iOS の新しい音声コマンド機能

まとめ

• OpenAI は、iOS デバイス用の ChatGPT アプリに音楽認識機能を直接組み込みました。
• このテクノロジーは完全に Apple が所有する Shazam の API に基づいているため、別のアプリに切り替える必要がありません。
• ユーザーは、アドバンスト音声モードを通じて、「今、どの曲を再生していますか?」などの簡単な質問をして対話します。
• 結果 (アーティスト、タイトル、リンク) は、後で参照できるようにチャット履歴にテキストとして埋め込まれます。
• これは本質的に、確立されたデータベース上の AI インターフェイス環境であり、LLM が中央ツール ハブとして機能する傾向を示しています。

中央ハブとしての ChatGPT: Shazam の統合

人工知能アプリケーションの進化は、単純なテキスト生成モデルから、物理環境と対話する多用途のデジタル アシスタントへと急速に移行しています。または OpenAI iOS デバイス用の ChatGPT アプリのアップグレードを進め、以前は外部ソフトウェアの使用を必要とした基本的な機能である音楽認識を追加しました。

ChatGPT は iOS 上の音楽をどのように認識しますか?

その応用 チャットGPT iOS 向けでは、Shazam API を使用して環境内で再生されている曲を識別するようになりました。アドバンスト ボイス モードを通じて、ユーザーがどのトラックが再生されているかを音声で尋ねると、システムがサウンドを録音し、Shazam のデータベースを通じて分析し、チャット環境内で即座にタイトルとアーティストを返します。

Apple の技術実装とエコシステム

OpenAI は、独自の指紋認識アルゴリズムを開発する代わりに、API を使用するという最も論理的な方法を選択しました。 シャザムによって買収されたサービスの、 りんご 2018 年現在。ユーザーが ChatGPT の音声モード (音声波形アイコン) をアクティブにして関連する質問をすると、アプリは周囲の音声を受動的に「聞きます」。

このデータは Shazam の API に供給されます。一致するものが見つかると、結果はポップアップとして表示されるだけでなく、ChatGPT のニューラル ネットワークに渡され、自然な音声応答が形成されます。同時に、曲情報はユーザーのチャット履歴にテキスト形式で保存されるため、単純な音声アシスタントの一時的な性質に比べて利点が得られます。

ユーザー エクスペリエンス (UX): エコシステムとスタンドアロン アプリケーション

この特定の実装では、実用性の問題が生じます。の iOS Shazam はすでにコントロール センターに組み込まれており、ロック画面からでも下にスワイプしてタップするだけで曲を識別できます。電話のロックを解除し、ChatGPT を開き、音声モードをオンにして通話するプロセスには、さらに多くの手順が必要です。

ただし、この統合の価値は速度ではなく、タスクの集中化にあります。すでに ChatGPT アプリ内で AI と作業またはチャットしているユーザーは、2 番目のアプリを開くためにワークフローを中断する必要はありません。さらに、複雑なコマンドへの道も開かれます。ユーザーは「この曲は何ですか?」と尋ねることができます。そしてその直後に、ChatGPT に「ギリシャ語に翻訳された歌詞を見つけて」または「同じ 10 年間の似たような曲を 5 曲提案して」と質問して会話を続けます。情報の連鎖は途切れることなく続いています。

AI エージェントの競争と次のステップ

OpenAIの動きは、長年にわたり音楽をネイティブに認識してきたGoogleアシスタントと今回のGeminiの統合により、Googleのオペレーティングシステム（Android）によってすでに提供されている機能への明確な対応である。人工知能は単純な「チャットボット」から、マイクやカメラを通じて世界を認識する「エージェント」へと移行しつつあります。

この統合は、Apple と OpenAI 間の広範な協力の前兆としても機能します。 Apple Intelligence が段階的に ChatGPT を iOS 18 コアに直接統合することで、ChatGPT が外部 API を呼び出して特定のタスクを実行し、コマンドを特殊なサブシステムに委任するオーケストレーターとして機能する戦略の最初のサンプルが見られます。

ギリシャの市場と入手可能性

Shazam の API はギリシャおよび国際的なディスコグラフィーを完全にカバーしているため、ギリシャの iOS ユーザーはこの機能をすぐに使用できます。アップデートには、App Store での個別の設定や地域の変更は必要なく、最新バージョンの ChatGPT をインストールするだけで十分です。まずはその機能から アドバンストボイスモード これらは、Plus プランと Team プランの加入者に対してより集中的にテストされていますが、音楽認識などの主要な API の使用は、同社の標準的な展開ポリシーに従って、無料プランのユーザーも同様にアクセスできるようになると予想されます。