音声アシスタントは、長らくもどかしい限界に直面してきました。天気を聞いたり、タイマーを設定したり、プレイリストを再生したりすることはできます。しかし、会話の内容が、コードのデバッグ、ビジネス案件の構築、製品戦略のストレス・テストといった複雑なものに及んだ途端、やり取りは破綻してしまいます。アシスタントはあなたの言葉を正しく聞き取れるかもしれませんが、問題を共に考え抜くための推論の深さが欠けていたのです。
Anthropicはその問題を解決しようとしています。同社は、Claudeの音声モードをエントリーレベルのHaikuモデルから、最も有能なシステムであるOpusおよびSonnetへと拡張しました。この動きは、単なる機能のロールアウト以上の、より興味深いことを示唆しています。Anthropicは、本格的な業務はキーボードだけでなく、音声による会話を通じて行えるようになるということに賭けているのです。
音声に「思考力」が必要な理由
これまで、Claudeの音声モードはHaikuのみで動作していました。このモデルはスピードと低レイテンシを優先しています。「エストニアの首都は？」や「このメールを要約して？」といった素早い質問に対しては、そのトレードオフは理にかなっていました。Haikuは即座に回答を返します。しかし、Anthropicは、ユーザーがHaikuの設計想定を超えて、この機能をより高度に活用しようとしていることに気づきました。人々は実質的な業務に音声を使おうとしましたが、モデルはこうしたタスクが要求する高度な推論において、しばしば力不足となりました。
OpusとSonnetを導入することで、会話の力学が変わります。これらのモデルは、困難な認知タスクをこなすAnthropicの主力製品です。フラッグシップであるOpusは、精緻な分析、長期的な推論チェーン、そして創造的な統合を担います。Sonnetはその中間に位置し、Opusよりも高速でありながら強力な推論を提供します。音声がその上に重なることで、複雑な技術アーキテクチャや微妙なニュアンスを含む財務モデルについて話し合い、AIがその論理を追跡し、矛盾を見つけ出し、関連する質問を投げかけてくることを期待できるようになります。
声に出して考える
その違いは質的なものです。Haikuの音声では、やり取りは事務的なものでした。「質問し、回答を得る」という形式です。しかし、OpusとSonnetでは、やり取りが協調的なものへと変わります。
例えば、プロダクトマネージャーが車で帰宅している場面を想像してみてください。あなたは新しいオンボーディング・フローに関する、まだまとまりきっていないアイデアを口頭で伝えます。Claude Sonnetは、単に「それは面白いですね」といったありきたりな返答をするのではなく、深掘りを始めます。エンタープライズユーザー向けの例外的なケース（エッジケース）を考慮しているか問いかけたり、他の文脈で見られるオンボーディングのパターンと比較したりします。自宅のドライブウェイに到着する頃には、自分では考えてもみなかった3つの観点から、そのアイデアの検証が終わっているはずです。
あるいは、エンジニアが2枚目のスクリーンでログを確認しながら、分散システムの障害をトラブルシューティングしている場面を思い浮かべてください。Claude Opusに話しかけることで、彼女は症状を平易な言葉で説明し、エラーメッセージを読み上げ、タイピングの手を止めることなく仮説について議論できます。モデルは複数のやり取りにわたって文脈を追跡し、どの可能性がすでに除外されたかを記憶し、進化する診断に基づいて設定変更を提案します。これは、検索エンジンが付いた単なる文字起こしではありません。音声を通じてリアルタイムで行われる「推論」なのです。
「話す」から「実行する」へ
おそらく最も重要な変化は、これらの高度なモデルが単にチャットするだけでなく、「行動」できるようになったことです。Anthropicは、アップデートされた音声モードをエージェンティック（agentic）なインターフェースとして位置づけています。OpusとSonnetは、意図を正確に解釈する推論能力を備えているため、音声による会話を具体的なアウトプットへと変換できるのです。
Anthropicが提示する例はシンプルですが、示唆に富んでいます。ユーザーが音声でビジネスアイデアについて話し、その後、Claudeにそのとりとめのない会話を構造化された1ページのピッチ資料にまとめてほしいと伝えます。モデルは非構造化された対話を解析し、核となる価値提案、ターゲット層、財務的な前提条件を特定し、フォーマット済みのドキュメントを作成します。打ち直す必要も、チャットログを別のテンプレートにコピーする必要もありません。
このエージェンティックなレイヤーは、生産性ツールにも広がります。Anthropicは、音声体験をGmail、Slack、Canvaと連携させています。つまり、Claudeにプロジェクトの概要を口頭で伝え、Canvaでスライドデッキを作成させ、チームのSlackチャンネルに要約を投稿し、Gmailでフォローアップのメールを下書きするといった一連の作業を、すべて同じ音声セッション内で行える可能性があるのです。モデルはコーディネーターとなり、話された意図を、個別のアプリケーションにまたがるアクションへと翻訳します。
文脈を失わずにギアを切り替える
Anthropicは、異なるインタラクションモード間の障壁を取り除くように体験を設計しました。ユーザーは、文脈を失うことなく、同じ会話の中でテキストと音声の間を自由に行き来できます。デスクで技術的な質問を打ち込み始め、会議に向かう間に音声に切り替え、その後コードスニペットを貼り付けるためにテキストに戻る、といったことが可能です。
また、このシステムでは、会話の途中でモデルのティア（階層）を切り替えることも可能です。Haikuの軽快なレスポンスを活用してカジュアルなブレインストーミングを開始し、議論が厳密な技術的実行に移る際にOpusへとアップグレードすることができます。文脈はそのまま引き継がれます。入力したか話したか、あるいは高速なモデルを使っていたか深い思考を持つモデルを使っていたかにかかわらず、AIは3ターン前の発言も記憶しています。
この流動性は非常に重要です。なぜなら、実際の業務は決して直線的ではないからです。スピードが必要な問題もあれば、深さが必要な問題もあります。ユーザーがこれらのギア（モード）を切り替えられる単一のインターフェースを構築することで、認知的なオーバーヘッドを削減できます。新しいタブを開いたり、プロンプトをコピーしたり、文脈を説明し直したりといった摩擦を防ぐことができるのです。
世界の言語を話す
この拡張は英語話者だけに留まりません。Anthropicは英語のみのベータ版を終了し、新たに9つの言語を正式にサポートしました。
- 欧州言語: フランス語、ドイツ語、イタリア語、スペイン語、ポルトガル語。
- アジア言語: ヒンディー語、インドネシア語、日本語、韓国語。
これは単なるローカライズのチェック項目ではありません。韓国語やヒンディー語での高度な推論を伴う音声アシスタンスは、これらのツールを専門的な業務に活用できる層を劇的に変えます。ジャカルタのスタートアップ創業者なら、インドネシア語で投資家向けのアップデートを音声で下書きできます。トリノの製造アナリストなら、イタリア語でサプライチェーンのデータを詳細に分析できます。Opusの認知能力は、英語よりも母国語で考える方が自然なすべての人にとって、身近なものとなるのです。
AIアシスタントのより広い市場において、この多言語展開は、トップティアモデルの推論能力と相まって、Claudeの競争力を鋭くします。歴史的に、ほとんどの音声アシスタントは非英語圏の市場を後回しにしており、浅い推論の上に翻訳を重ねるだけでした。Anthropicは、世界のユーザーが、英語話者が期待してきたものと同じレベルの思考の深さを、自らの言語でも求めていると考えているようです。