特徴は声の演技そのものを文章で設計できるようになったことです。例えば
30代の落ち着いた男性少し関西なり低めの声と書くだけで新しいAI音声が作れちゃいます。さらにすごいのはサンプル
音声さえあればその恋質を毎回同じまま再現ができて演技の指示、間の取り方や感情、方言、笑い声やめ液まで作ることができちゃいます。しかも1つの
ナレーション台本から2人が交互に話す書き合い型の音声も作れるそうです。この
AI音声ですが、今まで用意された30種類ほどのテンプレートの声から選ぶ形だったのが今回2000種類以上に広がりました。また気になる性能面がどの程度な
のかっていうところなんですけど、音声のベンチマークではフラッシュTTSが総合評価で0.920の再現スコアでは60.8点で1円になっています。現時点
でこのAIを使える場所は開発者向けでしたらジェミニAPIとGoogleAIスタジオになってます。一般ユーザーなら
ジミニノート動画編集ツールのGoogleBitzになります。ではX
の反応を見てみましょう。演技すごいです
ね。自然めちゃくちゃいいです。という声
やプロンプの指定なしでこのクオリティは衝撃。ま、といった性能名の評価の声が
目立しました。実際にですね、AI
ナレーションのAI感というのがなくなればかなり現場感でも使いやすくなりますよね。是非ですね、皆さんもチェックしてみ
てください。価格破壊OpenAIGPT
6ソルナ公開。続いては最新進化速度が
一著しいAIの新しいAIモデルのニュースです。9月22日、アストラに
続いてGPT6ソルとGPT6ルナが公開されました。今回のアップデートで1番
改善された項目は価格になります。API
の料金は100万トークンあたり、ソルが入力2ドル、出力が10ドル、ルナが入力0.2ドル、出力が0.5ドルです。ま、
トークンというのはAIが文字を読みかきする時の単位のことなんですね。前の世代
のGPT5.6と比べてどちらも半額それ以下になっています。これめちゃくちゃ
衝撃的ですよね。性能面では業務の自動化
を測るオートメーションベンチでソルが33.2%を記録しました。え、これは
ですね、アスラを軽い設定で動かした時の30.3%やクロードス5の26.9%を上回る数字です。え、さらにソルは前の
試合と比べて間違いがおよそ半分に減ったとのことです。使えるのはチャットGPT
のワーク機能とコデックスになります。で
、プラスプランやプロプラン、ビジネスやエンタープライズプランなどプランが対象です。無料プランとGOプランでも
デスクトップアプリならルナガを使うことができます。つまりこれまで高くて手が
出しづらかった自動化がかなり現実的なコストで回せるようになったということです。Xての反応を見てみましょう。ソル
は前モデルから着実に進化して設計実装は優秀。ただ速度とコストを考えると
アストラとルナの間で使いどに迷う印象があるという恋やルナは安価で早く実装性能も注意油モデルに引けを取らないといった賞賛の声が目立ちました。迷ったら業務の
作業はソル、単純な作業はルナという風に使い分けて使っていくのがいいかもしれません。是非ですね、アストラと合わせて
この新モデルも使ってみていただけたらと思います。同日発表クロードオパス5.5
とソルどっちを使うべきか。続いては同じ
9月22日に発表されたもう1つの大型ニュースです。アンソルpckがクロード
オーバス5.5を発表しました。これ一言
で言うとより安くより早く使える構成のモデルになっています。アンサルピックに
よると大半の作業でクロードフイブル5.1と同じくらいの性能を出しながら実行コストはOPS5と比べて40%も下がっているそうです。料金は100万
トークンあたり入力4ドル7力20ドルPOS5の5ドルそれから25ドルから2割の値下ぎになります。さらにキャッシュ
つまり1度読み込んだ内容を使い回す分の料金は0.5ドルから0.2ドルと6割も下がりました。ま、つまり長い脚本や台本
や資料を何度も読み込ませる使い方ほど安くなるということなんですね。また性能
面での速さも上がっています。のスピード
はOPOS5よりも30%以上早くなりました。ま、さらにファストモードを使え
ば最大2.5倍の速さで動きます。ただ
ファストモードは料金が倍になるので急ぎの作業の時だけ使うのが良さそうです。定
画面ではパソコンのコマンド操作を図るターミナルベンチ4.0で66.4%、フェーブル5.1の55.8%を大きく上まりました。また安全面にも力を入れて
いて外部の評価期間による事前テストやおよそ2000のシナリオを使ったチェックも行ったとのことです。OPOS
5.5はクロードPro、MAXチームエンタープライズの各プランで使えて使える量の上限も引き上げられています。
また数週間以内のアップデートによりソレット5.5や早く5.5も出る予定となっています。ではXでの反応を見てみ
ましょう。文章のうまさや見た目の仕上げ
が魅力。総合力は高いもののコーディング
ではベンチマークほどの強さを感じなかったという今夜オパス5.5何これ?
ぶっ壊れというような性能の高さに対する驚きの声も見受けられました。普段
クロードを使ってる方はまずはいつもの作業をOPス5.5に切り替えていただいて速さの違いや質を体験してみていただけたらと思います。衝撃メタミューズ
がチャットGPTを抜いてAppleStoreア1位。続いては正直角に驚い
た衝撃的なニュースです。メタが出した
AIアプリMAUSがAppスターの無料アプリのダウンロード数で1位になりました。ミューズがどんなAIなのかお伝え
するとユーザーの代わりに実際の作業をしてくれるAIエージェントになります。
エージェントというのは指示を出すと自分で考えて作業まで進めてくれるAIのことです。例えば飛行機のチケット予約や
カレンダーの管理、メールの送信なども任せることができちゃいます。9月14日
の週にAppStoreで周囲に立ち、9月21日の時点でもあのチャットGPTを上回って周囲をキープしています。そして
注目なのが外部の開発者に向けてコネクタープラットフォームを開いたことです。コネクタープラットフォームという
のはミューズと外部のサービスをつぐ接続口のようなものです。すでにネット
作成payでの決済に対応すると発表しています。さらにストライプという会社も決済
の技術を提供しています。ま、つまりAI
が私たちの代わりに買い物や予約をする時代に向けてどの会社がどこと手を組むのかまさに人取り合戦が始まっているということです。Xの反応を見てみましょう。
予約や買い物まで任せられるなら使い方が一気に変わるという驚きの声からカード情報や予定をAIに預けるのはまだ少し怖いという慎重な声まで様々な反応が見られました。そしてこれ私たちにとっても
他足りん事ではないんですね。エア
エージェントが検索や買い物の入り口になると動画や広告を見てもらう場所も変わってくるかもしれません。PRや広告
の動画を使っている方やこれからポートフォリオを作成していきたい方はこの流れを是非収支していきましょう。
未来予測ワールドラボアトラスカメラを数値で動かす時代へ。そして最後は映像
制作の未来の話です。9月1日
ワールドラボがアトラスというAIモデルを発表しました。このアトラス何なのかで
いくと文字、画像、動画、3Dをまとめて扱える空間作りのAIになります。1番の
特徴は映像表現におけるカメラの位置や向きをミリ単位で正確に指定できることです。さらに1枚から数十枚の写真から
実際の場所を3Dで再現することもできるそうです。で、さらにさらにスマホなど3
台から5台のカメラで撮った映像から本来は大量のカメラを並べて取るバレットタイムの映像も作れるそうです。実力は
普通の動画だけではなくや3DGSという3Dデータにも対応しています。ただ現
時点では一部のパートナー企業向けのRESで一般ユーザーの方はまだ使えません。ただこれからリリースされたら少ない
写真や映像からでも映画のような奥行きのある表現ができる可能性が高いです。
リリースされ次第ですね、是非使ってみたいと思いますし、皆さんにも触れていただきたいと思うので、今後もですね、発信していけたらと思います。
ということで今回はですね、今週のAIの最新ニュースについて紹介をしましたが、皆さんいかがだったでしょうか?いや、
今回ですね、衝撃的だったのはまずJini3.TTS。ま、この
ナレーションどこまでの性能なのかってところはよりですね、注力してチェックしていきたいところです。ま、あとですね、
OPのGPT6のソルとルナですね。売り
コスパよく使えるんだったらめちゃくちゃ嬉しいですよね。なんかこうAIが価格
競訴すればするほどどんどん安くなっていく気がしているので課金するタイミングめちゃくちゃ迷いますよね。皆さんも是非
ですね、気になるニュースがあったら感想を含めてですね、コメント欄で教えていただけるとめちゃくちゃ嬉しいです。と
いうことで今回もご視聴いただきありがとうございました。もしですね、
この動画がためになったという方はですね、是非いいね応援してくれるとめちゃくちゃ励みになりますので、応援のことよろしくお願いします。ということで
また次回の動画でお会いしましょう。
さよなら。
るポ

來源：transcript.txt

本次執行流程與問題處理

  1. 下達指令

    指令：videonote https://youtu.be/xK0fmkndz6w?si=kSEVLqA7cEwWlq61 --language ja --bilingual --auto-source-subtitles

    來源：https://youtu.be/xK0fmkndz6w?si=kSEVLqA7cEwWlq61

    辨識語言：ja ｜ 參數：--language ja --bilingual --auto-source-subtitles

  2. 預期流程

    依指令產生的處理順序：

    1. 自動字幕優先，Whisper 作為備援
    2. 來源選擇與品質檢查
    3. 文字校正與句子單元
    4. 雙語翻譯
    5. 雙語時間軸與學習單元
    6. 筆記與發布
    7. 公開網頁發布

  3. 1. 下載與語音辨識

    工具：videonote-transcribe-url（主辨識管線：下載、Whisper 辨識與選稿）

    處理：下載音訊、以 Whisper 辨識並選出最佳逐字稿

    產出：yt_dlp_meta.json（影片元資料）、audio_16k_mono.wav（16kHz 單聲道音訊）、transcript.whisper.json（Whisper 辨識結果）、transcript.json（正式逐字稿）、transcript_selection_report.json（來源選擇報告）

    耗時：14.9 秒

    關係：依序執行

    結果：完成

  4. 2. 全文快速校讀

    工具：videonote_rapid_transcript_review.py

    處理：先速讀完整逐字稿，再修正高可信突兀詞句並列出待確認項目

    產出：rapid_transcript_review_report.json（產出檔案）

    耗時：60.2 秒

    關係：依序執行

    結果：完成

  5. 3. 建立句子單元

    工具：videonote-build-sentence-units

    處理：將逐字稿切成帶時間軸的句子單元

    產出：sentence_units.json（句子單元）

    耗時：0.3 秒

    關係：依序執行

    結果：完成

  6. 4. 時間軸稽核

    工具：videonote_timeline_audit.py

    處理：檢查時間軸與音訊對齊

    產出：timeline_audit_report.json（時間軸稽核）

    耗時：0.3 秒

    關係：依序執行

    結果：完成

  7. 5. 品質檢查

    工具：videonote_controlled_quality.py（檢查時間軸與品質）

    處理：檢查語言、時間軸與可讀性品質

    產出：controlled_quality_report.json（品質報告）、language_sanity_report.json（語言檢查）

    耗時：0.4 秒

    關係：依序執行

    結果：完成

  8. 6. 播放時間軸回填

    工具：videonote_rebase_display_timeline.py

    處理：將網頁播放時間軸回填為校正字幕時間

    產出：display_timeline_rebase_report.json（時間軸回填報告）

    耗時：0.4 秒

    關係：依序執行

    結果：完成

  9. 7. 雙語翻譯

    工具：vnt-sentence（句子雙語翻譯）

    處理：將句子翻譯成繁體中文

    產出：sentence_bilingual_transcript.json（雙語逐字稿）

    耗時：53.8 秒

    關係：依序執行

    結果：完成

  10. 8. 雙語時間軸與學習單元

    工具：videonote_learning_timeline_v2.py（建立雙語時間軸與學習單元）

    處理：建立雙語時間軸與學習內容

    產出：sentence_bilingual_timeline.html（雙語時間軸頁）、learning.json（學習單元）、japanese_learning.json（日文學習單元）

    耗時：0.9 秒

    關係：依序執行

    結果：完成

  11. 9. 生成筆記摘要

    工具：videonote-generate-note（生成筆記摘要）

    處理：生成筆記摘要與重點

    產出：note.md（筆記 Markdown）、note.html（筆記 HTML）

    耗時：142.4 秒

    關係：依序執行

    結果：完成

  12. 10. 建立筆記頁面

    工具：videonote-render-html（產生筆記 HTML）

    處理：產生可閱讀的筆記 HTML 頁面

    產出：note.html（筆記 HTML）

    耗時：0.5 秒

    關係：依序執行

    結果：完成

  13. 11. 發布公開頁面

    工具：videonote-publish（發布公開頁面）

    處理：發布到公開網站與每日列表

    產出：公開筆記網址、result.json（管線結果）

    耗時：0.6 秒

    關係：依序執行

    結果：完成

手動來源字幕

自動來源字幕

Whisper 字幕

Qwen 字幕

Parakeet 字幕

MOSS 字幕

聲學時間證據（PyAnnote / WhisperX）

校正前後逐字稿

目前待解決問題與初步改善方向

進一步精進字幕與筆記
使用 Workbench 上傳校正字幕、中文參考稿或回饋 SRT，重新產生雙語與學習單元。
開啟 Workbench