AI文字起こしに新展開、Googleの「清書力」とMicrosoftの「処理速度」が激突

Googleが言いよどみを自動で取り除く「Gemini 3.5 Transcribe」を発表した一方、Microsoftは競合より高速であることを掲げる「MAI-Transcribe-2」をリリースしました。精度の向上と速度の追求という、異なるアプローチによる音声認識の進化が進んでいます。

何が起きたのか

Googleの最新モデルは、会話中の「えーと」などの不要な言葉を削り、ノイズや専門用語がある環境でも整った形式のテキストを生成できるとされています。Pixel 11のGboardやMac版アプリで利用可能で、誰が話しているかの識別機能も強化されました。対してMicrosoftのモデルは、60言語の自動検知に対応し、GoogleやOpenAIのモデルを大きく上回る処理速度を実現したと報じられています。

なぜ注目されているのか

これまで音声認識は、話し言葉特有の重複や言い直しをそのまま書き出すため、後からの修正作業に時間がかかる傾向にありました。AIが自動で「清書」を行うようになれば、議事録作成などの事務負担が大幅に軽減される可能性があります。また、処理速度の向上は、多言語間でのリアルタイムな意思疎通をより円滑にする方向へ作用すると考えられます。

報道を読み比べると

多くの媒体がGoogleの「言いよどみ除去」に注目していますが、TechnoEdgeは具体的な対応端末まで踏み込んで伝えています。一方でGIGAZINEなどは、Microsoft製品が他社製より5倍から10倍高速であるという性能面を強調しています。実際の利用シーンでどちらが有用かは、精度と速度のどちらを優先するか次第と言えそうです。

この記事は、各社が公開している見出しと配信情報をAIが読み取り、要点・背景・論点を整理して自動生成したものです。速報性を優先しているため、内容に誤りや古い情報が含まれる場合があります。正確な情報は必ず上記の出典元をご確認ください。医療・投資・法律に関わる判断は専門家にご相談ください。