7月24日、Gregor Kobsikが「Claude's voice mode now runs on Anthropic's most capable models across all platforms」と題した記事を公開した。AnthropicがClaudeの音声モードをより高性能なモデルへ拡張し、GmailやSlackなどの外部ツール連携も追加したアップデートについて詳しく紹介している。注目すべきは、声だけでメールを作成・送信できるAIアシスタントは、現時点でClaudeのみという点だ。OpenAIやGoogleも音声AIを提供しているが、この機能は持っていない——元記事はそう指摘している。
音声モードがHaikuだけでなくOpus・Sonnetにも対応
これまでClaudeの音声モードは、同社のモデルラインアップの中で最も軽量なClaude Haikuにのみ対応していた。音声認識・合成をリアルタイムで処理する音声モードでは、レイテンシを抑えるために軽量モデルが採用されてきた経緯がある。今回のアップデートにより、より高性能なClaude OpusおよびClaude Sonnetでも音声モードが利用可能になった。
Anthropicのモデル体系において、Haiku・Sonnet・Opusはそれぞれ軽量・標準・高性能に対応するモデル群として位置づけられている。Haikuに限定されていた音声モードが上位モデルへ開放されたことで、より複雑な推論や長文の処理を音声インターフェース経由で扱えるようになる。
対応プラットフォームはモバイルアプリ、デスクトップアプリ、Webチャットの全プラットフォーム。会話の途中でもモデルを切り替えられる点も特徴だ。対応言語は11言語で、元記事によれば英語・スペイン語・フランス語・ドイツ語・イタリア語・ポルトガル語・日本語・韓国語・中国語(簡体字・繁体字)・アラビア語が含まれる。
なお、Claudeの音声モードは2024年後半に段階的に提供が開始された機能であり、当初はHaikuのみに限定されていた。今回の拡張はその後続アップデートに当たる。
最大の差別化点:音声でメールを作成・送信できる
今回のアップデートで最も注目すべき機能は、外部ツールとの連携だ。Gmail、Google Calendar、Slackといったサービスを音声モードから直接操作できる。たとえば、声でメールの内容を口述するだけで、作成・送信まで完結する。カレンダーへの予定追加やSlackへのメッセージ投稿も同様に音声で操作可能だ。
元記事によれば、音声モードからメールの作成・保存が行えるAIアシスタントは、現時点でAnthropicのみだという。ただし、この主張は元記事執筆時点の比較に基づくものであり、各社のアップデートが頻繁に行われている現状では、今後変化する可能性がある点には留意が必要だ。
ビジネスシーンでの実用性という観点では、「声でメールを送る」という操作フローは、移動中・作業中など手が使えない場面での活用が想定される。OpenAIのChatGPTやGoogleのGemini Liveにも音声機能は備わっているが、こうしたツール統合まで音声モードから直接実行できる点はClaudeの現時点での独自性だと元記事は評している。
OpenAI・Googleとの比較
元記事では、主要3社の音声モードを以下のように整理している。
| サービス | 方式 | 特徴 |
|---|---|---|
| OpenAI GPT(Advanced Voice Mode) | 全二重(Full-duplex)音声 | 話しながら聞くことが可能。自然な会話感が強い |
| Google Gemini Live | ターン制 | スマートフォン限定 |
| Claude | ターン制 | ツール連携が強み |
OpenAIのAdvanced Voice Modeは、ユーザーが話しながらAI側も聴けるフルデュプレックス方式を採用しており、会話の自然さではOpenAIとGoogleが上回るとGregor Kobsikは評している。Claudeはターン制(ユーザーの発話が終わってから応答する方式)を採用しているため、会話のテンポ面では見劣りする。
フルデュプレックス方式は音声通話に近い自然なやり取りを実現できる反面、実装の複雑さやモデルへの負荷が増す。Claudeがターン制を維持しつつ全プラットフォーム対応と上位モデル開放に踏み切った背景には、会話の流暢さよりも実用的なタスク実行能力を優先するという設計思想があるとみられる。
一方、Gemini Liveはスマートフォンに限定されており、全プラットフォーム対応というClaudeの今回の拡張は差別化要因になりうる。
音声検索の処理精度については、3サービスとも同等に機能するとされている。
Claudeの音声モードは会話の自然さよりも実用的なツール統合に軸足を置いた設計だ。音声でGmailを操作できる点はビジネスユースにおける実用性の観点から一定の優位性がある。ただし、日常会話としての自然さを求めるユーザーには、現時点ではOpenAIの方が完成度が高いという評価も記事内で明示されている。各社の音声AIは機能追加のペースが速く、今回の差別化ポイントがどこまで維持されるかは注視が必要だ。
詳細はClaude's voice mode now runs on Anthropic's most capable models across all platformsを参照していただきたい。