Mac版Geminiに音声モード追加 話すだけで直接入力

Googleが、Mac向けGemini（Googleが開発する大規模言語モデル・AIアシスタント）アプリにおいて、チャットウィンドウを開くことなく音声入力とAI編集を行える新機能「音声モード（Voice Mode）」を発表しました。キーボードのFnキーを長押しするだけで音声コントロールが起動し、作業中のアプリから画面を切り替えずにテキストの生成や修正を完了できます。

カーソル位置への直接入力と画面文脈認識

新機能のコアとなる「インテリジェント・ディクテーション」は、マイクに向かって話した内容をカーソルが置かれている位置に直接リアルタイム文字起こしします。その際、「えー」や「あのー」といったフィラー音（無意味な言い淀み）を自動で取り除き、整えられた文章として挿入します。

さらにオプション機能として「画面認識（Screen-aware reasoning）」を有効にできます。これにより、表示中のドキュメントや選択範囲の文脈をGeminiが読み取り、口頭での指示に応じて要約を作成したり文章のトーンを書き換えたりした上で、対象ドキュメントへそのまま結果を反映させることができます。

従来のワークフローでは、「AIチャットツールを開く → プロンプトを入力する → 回答をコピーする → 作業中のアプリに貼り付ける」という複数ステップが必要でしたが、本機能により「Fnキーを押しながら話すだけ」で一連の作業が完結します。

Apple標準機能（Apple Intelligence）との相違点

macOS標準機能やApple Intelligenceとの機能差は以下の通りです。

機能・比較点	macOS標準音声入力	Apple Intelligence (Writing Tools)	Google Gemini Voice Mode
音声文字起こし	あり（単純変換）	なし	あり（フィラー自動除去付き）
テキストのAI書き換え	なし	あり（テキスト選択メニュー）	あり（音声指示で実行）
画面コンテキスト理解	なし	Siri AIで限定対応	あり（オプションで切り替え）
起動方法	設定キーの連打等	テキスト選択ポップアップ	Fnキーの長押し

Googleは本機能を英語環境向けにグローバルで順次公開しており、2026年後半には対応言語を順次拡大する予定です。

分析と展望

GoogleがMacデスクトップ環境への深い統合を進める背景には、作業の「コンテキストの切れ目（ウィンドウ切り替え）」を排除するプロダクティビティツールの競争があります。

画面アクセス権限に関するプライバシー管理や対応アプリの互換性といった課題は残るものの、音声指示による直接編集ワークフローは、文書作成やメール作成の効率を飛躍的に向上させる可能性を秘めています。

引用元：AppleInsider