2026
11/11
当サイトは Google Adsense、Amazon アソシエイト等 アフィリエイト広告を利用して収益を得ています.
Google は 2026 年 11 月 10 日 (現地時間)、オンデバイス AI アプリ「Google AI Edge Gallery」に、音声入力とテキストの読み上げ機能を追加したことを発表しました。
音声の認識も読み上げもデバイス上で処理が完結するため、ネットワークに接続していなくても、話しかけて質問したり、AI の回答を音声で聞いたりできます。
現在、Android と iOS の最新版アプリで試すことができます。
目次
AI Chat に音声入力と読み上げを追加
Google AI Edge Gallery の AI Chat は、Gemini Nano や Gemma 4 といったデバイス上で動く小規模言語モデルと会話できる機能です。
今回、これに音声での入力と出力が追加され、話した内容がリアルタイムで文字になるため、キーボードを使わずに質問できます。
読み上げは、「Auto-play TTS」をオンにするか、回答に表示されるスピーカーボタンをタップすると開始されます。
画面には読み上げバーが表示され、読み上げ中の文がリアルタイムでハイライトされます。任意の文をタップするとその文に移動できます。
使う音声認識と読み上げの方式、プリセットの声、ダウンロード済みの言語パックは、「Model Management」の設定でまとめて選べます。
カメラと声で学べる「XR Language Teacher」
同じアプリには、カメラと音声、言語モデルをすべてデバイス上で組み合わせたデモ「XR Language Teacher」も追加されました。これは地下鉄の駅や市場、海外など、Wi-Fi やモバイルデータ通信が使えない場所での外国語学習を想定しています。
看板やメニュー、見慣れない物にカメラを向け、「これは何で、どう頼めばいい?」のように声で質問すると、音声は文字に変換され、カメラの映像とあわせて、Android では Gemini Nano に、ほかのプラットフォームでは Gemma 4 に渡されます。
回答は、自分の言語の音声で説明されます。説明の途中に出てくる現地語のフレーズは、声とアクセントが現地語に切り替わって読み上げられ、画面には単語カードも表示されます。