OpenAI元CTO率いるラボがAIエージェントに次ぐ大発明!目・耳・口をもち、リアルタイムで割り込みもできる「Interaction Models」発表!

NoLang運営チームよりお届けしている、Mavericks AIニュースをご覧いただきありがとうございます！

① NoLangスライド生成が大幅アップデート。SNS用図解からPPTXまで生成可能に！

先月リリースされたNoLangスライド生成が、早くも大幅にアップデートされました！

会議の説明資料からYouTube解説動画用のスライド、Instagramリール向けの図解まで、あらゆるデザインをNoLang内で作成できるようになっています。無料で試せるチケットも配布中ですので、この機会にぜひお試しください！

今回まず注目したいのが、デザインバリエーションの拡張です。

新たに「図解モード」が導入され、縦型生成にも対応しました。フローチャートやタイムライン、組織図といった図解要素を盛り込んだスライドはもちろん、SNSで目を惹くような訴求力の高いビジュアルも、これ一つで賄えるようになっています。

もうひとつの要が、法人プラン限定で提供を開始した「独自アルゴリズムを活用したPPTX生成」機能です。スライドマスターを独自に定義することで、レイアウト崩れをほとんど起こさずにスライドが生成され、PowerPointやGoogle Slides上で自由に手直しできます。

なおNoLangでは直近、開発スピードを一段と上げており、立て続けにアップデートをお届けしています。SNS連携機能によりYouTube、Instagram、TikTokといったプラットフォームへワンクリックで投稿できるようになったほか、Live2Dアバターも一気に拡充。200体もの多種多様なキャラクターをご利用いただけるようになりました。

そして、大変お待たせいたしました。

今月末に2025年3月以来の動画編集機能の完全リニューアルを予定しています！「誰でも動画を作れる」という体験はそのままに、これまでNoLangでは作りきれなかった動画まで、自由に作成できるよう進化しますので、リリースまで今しばらくお待ちください！

② 2027年のAIの姿が見えた。OpenAI元CTO率いるラボが「Interaction Models」を発表

東京大学に主席で合格するほどの知能を獲得したAIに、なお足りないものは何でしょうか。

その答えは「インタラクション」であると、OpenAI元CTOのミラ・ムラティ氏率いる「Thinking Machines Lab」が、デモを交えて鮮やかに示してくれました。

今回発表されたのは、Claude Codeの延長線上から外れた、全く新しいAIモデルのカテゴリ「Interaction Models」です。以下のデモ動画でその一端は掴めますが、初見ではやや読み取りにくい部分も多いため、以下で全容を解きほぐしていきます。

新モデルについて押さえておきたいのは、次の3点です：

これまでのAIモデルは「人間が入力→AIが出力→人間が入力」というターン制のフローを前提に動作してきました。一方で「Interaction Model」にはターンという概念がなく、AIは目と耳でリアルタイムに情報を取得しながら、いつでも発話できる態勢にあります。それゆえ、人間が喋っている途中に割り込んで発言したり、人間の声に被せる形で同時通訳をこなしたりできるのです。

発話のタイミングを自由に握れることは、モデルが「指示待ち」に留まらず、自発的に話しかけてくれることも意味します。ユーザーが画面に映った瞬間に挨拶したり、姿勢が悪くなっていることを検知して指摘したりと、気の利く挙動をしてくれます。

もう一つ押さえておきたいのが、入出力やツール利用を全て「マルチスレッド」で同時にこなせる点です。ユーザーに口頭で説明しながらHTMLで説明用グラフを描画したり、最新の話題について振られた際に、ユーザーが喋り終わる前からweb検索を走らせることで、遅延なくシームレスな応答を実現したりする様子が公開されています。

個人的には、OpenAIが2024年9月に推論モデル「o1」を披露して以来の、AIモデル進化における新しいパラダイムだと捉えています。Thinking Machines Labによれば、こうした「インタラクション」を司る能力はスケーリング則と共に伸びていくとのことで、来年にかけての動向に目が離せません。

③ あらゆる面倒な作業が楽になる。Android向けAI「Gemini Intelligence」が発表！

今週は、Google社の年次開発者会議「Google I/O 2026」がいよいよ開催されます。

それに先駆ける形で、Androidデバイス向けのAI機能群「Gemini Intelligence」が発表されました。コンサートチケットの購入や到着予定時刻の計算、お気に入りの服のセール通知まで、アプリ上での面倒な作業を、AIがユーザーに代わってこなしてくれます。

Gemini Intelligenceの強みは、Android OSの基盤に直接統合されており、アプリを横断した操作も安全にこなせる点でしょう。

似たような試みは「Apple Intelligence」も見せているものの、こちらは現状「使いものにならない」と酷評されているのが実情です。Google社が「実用的」な体験を届けられるかどうかに、注目が集まります。

また、自分専用のミニアプリを作れる「カスタムウィジェット」機能もユニークです。例えば作り置きを習慣にしている人なら、「高タンパクな作り置きレシピを毎週3つ提案して」と頼むだけ。専用ダッシュボードが自動で構築され、そのままホーム画面に追加してサイズも自由に調整できるようになります。

さらに同日、Google DeepMindからも、ありそうでなかった新しい取り組みが発表されました。AIとの連携機能を備えたカーソルポインターの開発です。以下のデモ動画で紹介されているように、マウス操作と音声入力を組み合わせて指示するだけで、AIが自動でPCを操作してくれます。

テキスト入力に頼ることなく、マウスで対象物を指しながら「この服をノートアプリにメモしておいて」「この文を要約して」と頼むことができます。まるで隣にいる人に作業を依頼するかのような、自然な感覚で扱えるのが魅力です。

昨年のGoogle I/Oでは、新たな音声合成・動画生成モデルの公開に加え、GmailをはじめとするGoogle各種製品へのGemini統合が一挙に発表され、AI分野におけるGoogle社の地力を世に知らしめました。今年はどのようなインパクトを残してくれるのか、期待が高まるばかりです。

NoLangスライド生成 (https://no-lang.com/slide/template)

• 「日本らしいスライド」を作れるNoLangスライド生成が大幅アップデート！

• 新たに「図解モード」が導入され、縦型デザインの生成にも対応。図解要素を盛り込んだスライドはもちろん、SNS投稿用のビジュアルも作成可能に

• 生成したスライドは、一気通貫で解説動画に変換することができる

• 現在無料でも、スライド生成を試すことが可能

Eleven Music (https://elevenlabs.io/music)

• 音声合成AIで有名なElevenLabsだが、音楽生成の品質も非常に高い

• 生成音楽に対して、スタイルを足し引きすることで微調整できる機能がユニーク

• ただし日本語の読み上げはまだやや不安定なため、インスト曲や英語歌詞のBGM作成での利用を推奨。それ以外では、Sunoの利用をおすすめ

• 無料でも十分な回数の音楽を生成可能

最後までお読みいただきありがとうございました。
サービス改善のため、アンケートにご協力いただけると幸いです。「ワンクリック」で完了します。

株式会社Mavericksは2023年、世界に先駆けてリアルタイム動画生成AIサービス「🐬NoLang」をリリースし、現在15万超のユーザーを抱えるまでに成長してきました。法人向けの展開も行い、法人プランのユーザー数は60社を突破しています。また、大手企業との協業や独自開発案件にも着手しており、唯一性の高い価値創出が加速しています。

今後、NoLangを中核に据えながら事業をさらに成長させるべく、エンジニア・デザイナー、営業・マーケティング担当、そして全方位で学生インターンの募集を開始しています。法人営業の担当や、SNS運用などに興味のある方も、ぜひこちらのフォームより一度ご応募ください。

採用ページでは、弊社の実績、求める人物像に加え、メンバーの声をインタビュー形式で掲載しております。興味を持った方はぜひご覧ください。お問い合わせは、[email protected]にて受け付けています。https://

また、私たちはニュースレターだけでなくXやInstagramにおいても、開発プロダクトに関する最新情報について積極的に発信しています。こちらも是非チェックしてみてください！