OpenAIが音声AIに大規模な投資を進めている。単にChatGPTの音声出力を改善するにとどまらず、来年中ごろに発表が予定される「音声最優先型」の個人用デバイス開発に向け、過去2か月間で複数のエンジニアリング、プロダクト、研究チームを統合。この動きは、シリコンバレー全体が「画面から脱却」し、音声を次世代インターフェースの中心に据える潮流と一致している。 スマートスピーカーは米国3分の1以上の家庭に普及。メタは、Ray-Banスマートグラスに5マイクアレイを搭載し、騒がしい環境でも会話の音声を明確に拾う機能を提供。グーグルは6月から「音声オーバービュー」を試験導入し、検索結果を会話形式の要約に変換。テスラはGrokなどの大規模言語モデルを車載システムに統合し、ナビゲーションやエアコン操作を自然な会話で制御する音声アシスタントを実装している。 大手企業だけでなく、スタートアップも同様の戦略を展開。Humane AI Pinは数億ドルを費やしたものの、スクリーンレスデバイスとしての成功を収めず、教訓となった。Friend AIペンダントはプライバシー懸念と存在論的不安を引き起こしている。一方、ペブル創業者のエリック・ミギコフスキー氏が率いる企業やSandbarなど、複数の企業が2026年に発売予定のAIリングを開発中。手のひらで話しかけることで情報処理を行うという、まったく新しいインターフェースの実現を目指している。 OpenAIが開発中の音声モデルは、2026年初頭にリリース予定。自然な話し方、会話中の割り込み対応、話し手と同時に話す能力といった、現行モデルでは実現できない機能を備えるとされる。また、スマートグラスやスクリーンレススピーカーを含む複数のデバイスを家族ぐるみの「コンパニオン」として展開する計画も存在する。 前Appleのデザイナー、ジョニー・イーヴ氏（5月にOpenAIが65億ドルで買収したio社の代表）は、デバイス依存の是正を重視。音声中心の設計が、過去の過剰な画面依存を是正する「機会」と位置づけている。技術の進化は、インターフェースの本質を再定義しつつある。