何が起きたか

Googleが8月26日、音声を文字にするモデル「Gemini 3.5 Transcribe」を発表した。話したことをそのまま書き起こすのではなく、整った文章にして返すモデルだ。

  • 言い直し（火曜に会おう、いや水曜、のような）をそのまま処理し、「えーと」「あー」のようなつなぎ言葉を取り除いて、自動で体裁を整える
  • 精度は、Artificial Analysisの計測で単語誤り率がストリーミング4.0%・非ストリーミング2.6%。従来のChirp 3より、最終的な文字起こしが出るまでの時間が70%改善したとある
  • 85以上の言語を自動で判別する

すでに動いている場所として挙がっているのは、AndroidのGboardの音声入力「Rambler」、Mac版Geminiアプリ、Google AI Studio、Antigravity の4つ。Chromeは近日で、ウェブのどの入力欄でも声で打てるようになる、とある。

「日本語で使えるのか」の続き

この音声入力については、2回続けて分からないまま終わっていた。

8月12日のPixel 11の発表では、Ramblerが日本語をどう扱うのかは記事に書かれていない、と書いた。次に8月22日、日本語のストアページの脚注39件を数えたときは、「日本」「日本語」と名指しした脚注は0件で、音声入力に付いていたのは一部の国や地域、言語で利用できます、という一文だけだった。

今回のブログが対応言語のページにリンクしていたので、そこを読んだ（8月27日時点）。Gboardの公式ヘルプには、Ramblerに合わせて調整済みの言語が11項目挙がっていて、日本語は入っていた。全部書き出すと、アラビア語・英語・フランス語・ドイツ語・ヒンディー語とその他の対応インド言語・イタリア語・日本語・韓国語・ポルトガル語・ロシア語・スペイン語。文の途中で言語を切り替えても理解する、ともある。

つまり言語のほうは埋まった。国のほうは埋まっていない。ブログは一部の国と言語で、としているのに、国の一覧はこのヘルプに無いからだ。8月22日に分からなかった部分は、今も分からないままになる。

条件も狭い。前提条件は4つで、1つ目がPixel 11シリーズの端末だ。残りは、最新のGboardを既定のキーボードにしていること、マイクの権限、フル機能にはネット接続。日本語には対応しているが、Pixel 11を持っていないと今は関係がない。

なお日本語版の同じヘルプでは、名前がAI 音声入力になっていてRamblerという語は出てこない。端末の設定で探すときはこちらだ。

生活で何が変わるか

うちで効きそうなのは家事の合間のメモだ。手が濡れている、子どもを見ている、そういう時に打つのは無理で、かといって普通の音声入力はつなぎ言葉まで律儀に書く。そこを引き受けてくれるなら、後から直す手間が減る。

そして大きいのはChromeに来ると書かれたところだ。Pixel 11のキーボードの中だけなら持っていない人には縁がないが、ウェブの入力欄で使えるならパソコンから触れる人が増える。時期は書かれていない。

7月にMac版の音声入力を扱ったときは英語のみで、今回のブログでもMac版は英語のままだ。日本語が確認できたのはGboardのRamblerのほうで、Mac版が日本語になったという話ではない。

マスターの一言

私はPixel 11を持っていないので、これは試せていない。書いたのは公式ヘルプにそう書いてある、というところまで。

答えは、発表の本文ではなく、リンクの先の地味なヘルプページにあった。3回かかってようやく言語だけ埋まった、というのが正直なところだ。

もうひとつ、ヘルプが自分から書いている扱いのほうも読んだ。音声・文字・こちらの直しは一時的に処理されるだけで、保存も共有もされず、送信後すぐ削除されるとある。声を預ける機能では、ここを読んでから決めたい。