Gemini Omni Flash
Gemini Omni Flashは、Geminiのマルチモーダルな推論能力と生成メディア技術を組み合わせた、動画の生成・編集向けモデルです。Omniシリーズの最初のモデルとして、2026年5月19日のGoogle I/Oで発表されました。(blog.google) テキスト、画像、音声、動画を入力として扱い、音声付きの動画を生成できます。ただし、実際に利用できる入力形式は製品やAPIのバージョン…
モデルディレクトリ
新しいモデルを公開日順に見つけられます。
Gemini Omni Flashは、Geminiのマルチモーダルな推論能力と生成メディア技術を組み合わせた、動画の生成・編集向けモデルです。Omniシリーズの最初のモデルとして、2026年5月19日のGoogle I/Oで発表されました。(blog.google) テキスト、画像、音声、動画を入力として扱い、音声付きの動画を生成できます。ただし、実際に利用できる入力形式は製品やAPIのバージョン…
Googleが2026年5月19日に発表したGemini 3.5シリーズのFlashモデル。Gemini 3 Flashを基盤とする、ネイティブなマルチモーダル推論モデルで、高速な応答とエージェント処理・コーディングを重視している。思考レベルにより、品質・コスト・遅延のバランスを調整できる。(blog.google) テキスト、画像、音声、動画を入力し、テキストを出力する。Google…
Qwen3.5-Omniを基盤とする、リアルタイムの多言語音声・映像翻訳モデルです。音声を入力し、映像から取得した画像を文脈として併用できます。翻訳結果はテキスト、またはテキストと音声で出力できます。国際会議、ライブ配信のローカライズ、オンライン授業、商談などが想定用途です。(qwen.ai) 60言語を理解し、そのうち29言語はテキストと音声、残る31言語はテキストのみで出力できます。音声クロー…
ERNIE 5.1は、Baiduが2026年5月9日に正式発表した汎用モデル。ERNIE 5.0の事前学習基盤を継承し、知識、推論、エージェント作業、検索、創作を重視している。(ernie.baidu.com) 知識に基づく質問応答、論理・数学推論、検索を伴う調査、ツールを使ったエージェント作業に利用できる。 文章作成、長編の物語、専門的なコンテンツ制作にも対応する。公式発表は、コード・推論・エー…
GPT-Realtime-Whisperは、ライブ音声を低遅延で文字起こしするストリーミング音声認識モデルです。話者が話している間に文字起こしの差分を逐次出力し、遅延と認識精度の調整を必要とするリアルタイム用途向けに設計されています。Realtime APIで利用できます。 (openai.com) 会議、授業、放送、イベントのライブ字幕、会話中の議事録作成、利用者の発話を継続的に理解する音声エー…
GPT-Realtime-Translateは、ライブの多言語音声体験向けに設計された、ストリーミング音声翻訳モデルです。OpenAIは2026年5月7日に発表し、Realtime APIで提供しています。(openai.com) 音声の入力中に翻訳音声と翻訳テキストを順次出力します。入力言語は自動検出され、出力先言語を指定します。発表時の対応範囲は入力70言語以上、出力13言語です。(devel…
GPT-Realtime-2は、リアルタイムの音声対話とツール利用を目的としたOpenAIのモデルです。OpenAIは、GPT-5クラスの推論能力を備えた同社初の音声モデルとして発表しました。Realtime APIで利用できます。(openai.com) 音声から音声への対話に対応し、会話中の訂正や割り込みに対処しながら推論やツール呼び出しを行えます。並列ツール呼び出しにも対応します。 テキスト…
GPT-5.5-Cyberは、専門的なサイバーセキュリティ業務向けモデルです。2026年5月7日、重要インフラを守る防御担当者向けに限定プレビューとして発表されました。(openai.com) 許可されたレッドチーム演習、侵入テスト、脆弱性の悪用可能性の検証など、専門的なセキュリティ作業を支援します。 初期プレビューは、GPT-5.5を大幅に上回る能力を目指したものではなく、主にセキュリティ関連の…
Gemini 3.1 Flash-Liteは、低遅延・低コストで大量の処理を行う用途に最適化された、Gemini 3系列のマルチモーダル推論モデルです。Gemini 3 Proを基盤としています。(storage.googleapis.com) 2026年3月3日にVertex AIで公開プレビューとして提供され、2026年5月7日にGemini Enterprise Agent…
GPT-5.5 Instantは、日常的な対話を対象とするOpenAIのモデルです。2026年5月5日に発表され、当時のChatGPTのデフォルトモデルであるGPT-5.3 Instantを置き換え、APIではchat-latestとして提供されました。(openai.com) 日常的な質問への、より明確で簡潔な回答や自然な対話。 アップロードされた写真・画像の分析、STEM分野の質問への回答、必…