キーボード操作不要、AI 搭載マイクが音声入力技術の新たな選択肢に

キーボードを叩くのがどれほど嫌ですか？大規模言語モデルの登場により、音声からテキストへの変換技術が急速に進化しました。会議の要約のために Wispr Flow が参加したり、Google が最新 Pixel スマートフォンでより賢いオンデバイスdictation を発表したりするといったツールは、単なる文字起こしを超えた役割を果たしています。不自然なフィラーワードを知的に除去し、即興的な思考をリアルタイムで整理し、多言語間の会話をシームレスに仲介します。

さて、新たなスタートアップがこの戦場に参入しました。ソフトウェア中心の競合他社とは異なり、Relay は、あらゆる場所で高品質な音声からテキストへの変換を実現するための専用ポータブルマイクを開発中です。ロンドンに拠点を置く Relay は、2 人の元 Nothing 社員によって設立されました。AI・サービス担当の Cookie Xu とハードウェア製品マネージャーの Raymond Zhu です。同社は今日ソフトウェアを発表しますが、Relay が「Relay Q」と呼ぶハードウェアは、2027 年初頭まで発売されません。

Zhu氏とXu氏がNothing社で働いていた際、彼らはWispr Flowの文字起こしソフトウェアを使用して、業務上のメッセージを「入力」していました。これはアイデアを整理する上で大きな助けとなりましたが、一つの課題に直面しました。それはオフィス内で声を大きく出しすぎることです。

「オフィスでは、適切な入力音量を見つけることができませんでした」とZhu氏はWIREDに語ります。「囁くように小さすぎるとMacが拾ってくれず、大きすぎると隣の同僚に聞こえてしまいます。時にはイヤーバスを抜いてこうして見せることもあります」と彼はビデオ通話の中で語りながら、口元にイヤーバスの例を示しました。「専用のハードウェアが必要なのです」。

Relayは、ローンチ時はmacOSに限定されていますが、将来的にはWindows、iOS、Androidへの展開も計画しています。まずはデスクトップ版から始めるのは、Zhu氏が最も複雑な会話がここで行われると考えているからです。友人や家族とのチャットはスマホではシンプルですが、仕事でパソコンに向かう際はアイデアの共有やブレインストーミングが行われ、トーンやフォーマルさを使い分ける必要があります。

マイク本体が完成するまでまだ数ヶ月かかりますが、私はRelayのmacOSアプリのベータ版を使用しています。これは専用マイクの有無に関わらず動作します。

セットアップ時には、Relay を任意のテキストフィールドで起動するためのホットキーを選択する必要があります。デフォルトは「Fn」キーです。カーソルを任意のテキストフィールドに合わせた状態でこのキーを押したままにすると、Relay が起動し、音声入力による文字起こしを担当します。音声からテキストへの変換エンジンには、Google の Gemini モデルが採用されています。

最も人気のある機能として、「スキル」と呼ばれる文脈に応じたアクションも可能です。例えば「Slack で同僚にメッセージを送って」と指示すると、Relay がアプリを起動し、宛先を探して文章の下書きを作成してくれます。私はこの Slack 関連のスキルで少し手間取りましたが、Google カレンダーでの予定作成には問題ありませんでした。Relay には WhatsApp や Gmail など主要なアプリ向けのプリセットスキルが用意されており、有効化できます。また、独自のスキルを作成して他のアプリを連携させることも可能です。

この自動化を実現するには、システム全体への広範な権限付与が必要です。Relay はマイクへのアクセスを必要としますが、起動時に画面のスナップショットを記録する権限も付与できます。これが「スキル」を実行するための仕組みです。

同社は、データをユーザー端末上でローカルに保存し、ユーザーが手動で編集や削除を行えるようにしているとしています。データは処理のために送信されますが、その過程では Relay のサーバーを経由して Google のサーバーへ転送されるだけで、Relay 側にはデータが残存しません。

ただし、AI モデルにオペレーティングシステムを「目」として見せることは、マイクロソフトの Recall の事例に見られるように、本質的なプライバシーとセキュリティのトレードオフ を伴うことを意味します。

Relay の文字起こし機能は、最近私が Google Pixel 11 シリーズで試した Rambler 機能 のようなものには到底及びません。Pixel 11 シリーズのRambler 機能は完璧ではありませんが、Relay は単語をすべて正確に拾いきれず、句読点の処理でミスをすることもあります。また、言い間違いを認識して文を言い直す機能や、不要な部分をカットする能力も備えています。

なお、絵文字の自動挿入にも対応していますが、私のテストではその挙動は不安定でした。例えば「ハートの絵文字を追加してほしい」と指示したときは完璧に実行してくれたのですが、文末に追加しようとすると「heart emoji」という単語をそのまま記述してしまいました。なんてロマンティックなんでしょう。

Relay は、メッセージ内容とは別に何かアクションを実行したいという意図も概ね理解しています。例えば、妻宛てのメッセージで「あのレストランに行きたい」と伝えつつ、同時に「その場所への Google Maps リンクを生成してほしい」と指示したところ、見事に実行してくれました。ただし、この機能は当たり外れが大きいのが現状です。まだベータ版だからでしょうね。

ソフトウェアが私の話し方に適応するにはまだ時間が足りませんが、Relay アプリでメモを追加することで、特定の話し方のパターンに従わせることができます。例えば、私は Slack のメッセージでは文末にピリオドを付けることがほとんどないため、「ピリオドを付けないように」と指示したところ、そのルールは守られました。定期的に話す相手ごとに細かくカスタマイズできる機能もあり、Relay は相手を自動で検出します。これにより、上司へのメッセージはプロフェッショナルなトーンに、友人とのやり取りはカジュアルな口調に調整できます。さらに、異なる国に住む同僚には、相手の言語に翻訳して送る設定も可能です。

Relay 提供

最も人気のある記事

-

-

-

-

-

現在は Mac Mini と Apple の Studio Display モニターに内蔵されたマイクを使用していますが、これらの精度に関する問題は、Relay の専用ハードウェアが到着すれば解決される可能性があります。例えば現在、キーボードのファンクションキーを押したときと Relay が起動する間にわずかな遅延が生じていますが、専用ハードウェアであれば、この遅延は大幅に短縮されるはずです。

さて、Relay Q は先端にマイクを搭載した円筒形のデバイスです。話しながらトップボタンを押し続ければ、キーボードのホットキーのようにパソコンやスマホで Relay を起動できます。もし常に持ち続けたくない場合は、ボタン部分を円筒から外してシャツにクリップすることも可能です。（上から見るとマイクの形状が文字「Q」に見えるため、この名前がついています。）ダブルタップでもメッセージを送信できます。口元に近づけてささやくように話せば、Zhu 氏によれば、どんなに小声でも拾ってくれるそうです。

「この製品を開発する際、常に頭にあったのは一つの質問でした」と Zhu 氏は語ります。「作業中にキーボードに触れずにいられる時間はどれくらいか？」

より正確な音声認識のためにマイクを使うというアイデア自体は新しいものではありません。昨年、スタートアップの Sandbar が Stream Ring を発表し、数ヶ月後には Pebble も独自の製品であるIndex 01 を披露しました。どちらも指輪型のデバイスで、ささやいた思考を認識させることを目的としており、現在、初期購入者向けに出荷が始まっています。Zhu 氏によれば、Relay もリング型を検討しましたが、すでに多くの スマートリング が市場に存在しているため、最終的には見送ったそうです。

Relay Q には充電ドックが付属しており、使用しない際はデスク上にすっきりと収納できます。また同社は、iPhone または Qi2 対応デバイスの背面に取り付けて Relay Q を装着できる別売りの MagSafe グリップも開発中です。これにより、スマートフォンを操作しながらボタンを押して、Relay の音声からテキストへの変換機能をモバイルでトリガーすることが可能になります。この機能は、Relay Q と同時に 2027 年第 1 四半期にリリースされる予定です。

Relay Q の価格は 150 ドルで、ソフトウェアの初年度分が含まれています。その後は月額 15 ドルの有料プランとなります。（なお、ソフトウェアを利用する際に Relay Q の購入は必須ではありません。）