AI voiceAI音声は、AIを使って人の声を聞き取ったり、人に伝える声を作ったりする技術や機能を指す呼び方です。話したことを文字にする、文章を声で読む、声で質問に答えるといった場面で使われています。特定のアプリの名前ではありません。
1声で質問して、声で答えを聞く
例えば、AIに「雨の日に家でできる遊びを教えて」と声で尋ね、遊びの提案を声で聞く場面を考えてみてください。人が話した内容をAIが受け取り、その内容に応じた返事を音声で伝えます。このように、文字を打つ代わりに声でやり取りできるのが、AI音声の身近な使われ方です。
ChatGPTの音声会話もその一つです。人の問いかけを受けて返事を作るため、あらかじめ録音した案内を流すだけではなく、話の内容に合わせてやり取りが続きます。
2AIは声をどのように扱うのか
声は、コンピューターに取り込まれると音のデータになります。AIは学習した音や言葉のパターンをもとに、そのデータから話された内容を捉えたり、伝えたい内容を人が聞ける音声にしたりします。
図にある「声を文字にする」「文字を声にする」「声でやり取りする」は、AI音声が担う役割を表しています。文字のメモを作る機能も、声で返事をする機能も、声と言葉を扱うAIの使われ方です。
音声会話では、話し声を文字にしてからAIが返答を作り、その返答を音声にする構成があります。音声を直接入力し、音声で応答する構成もあり、内部の処理はサービスによって異なります。
3次の学習へ
音声と文字・画像を組み合わせる考え方はマルチモーダルAIに関連します。
参考にした公式情報(確認日:2026年11月4日・日本時間)
- IBM:What is speech recognition? — 声を文字として扱う技術と、AIによる音の処理。
- OpenAI:Text to speech — 文章をもとに音声を作る機能。
- OpenAI:Audio and voice — 音声を扱うAIの構成。
- OpenAI:ChatGPT Voice — 話しかけ、声の返答を受け取る会話。

