読み方のヒント

矢印ボタン(または ← → キー)でページを移動できます。

第3節 文字以外の入力と出力

3.2 画像と音声を作る

文から画像を作る、音声で会話する、音声を文字にする、といった機能もあります。多くの会社では、これらは文を扱うモデルとは別のモデルが受け持っています。

機能店での例入口の例
画像を作る季節のお知らせの挿し絵チャット製品、画像のAPI
音声で会話する運転中に在庫の数を聞くチャット製品の音声の機能
音声を文字にする電話の注文の聞き取りメモ文字起こしのAPI
文を読み上げる商品説明の音声版読み上げのAPI

2026年10月の時点では、OpenAIとGoogleは、画像を作るモデルや音声のモデルをAPIでも提供しています。Anthropicのモデルは、画像を読むことはできますが、画像を作る機能は提供していません。どの会社に何があるかは、公式のモデルの一覧で確かめます。

解答

「音声を文字にする」機能です。そのあと、文を扱うモデルで、文から注文番号・商品・数量を抜き出します。最後に、抜き出した結果を録音と照らし合わせて確かめます。

11 / 20