ElevenLabs
ElevenLabs
日本語を含む音声合成、文字起こし、音声エージェントを提供するサービス。Creativeの画面では画像と動画も生成できます。
- 日本での利用
- 利用可能
- 日本語入力
- 対応
- 出力
- 対応
- 日本語 UI
- 一部対応
- 無料プラン
- 無料プランあり
- 最終確認
AIFIND · アイファインド
AIを知る、比べる、使いこなす。公式資料で確認した情報と出典から、目的に合うAIを探せます。
AIニュースを読む →ElevenLabs
日本語を含む音声合成、文字起こし、音声エージェントを提供するサービス。Creativeの画面では画像と動画も生成できます。
Dify
モデル、資料検索とツールを組み合わせ、AIアプリやAgentのワークフローを作るプラットフォーム。WebアプリまたはAPIとして公開でき、生成機能は接続するモデルに依存します。
Notion
Notionの文章、会議メモや接続した資料を基に、検索、調査、文書作成と作業を進めるAI。継続利用はBusinessまたはEnterprise、FreeとPlusはAIの試用です。
Runway
テキストや画像を基に動画を生成・編集する制作ツール。画像、音楽や音声の生成と、制作を組み立てるAgentにも対応します。
GitHub
GitHubや対応する開発環境で、コードの説明、提案、変更作業を支援するAI。Web、モバイル、デスクトップアプリとSDKの利用条件を公式資料で確認できます。
Cursor
コードベースを読み、コードの作成、編集とレビューを支援するAI開発ツール。Agentによる作業と画像生成に対応し、提案した差分を利用者が確認します。
公式資料で確認できる条件を整理しました。実測結果や性能順位は掲載していません。
Cursor / GitHub Copilot
公式情報の整理(実測していません)
参照版の公開日: /
公開:
公式資料で確認できる条件を整理しました。実測結果や性能順位は掲載していません。
ChatGPT / Claude
公式情報の整理(実測していません)
参照版の公開日: /
公開:
公式資料で確認できる条件を整理しました。実測結果や性能順位は掲載していません。
Adobe Firefly / Runway / ElevenLabs
公開:
公式資料で確認できる条件を整理しました。実測結果や性能順位は掲載していません。
ChatGPT / Gemini / Gemini Notebook
公開:
公式資料で確認できる条件を整理しました。実測結果や性能順位は掲載していません。
Cursor
公式情報の整理(実測していません)
参照版の公開日:
公開:
公式資料で確認できる条件を整理しました。実測結果や性能順位は掲載していません。
Gemini Notebook
公式情報の整理(実測していません)
参照版の公開日:
公開:
Google DeepMindは、音声生成モデル「Gemini 3.8 Flash TTS」と「Gemini 3.8 Flash-Lite TTS」を発表しました。
推荐理由:音声の生成・複製機能と同意確認やSynthIDによる保護を併せて示し、表現力と安全対策の両面を把握できます。
Google DeepMindとGoogle Researchは、全球気象予測モデルWeatherNext 3を発表した。リアルタイムの静止気象衛星データを取り込み、毎時更新の予測を最大5キロメートル解像度で生成する。
推荐理由:衛星データと気象観測所の実測値を取り込み、解像度や更新頻度、降水予測精度をどう改善したかを具体的な数値で把握できます。
Google DeepMindはGemini Omni 1.1 Flashを発表し、開発者向けの動画生成機能を拡充しました。最大10秒の過去映像を参照するシーン延長や、開始・終了フレームの指定、最大4Kへのアップスケールに対応します。
推荐理由:最大10秒の文脈を参照するシーン延長や4K出力など、制作工程の制御性と仕上がりを高める機能が具体的に示されています。
Google DeepMindは、音声文字起こしモデル「Gemini 3.5 Transcribe」を発表しました。Gemini APIでは、低遅延のリアルタイム配信用と、話者識別・単語単位のタイムスタンプに対応する録音音声処理用の2種類を提供します。Artificial Analysisの測定では、単語誤り率はストリーミングで平均4.0%、非ストリーミングで2.6%でした。
推荐理由:音声認識から整形済みテキストへの変換に加え、ストリーミングと録音音声処理の両APIを用意し、用途に応じた組み込み方を示しています。
Google DeepMindは、コーディングやAIエージェント向けのモデル「Gemini 3.7 Flash」を発表した。FrontierCode 1.1 Mainでは43.6%(Gemini 3.6 Flashは34.4%)、Arena.aiのWebDev ArenaではElo 1588(同1538)を記録した。
推荐理由:Gemini 3.6 Flashとの比較でコーディングや業務ワークフローのベンチマーク改善と価格を示し、性能と費用の両面から更新内容を把握できます。
Google DeepMindは、手話をテキストに翻訳するモデル「SL2T」を発表し、Pixel 11のGboardとLive TranscribeでASLから英語への入力機能を提供します。
推荐理由:手話を中間注釈なしで翻訳する仕組みと、端末上で映像を破棄するプライバシー設計を併せて説明している。
Google DeepMindは、音楽生成モデルLyria 3.5をGoogle Flow Musicで提供開始しました。メロディーの構成や歌詞の品質・プロンプトへの追従性、ボーカルの表現力と発音を改善し、生成する楽曲のテンポや長さも調整しやすくなっています。
推荐理由:メロディー、歌詞、ボーカルに加え、テンポや長さの調整も改善されており、生成時に制御できる要素を把握できます。
Google DeepMindは、ロボットの全身制御や器用な操作、複数ロボットの協調を可能にする「Gemini Robotics 2」を発表しました。モデル群は、動作を担うGemini Robotics 2、複数段階のタスクを計画するGemini Robotics ER 2、ロボット上で動作するGemini Robotics On-Device 2で構成されます。
推荐理由:全身制御、器用な操作、複数ロボットの協調を担うモデル群の役割と提供状況が示され、ロボットへの適用範囲を把握できます。
Google DeepMindは、脆弱性の発見・検証・修正に特化した軽量モデルGemini 3.5 Flash Cyberを発表した。CodeMenderから最大5回呼び出す構成でCyberGymを評価し、大型モデルに対して競争力のある成績を得たほか、V8 JavaScript Engineでは確認済みの固有問題を55件発見した。
推荐理由:軽量モデルをCodeMenderから複数回呼び出す設計と、CyberGymや実コードベースでの評価結果から、脆弱性探索における速度・コストと検出範囲の関係を把握できます。
Google DeepMindは、画像生成モデル「Nano Banana 2 Lite」と動画生成・編集モデル「Gemini Omni Flash」を開発者向けに公開しました。
推荐理由:画像生成と動画生成・編集をつなぐ2モデルについて、速度や価格、API提供状況まで比較でき、開発時の選択肢を具体的に把握できます。