Oídoの登場とOpen TTS Leaderboardなど、エッジAIと音声技術の進化 10-01

本記事はHorizonを使いAI/LLM・バイブコーディング・Web3・スタートアップのニュースを自動収集・要約したものです。

Whisper-tinyを凌駕する超小型音声認識モデル「Oído」がオープンソースで公開

Lokutorチームは、わずか5ドルのマイクロコントローラー上で動作するオープンソースの音声認識モデル「Oído」をリリースしました。このモデルは、クリーンな環境およびノイズのある環境の両方において、OpenAIのWhisper-tinyを上回る性能を発揮します。

ローカルAIコーディングツールの開発において、従来のCLI手法よりもMCPアプローチを採用すべきだという議論が活発になっています。この移行は、ユーザーの利便性を高め、より包括的な機能を実現するための重要なシステム設計として注目されています。

Hugging Faceは、多言語のテキスト読み上げ（TTS）およびボイスクローニングモデルを評価するための標準化されたプラットフォーム「Open TTS Leaderboard」を発表しました。これにより、モデルの性能をスケーラブルかつ公平に比較することが可能になります。

llama.cppのリポジトリに対し、GLM-5.3-Flash（GLM5-Next）モデルの量子化とローカル実行を可能にするプルリクエストが提出されました。これにより、一般ユーザーのコンシューマー向けハードウェアでも最新のGLMモデルを効率的に動かせるようになります。

AIエージェントの普及に伴い、耐久性の高いインフラへの需要が増加していることを背景に、Restateが2,000万ドルの資金調達を実施しました。これはAIシステムの信頼性を支える基盤技術への投資が加速していることを示しています。

DeepSeekは、Huaweiの新型チップであるAscend 950を用いたトレーニングを開始しました。ハードウェアの多様化が進む中で、特定の高性能なAIアクセラレータを活用したモデル構築が進んでいます。