Sesame
Sesame · 音声・言語 · チャットボット
SesameはOculusの創業チームが作ったAI音声コンパニオンアプリだ。MayaやMilesといったエージェントと自然な声で話せて、ウェブ検索やメモ、リマインダーまで任せられる。
Sesame について
What Is Sesame
Sesame AIは音声を軸にしたアシスタントで、Oculus共同創業者のBrendan Iribeが加わるチームが開発した。プロンプトを打ち込む代わりに話しかけると、エージェントは平坦なロボット読み上げではなく、抑揚や間、感情を伴う声で答える。同社はこれを「声の存在感」と呼び、製品の核心に据えている。
狙う問題は現実にある。ほとんどの音声アシスタントは命令はうまくさばくが、会話は苦手だ。機械がテキストを読むように聞こえるので、新奇さが薄れると人は使わなくなる。Sesameは逆を行く。同社のConversational Speech Model、略してCSMは会話のやり取りを追い、言葉の落とし方を整える。だからこそ声はコマンドラインよりも人間に近く響く。2025年3月、同社は基盤となる音声モデルCSM-1Bをオープンライセンスで公開した。
トレードオフは利点と同じくらい重い。中核モデルは主に英語の音声で学習したため、他言語の性能はばらつく。アプリ自体も若い。研究プレビューとして始まり、タスク処理やアプリ連携といった機能はこれから順に届く。完成した生産性スイートを今すぐ求めるなら、ここにはまだない。
Getting Started
- ブラウザでapp.sesame.comを開いて無料プレビューを試すか、iOSかAndroidにSesameアプリを入れる。
- エージェントを選ぶ。MayaとMilesは初期デモから来ており、新しいビルドではSimoneとCharlieが加わる。それぞれ声と性格が違う。
- 話し始める。入力欄はないので、人に話すように口を開けばいい。
- 手早い検索や買い物メモ、リマインダーなど具体的な用事を頼むと、エージェントが会話に織り込む。
- 無料プレビューで打ち切られるならサインインして長く使う。新しいツールが増えるたびに設定を調整する。
AIツール情報
Sesameの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- 音声で日常をこなす人
- 表現豊かなAIを試したい人
- 開発者と研究者
タスク
- 考えを声に出す会話
- 会話の途中で素早く調べる
- メモとリマインダーを残す
- 話し合いを要約する
シーン
- 語学やプレゼンを声に出して練習する
- 車中や散歩の空き時間をつぶす
- 音声機能を試作する
主な機能
感情を載せる会話音声
Sesameの中核はConversational Speech Model、つまりCSMモデルで、会話の履歴を読み、話しながら抑揚や間合い、強調を調整する一段構成のシステムだ。学習には約100万時間の、主に英語の音声を使った。文脈を与えなければ、聞き手はその出力を人の声と確実に見分けられなかったと同社は報告する。だが周囲の会話まで聞こえると、この差はまた開く。だからチームは韻律を磨き続ける。
性格の違う名前付き音声エージェント
Sesameは中立の声を1つではなく、少人数の顔ぶれを載せる。初期プレビューはSesame MayaとSesame Milesが中心で、Mayaは温かく、Milesは乾いている。後のビルドでSimoneとCharlieが加わり、合う声を選べる。各音声はスタイルのプリセットではなく、独自の性格を持つAI音声エージェントとして振る舞う。エージェントごとに声と視点を保つので、切り替えるのは話し相手を変える感覚に近く、つまみを動かすのとは違う。
会話の中のウェブ検索、メモ、リマインダー
Sesameのエージェントは返事だけでは終わらない。質問すればウェブを検索でき、新しいビルドは会話が進むうちにメモを作り、リマインダーを設定し、要点を要約する。狙いは、別のアプリに移らず話し続けさせることにある。だから邪魔になりそうな小さい用事をエージェントが引き受ける。
バックグラウンドタスクとアプリ連携
最近のビルドはアクティビティタブを加える。ここで作業を渡すと、エージェントが背後で進める。TasksとSchedulesは旅行の計画のような単発の用事と、朝のブリーフィングのような繰り返しの用事を扱う。インストールしたAppsがGmail、Googleカレンダー、Google Driveをつなぎ、エージェントが予定を読んだり受信箱から下書きを作ったりする。この面はまだ形づくりの途中なので、見た目が変わる前提でいたほうがいい。
声で呼び出すカスタムスキル
Sesameはスキルという仕組みを作っている。短い手順を書き、ひとつのフレーズで起動する。スキルは名前と、いつ使うかのメモ、従う手順を持つ。Claudeが広めたのと同じオープンな形式だ。実際にはフレーズを言えば、画面に触れずにエージェントがカレンダーを確認し、受信箱を走査し、急ぎの項目を読み上げてくれる。
開発者向けのオープンな基盤モデル
Sesameは基盤の音声モデルCSM-1BをApache 2.0ライセンスで公開した。誰でも動かし、調べ、その上に作れる。モデルは10億パラメータで、テキストと音声を入力に取る。名前付きエージェントの背後にある調整済み版ではなく基盤モデルなので結果は一様でないが、自分でホストできる出発点を開発者に渡す。
メリットとデメリット
メリット
- 音声の質が際立つ: 声が抑揚と間を運ぶので、長い会話が読み物ではなく会話に近づく。
- 試すのは無料: ブラウザプレビューとモバイルアプリは無料で始められる。金を払う前に声を判断できる。
- 音声モデルがオープンソース: CSM-1BはApache 2.0で出ており、開発者に本物の土台を与える。
- 選べる性格が複数: 声の違う4体の名前付きエージェントが、用途に合わせた使い分けを可能にする。
デメリット
- 英語以外の対応が弱い: 主に英語音声で学習したため、他言語の会話は違和感が出ることがある。
- タスク機能が未完成: 連携、予約タスク、スキルはまだ順次公開中で、完成した流れとして当てにできない。
- 有料プランが控える: 今は無料だが、同社は有料プランを示唆しており、後でサブスクの費用を見込む必要がある。
- セルフホストのモデルは基盤版: CSM-1BはMayaやMilesの背後の調整済み版ではないので、自前の構成が同じに鳴るわけではない。
よくある質問
Sesameは音声を軸にした会話型AIアシスタントで、物事を話し合うために作られている。打ち込む代わりに話すと、エージェントが自然な声で答え、ウェブ検索やメモ、リマインダーをこなし、新しいビルドではバックグラウンドタスクも実行する。
関連コンテンツ
Sesameに関連するツール、スキル、記事を探す。
Sesameの代替ツール
Prosp
Prosp · ライティング · 音声・言語 · マーケティングProspは、代理店や営業チーム向けに作られたAI LinkedInアプローチツールだ。見込み客ごとに自分の声でメッセージとボイスメッセージを書き、相手が本当に返信するように仕向ける。アカウントをつなぎ、リードを見つけ、AIにパーソナライズされたメッセージを大量に下書きさせて送信させる。すべて1つの受信トレイから行える。大量のアウトバウンドを回す人向けにできている。それがこの製品の売り込みのすべてだ。それでも各接点は人間らしく感じられなければならない。
Wordly AI Translation
Wordly · 音声・言語 · 生産性向上Wordly AI Translationは、会議・カンファレンス・イベント向けに作られたリアルタイムAI翻訳・字幕プラットフォームだ。60以上の言語でライブ翻訳、字幕、文字起こし、要約を提供し、参加者は専用ヘッドセットを使わず、QRコードを読み取るかリンクを開くだけで参加できる。Zoom、Microsoft Teams、Google Meet、Webexと連携し、セッションごとに人間の通訳を雇わずに多言語対応したい組織に向く。それだけのことだ。
Musicful
Musicful AI · 音声・言語 · 動画Musicfulは、テキストを数分で音楽に変えるAI音楽ジェネレーター兼AIミュージックビデオ作成ツール。テキストの指示、歌詞、あるいは口ずさんだメロディーを渡すと、ボーカルと楽器が入った完成したトラックを返す。AI楽曲ジェネレーターとしても機能し、自分が作った曲からミュージックビデオを生成し、AIカバーツールと開発者向けAPIも備える。ウェブブラウザとAndroidアプリで動くので、パソコンで曲を始めてスマホで続きを進められる。