知っておくべき最も重要なこと
- GeminiはLyria 3を使用して音楽とボーカルを含む完全な楽曲を作成でき、MP3またはMP4ファイルとしてダウンロードするオプションも用意されています。これは、楽曲のレイアウトに限定されているChatGPTとは異なります。
- Geminiは、アカウントにリンクされたGoogleフォトを人物、場所、物で検索し、手動でアップロードすることなく、写真の詳細に基づいて質問に答えることができます。
- Geminiは、長文の文書やプレゼンテーションをポッドキャスト形式の音声要約に変換できるため、読む代わりに情報を聞いたり共有したりすることが可能になります。
Googleは、AndroidやGoogleフォトなどの既存のサービスやデバイスに、アシスタント「Gemini」を統合しました。Geminiには、ChatGPTにはまだないクリエイティブなツールもいくつか搭載されています。Geminiを使えば、曲を丸ごと作ったり、調査レポートをポッドキャストに変換したり、再利用可能なAI版の自分を構築したりできます。
私は両方の音声アシスタントを日常的に使用していますが、ここではGeminiが現在できることでChatGPTには標準搭載されていない5つの機能を紹介します。もちろん、これらの機能がGeminiで利用できるかどうかは、お使いのデバイス、アカウント、契約内容、地域によって異なりますので、すべての機能が利用できるとは限りません。
1. オリジナルのダウンロード可能な楽曲を作成する
ChatGPTは歌詞の作成、コード進行の提案、楽曲構成のサポートはできる。しかし、これらのガイダンスを基に、音楽とボーカルを含む完全な楽曲を完成させる能力はまだ備えていない。
Geminiはまさにそれを可能にします。なぜなら、アプリ内にLyria 3音楽ジェネレーターを直接搭載しているからです。作りたい曲を説明したり、インスピレーションとして写真や動画をアップロードしたりできます。テキストメッセージをアップロードして、そこから曲を作ってもらうことも可能です。Geminiは音楽と歌詞の両方を生成するので、チャットボット内での可能性は無限大です。
その指示は、「ストレスを抱えた親として、学校の最初の1週間を乗り切ることをテーマにした、明るいポップソングを作ってください」といったシンプルなものでも構いません。
最終結果はMP3ファイルとしてダウンロードするか、カバーアート付きのMP4ファイルとして保存できます。Googleの指示によると、フルトラックを作成するにはGemini Proモデルに切り替える必要があります。これは、2つのアシスタントの最も明確な違いの1つです。ChatGPTは曲の計画をサポートできますが、Geminiは実際に再生できるものを作成できます。Geminiのいくつかの分野における優位性について詳しく知りたい場合は、「ChatGPTは大好きですが、Geminiはこれら3つの分野でそれを上回っています」をお読みください。
2. 何もアップロードせずにGoogleフォトを検索できます。
何千枚ものほぼ同じ家族写真の中から特定の写真を探し出すのは、非常に時間がかかる場合があります。しかし、GeminiはリンクされたGoogleフォトアカウントに写っている人物、場所、物などを基に検索できます。特定の誕生日の写真を探したり、去年の夏の写真を表示したり、特定の人物が写っている写真を検索したりといったことが可能です。
また、画像から得られる情報に基づいて質問に答えることもできます。Googleは、ジェミニに過去の誕生日パーティーで使われたテーマを特定させたり、休暇中に食べたものを思い出させたりするような質問を提案します。
ChatGPTはアップロードした画像を分析できますが、Googleフォトライブラリ全体をネイティブに検索することはできません。関連する画像を自分で見つけて会話に追加する必要があります。これが、私が書いた記事「ChatGPTを長年日常のチャットツールとして使ってきた私がGeminiに乗り換えた理由」で説明しているように、一部の人がGeminiに乗り換える理由の一つです。
いくつかの制限事項があります。GeminiでGoogleフォトにアクセスするには、個人のGoogleアカウントが必要です。18歳未満のユーザーは利用できず、対応地域でのみ動作します。顔グループなどの一部のGoogleフォト機能を使用するには、Geminiで「アクティビティを保持」設定を有効にする必要があります。
AIアシスタントに運転免許証や医療書類といった機密情報を写真から探し出すよう依頼する前に、私は二度考えます。しかし、お気に入りの青いシャツを着た同じ子供の写真が47枚も見つかるなら、探す手間は大幅に省けます。そういう人なら、きっとわかるはずです。
3. 文書をポッドキャスト形式の会話に変換する
Geminiは、文書、プレゼンテーション、Gemini Notebook（旧称NotebookLM）、または詳細な調査レポートを、音声による概要に変換することができます。
長文のレポートを読む代わりに、AIホストがポッドキャストのような会話形式で情報を解説する音声を聞くことができます。これは、運転中、散歩中、あるいは在宅勤務中に情報を得るのに特に便利です。
ChatGPT Voiceは、回答を読み上げたり、アップロードされたドキュメントについて議論したりできます。しかし、現状では、ソースをこのような生産的で共有可能な会話形式に変換する専用機能が欠けています。これは、GeminiがChatGPTよりも優れている点の1つです。
Geminiで音声概要を作成するのに通常数分かかります。完成したら、Geminiアプリ内で聞いたり、ダウンロードしたり、リンクを共有したりできます。音声要約の仕組みについては、Googleがこちらで説明しています。
これは研究論文以外にも役立つでしょう。長い学校の書類、会議の議事録、あるいは仕事に取りかかる前に理解しておく必要のある報告書などを作成する際に活用できると思います。
4. Gemini（AIデジタルツイン）でパーソナライズされたアバターを作成する
Googleは、有料会員向けに、Gemini OmniとGoogle Veoの技術を活用した、自分そっくりの見た目と話し方をするデジタルアバター（パーソナルアバター）を作成できるサービスを提供しています。Geminiアプリ内で直接作成できます。
プロフィール/設定をタップし、「パーソナルアバター」を選択します（または、プロンプトウィンドウで「ファイルを追加 + アバター」をタップします）。その後、スマートフォンの画面に表示される指示に従って、顔と声を録音してください。
ジェミニがあなたの顔の構造と声の特徴をマッピングするために、頭を左右に動かしたり、テキストを読んだりするよう求められます。
登録が完了すると、Geminiのクレームで@meまたは@[あなたのユーザー名]を使用して自分自身を呼び出すことができます。
次のようなプロンプトを使用して、カスタムアバターを作成することもできます。
「茶色の短い髪と丸眼鏡をかけた、親しみやすい男性開発者の3Dデジタルイラストを作成してください。濃い青色のパーカーを着用し、鮮やかなネオンライトの背景、スタジオ照明、高解像度のプロフィールアバターを使用してください。」
5. リンクからYouTube動画を分析する
YouTubeで役立つ動画を見つけても、導入部分やスポンサー紹介、繰り返し説明される部分を飛ばせたらいいのにと思うことがよくあります。Geminiなら、リンクをチャットに貼り付けて、本当に必要な情報だけを質問できます。
ジェミニは、一般的なYouTube動画の内容を要約したり、議論された内容に関する質問に答えたり、具体的なヒントや手順を抽出したりすることができます。例えば、30分間の製品デモを見せて、「プレゼンターはどの設定を変更することを推奨していますか？」とか、「問題を解決するための手順をリストアップしてください。ただし、宣伝部分は省いてください」といった質問をすることができます。
Geminiは、コンテンツに関する質問に答える前に、関連動画、プレイリスト、チャンネルを検索することもできます。YouTubeとの連携により、視聴履歴に基づいて一部の検索結果をパーソナライズすることが可能です。
ChatGPTはChrome拡張機能で同様の機能を実現できるようになった。この拡張機能は、字幕が利用可能な場合にタイムスタンプ付きの動画トランスクリプトを使用する。違いは動作環境にある。Geminiは通常のウェブアプリとモバイルアプリ内でYouTubeリンクを処理するが、ChatGPTの公式ライセンス版では動画をChromeで開く必要がある。
結論
ChatGPTは依然として多くの日常的なタスクにおいて私のお気に入りの選択肢ですが、Googleは既存の製品を活用してGeminiに他のチャットボットでは模倣しにくい機能を与えており、特にGeminiがChatGPTを凌駕する分野でその傾向が顕著です。
Googleフォトの検索機能とAndroidの操作機能は、GoogleのエコシステムプラットフォームであるGeminiから提供されています。音楽生成機能、音声概要、再利用可能なアバターは、チャット画面から離れることなく作成できるコンテンツを大きく変えるため、さらに印象的です。ぜひ試してみて、感想をコメント欄でお聞かせください。
コメントは締め切りました。