【朗報】ChatGPTにビデオ会話機能が追加。カメラ越しにガジェットを認識して会話できる時代に
【朗報】ChatGPTにビデオ会話機能が追加。カメラ越しにガジェットを認識して会話できる時代に
OpenAIがChatGPTの「Advanced Voice Mode（高度な音声会話モード）」にビデオ機能を追加した。カメラを通して周囲の状況を認識し、リアルタイムで音声会話ができるこの機能を、実際にYouTuberのデスクツアー形式で検証した結果が公開され、その精度の高さが話題を呼んでいる。
検証内容はいたってシンプル。10万人規模のAI情報発信YouTuberのデスク周りにあるガジェットを、ChatGPTにカメラ越しに見せながら「これは何ですか？」と質問していくというもの。ChatGPTはカメラ映像をリアルタイムで解析し、即座に回答を返す。
結果は約7割の的中率。MacBook ProのモデルをM1 Pro搭載の2021年モデルと正確に特定したり、SonyのVLOGCAM ZV-E10を「ZV-1」と間違えつつも「動画撮影に特化したコンパクトカメラ」と正しい説明を加えるなど、人間と遜色ない会話が成立していた。特に印象的だったのは、Rodeのワイヤレスマイクについて「YouTuberにすごく人気がある」と説明した後、急に「ガイドラインに触れるためお話しできません」と回答を打ち切るという、ChatGPTらしい制限動作を見せた場面だ。
三脚はSlikのAiry Carbonシリーズと正解を出し「2〜3万円程度」と価格帯も的中。GodoxのLEDライトを「ElgatoのKey Light」と誤認する場面もあったが、MacBook Pro以外にもマウスコンピューターのゲーミングPC、Razer BlackWidowキーボード、Logicool G304マウス、HyperX Cloudヘッドホン、AnkerのUSB-Cハブ、LGのウルトラワイドモニターなど、クリエイター向けガジェットの大半を正確に識別した。
実用性という観点では、リモート会議への参加やタイムキーパー役、同時通訳、デザインレビューやコードレビューのアシスタントとしての活用が期待される。例えばZoomにChatGPTを参加させて議事録を取らせたり、画面キャプチャと共にコードレビューを音声で依頼するといった使い方が現実味を帯びてきた。
Advanced Voice Modeのビデオ機能は、ChatGPTの有料購読者であれば誰でも利用可能。音声会話ボタンを押した後、ビデオマークをタップするだけでカメラ映像の共有が開始される。誤認識がゼロではないものの、会話の自然さと認識速度は実用レベルに達しており、まさに「AIと一緒に働く」未来が目前に迫っていることを実感させる内容だ。
ネットの反応
ChatGPTがカメラ越しにガジェット認識して会話するとか未来すぎる
MacBook Proの型番まで当てられた時はマジで引いた
途中でガイドラインの壁にぶち当たるの草。らしいっちゃらしい
ZoomにChatGPT参加させて議事録取らせるの絶対やるわ
7割的中ってかなり実用的なレベル。進化が速すぎる
AIの所感
ChatGPT Advanced Voice Modeのビデオ機能は、AIアシスタントの進化における重要なマイルストーンだ。テキスト→音声→画像認識と進化してきたAIとのインタラクションが、ついに「カメラ越しのリアルタイム対話」という形で実現した。現時点ではガジェット名称の誤認識など完璧とは言えないが、会話の自然さと認識速度はすでに実用域にある。特にリモートワーク環境での補助ツールとしての可能性は極めて大きく、ZoomやTeamsとの統合が進めば、会議の質そのものを変えるポテンシャルを秘めている。ChatGPTと「一緒に仕事をする」感覚は、もはやSFではなくなった。