EMOVA（EMotionally Omni-present Voice Assistant）は、エンドツーエンドの音声処理を行いながら、最先端のビジュアル言語性能を維持するマルチモーダル言語モデルです。意味と音響を分離する音声セグメンターにより、感情豊かなマルチモーダルな対話を実現し、ビジュアル言語と音声のベンチマークテストで最先端の性能を達成しています。

Qwen2 音声指示デモは、音声指示に基づくインタラクティブなデモウェブサイトです。最新のAI技術を活用し、音声指示によるウェブページとの対話を実現しています。この技術はユーザーエクスペリエンスを向上させるだけでなく、障がいのある方にもより便利なアクセス方法を提供します。開発チームや技術サポートといった製品背景情報も含まれており、価格は無料トライアルです。主にAIインタラクションに関心のあるユーザーを対象としています。

SpeechGPT2は、復旦大学計算機科学学院が開発したエンドツーエンドの音声対話言語モデルです。感情を感知して表現し、コンテキストと人間の指示に基づいて、様々なスタイルで適切な音声応答を提供します。このモデルは超低ビットレート音声コーデック（750bps）を採用し、意味情報と音響情報を模倣し、多入力多出力言語モデル（MIMO-LM）を用いて初期化されます。現在、SpeechGPT2はまだターン制の対話システムですが、全二重リアルタイム版の開発が進められており、有望な進展が見られています。計算資源とデータ資源の制約から、音声認識のノイズ耐性と音声生成の音質安定性にはまだ課題がありますが、今後、技術レポート、コード、モデルウェイトをオープンソース化する予定です。

Qwen2-Audioは、アリババクラウドが開発した大規模音声言語モデルです。様々な音声信号を入力として受け入れ、音声指示に基づいて音声分析を行うか、または直接テキストで応答します。音声チャットと音声分析という2種類の異なる音声インタラクションモードをサポートしています。自動音声認識（ASR）、音声テキスト変換（S2TT）、音声感情認識（SER）など、13個の標準ベンチマークテストで優れた性能を示しています。

Swiftは、Groq、Cartesia、Vercelが支援する高速AI音声アシスタントです。Groqを使用してOpenAI WhisperとMeta Llama 3の高速推論を行い、CartesiaのSonic音声モデルで高速音声合成を行い、フロントエンドにリアルタイムでストリーミングします。VAD技術を使用してユーザーの発話を検出し、音声セグメントへのコールバックを実行します。SwiftはTypeScriptで記述されたNext.jsプロジェクトであり、Vercel上にデプロイされています。

リアルタイム音声AIエージェントは、高度に柔軟なリアルタイム音声インタラクションモデルです。約500ミリ秒で音声によるあらゆるクエリに回答できます。このモデルは、ユーザーが任意の大規模言語モデル、テキスト読み上げ（TTS）モデル、音声認識（STT）モデルを選択することをサポートしています。カスタマーサービスボット、受付係など、音声関連のアプリケーションシナリオに最適です。

juneは、Ollama、Hugging Face Transformers、Coqui TTS Toolkitを組み合わせたローカル音声チャットボットです。柔軟でプライバシーを重視したソリューションを提供し、ローカルマシン上で音声アシストによるインタラクションを実現します。データが外部サーバーに送信されることはありません。主な利点としては、インターネット接続不要、ユーザーのプライバシー保護、多様なインタラクションモードのサポートなどがあります。

LocalhostAIは、ユーザーの生産性向上を目的としたAIアシスタントアプリケーションです。ChromeブラウザとGemini Nanoデバイスと緊密に統合されており、ユーザーは高度なAIモデルを活用して作業効率を向上させることができます。この製品の主な利点は、Chrome AIモデルの搭載、オフライン使用のサポート、プライバシー保護の重視、高速で無料であることです。

PowerToysは、マイクロソフトが上級ユーザー向けに開発したシステム拡張ツール集です。ユーザーの作業効率とシステム使用体験の向上を目指しており、カラーピッカー、ウィンドウ管理、ファイルエクスプローラーのプラグインなど、様々な実用的なツールが含まれており、Windowsシステムの管理をより効率的に行うことができます。

字狐AIオフィスブレインは、様々なスマートオフィス機能を統合したAIプラットフォームです。人工知能技術を通じてユーザーの業務効率向上を目指しています。スマート対話、テキスト要約、AIによるPPT即時作成、ライティングアシスタント、ドキュメント変換などの機能を提供し、ドキュメント処理、情報整理、プレゼンテーション作成などのタスクを迅速に完了するお手伝いをします。AI技術の発展に伴い、ますます多くのオフィスシーンでスマート化による効率向上が可能になっています。字狐AIオフィスブレインは、このニーズに基づいて開発されました。現在、無料トライアルを提供しており、具体的な価格と位置付けについては、後日改めてご案内いたします。

Reidenは、スマートなキーボードショートカットの推奨を通じてユーザーの作業効率を向上させることを目的としたAI生産性アシスタントです。バックグラウンドで実行され、ユーザーの作業効率をリアルタイムで分析し、ユーザーの作業習慣に基づいてパーソナライズされたショートカットの提案を提供します。Reidenは20以上の一般的なアプリケーションをサポートしており、ユーザーのプライバシーを重視し、すべてのデータはローカルで処理され、ユーザーのデバイスから離れることはありません。Reidenの主な利点には、リアルタイム分析、パーソナライズされた提案、複数のアプリケーションのサポート、および人間工学に基づいた効率が含まれます。マウスへの依存を減らすことで、反復性のある負担傷害のリスクを軽減します。

BuildnPlayは、ゲーム化された要素を通じて、公共の場でユーザーの建設活動を促進することを目的としたプラットフォームです。継続的なインセンティブ、レベル制度、ポイント報酬を提供することで、ユーザーの責任感を高めます。ユーザーはサブスクリプション不要で、必要に応じて料金を支払い、進捗に応じて無料のAI Dコインを獲得します。主な利点には、視覚的な進捗状況の追跡、日々の目標設定、AI支援によるコンテンツ作成、ポイント交換による報酬などがあります。日々の生産性と創造性を向上させたい個人やチームに最適です。

Focus BuddyはAIを活用した集中力向上ツールです。ユーザーの作業パターンを学習し、TODOリストを自動更新することで、優先度の高いタスクを見落とすことを防ぎます。定期的な生産性分析を提供し、近日中にリアルタイムコーチング機能も追加予定です。複雑なタスク管理に苦労したり、集中力が散漫になりやすいユーザー向けに、遅延防止と生産性向上を支援します。一般利用は無料ですが、有料のパーソナライズ版も提供しています。

BoltAIはMac向けに設計されたネイティブの高性能AIアプリケーションです。単一のアプリケーション内で、様々なトップレベルのAIサービスとローカルモデルを切り替えることができます。直感的なチャットインターフェース、強力なAIコマンド、インラインAI機能を提供することで、ライティング、開発、管理、起業など、あらゆる職業分野の生産性を向上させます。BoltAIの主な利点は、ネイティブ統合、高速応答、高度なカスタマイズ性、そしてユーザーのプライバシーへの配慮です。さらに、プロンプトライブラリを提供し、AIアシスト機能を最大限に活用できるよう支援します。

WPS Officeは、ワープロ、表計算、プレゼンテーション作成、PDF閲覧機能を統合したオフィスソフトウェアです。軽量、高互換性、操作性、AI機能を特長としており、AIスペルチェック、AI翻訳、AIコンテンツ生成、スマート画像編集など、様々なスマート機能を提供しています。Windows、Mac、Android、iOS、Linuxなど、マルチプラットフォームに対応し、様々なデバイスでの作業ニーズに対応します。無料かつ機能豊富なオフィスソフトウェアとして、世界中で2億人を超えるユーザーを擁し、Microsoft Officeの強力な競合製品となっています。

Selfletterは、人工知能技術を活用して、ユーザーが複雑な目標を簡単なタスクに分解するのに役立つツールです。ユーザーの目標とスケジュールに基づいて詳細なカレンダー計画を作成し、メールで毎日のタスクを通知します。主な利点としては、パーソナライズされたタスク生成、過去の経験からの学習、美しいメールデザイン、低コストなどが挙げられます。Selfletterは、個人目標、ビジネスプラン、教育プロジェクトなど、複雑なタスクの計画と実行の支援が必要なユーザーに最適です。

EMOVA（EMotionally Omni-present Voice Assistant）は、エンドツーエンドの音声処理を行いながら、最先端のビジュアル言語性能を維持するマルチモーダル言語モデルです。意味と音響を分離する音声セグメンターにより、感情豊かなマルチモーダルな対話を実現し、ビジュアル言語と音声のベンチマークテストで最先端の性能を達成しています。

EVI 2は、Hume AIが提供する新型の基本音声対音声モデルです。人間に近い自然さで、ユーザーとスムーズな会話を実現します。迅速な応答、ユーザーの口調の理解、さまざまな口調の生成、特定の要求の実行などが可能です。EVI 2は特別なトレーニングにより感情知能が強化されており、ユーザーの好みを予測して適応し、楽しく魅力的な性格と個性を維持します。さらに、EVI 2は多言語に対応し、さまざまなアプリケーションシナリオやユーザーニーズに適応します。