Alibaba、リアルタイム対話AI「Wan Streamer」発表

中国のテック大手Alibabaは、人間の表情や手の動き、音声を同期させ、1秒未満の遅延でリアルタイムに対話できる超リアルなAIモデル「Wan Streamer」を発表しました。このモデルは、相手が話している最中にもその声を聞きながら応答できる「フルデュプレックス（全二重）」機能を備えており、まるでFacetimeのビデオ通話のようにスムーズで自然なコミュニケーションを可能にします。従来の機械的なチャットボットから一線を画し、人間の対話に近い没入体験を提供する次世代のマルチモーダル基盤モデルとして注目を集めています。

1. 1秒未満の遅延と全二重（フルデュプレックス）通信による対話体験

Wan Streamerの最大の特徴は、映像と音声をリアルタイムで処理し、1秒未満という極めて短い遅延（sub-second latency）で応答する技術にあります。ユーザーが話している最中にもその声を聞き取って対話を行える「全二重（フルデュプレックス）」機能を搭載しています。公開されたデモ動画では、AIアバターが視線を合わせ、自然にうなずき、笑いを交えながら、映画監督の周星馳（チャウ・シンチー）の作品などの日常的なトピックについて滑らかに会話する様子が紹介され、その応答速度と流動性が話題となっています。

2. 仮想体験への期待と「不気味の谷」への懸念

この極めて人間らしいAIの登場は、様々な分野への活用が期待される一方で、倫理的・心理的な議論を呼んでいます。カスタマーサポート、仮想教育、コンテンツ制作といった実用的な分野での活躍が見込まれる一方、完璧に模倣された人間の共感がもたらす影響が懸念されています。特に、デジタル上のつながりに溢れながらも生身の対面関係を渇望する「Z世代（Gen Z）」の若者にとって、この技術は孤独を癒す救世主となり得るのか、あるいは「不気味の谷」を刺激するディストピア的なものに過ぎないのか、その評価が分かれています。

Wan Streamerは現段階では初期の研究段階（early research release）にありますが、この発表はより人間らしいデジタルヒューマンの普及が間近に迫っていることを示唆しています。今後、人間とAIとの境界線がさらに曖昧になっていく中で、合成された共感が社会や個人の関係性に与える影響についての慎重な検証が必要とされています。