Appleがアクセシビリティ新機能を発表、15分の録音で「自分の声」をAI生成

いつか自分の声を失うかもしれないと分かったとき、今の声をデジタル上に残しておきたいと思うでしょうか。

Apple は 5 月 16 日、今年後半に iPhone、iPad、Mac へ順次展開するアクセシビリティ関連の新機能を発表しました。認知、視覚、発話の各障がいを持つ当事者コミュニティの声を取り入れて開発されたツール群です。

15分間のテキスト読み上げで、自分の声を残す

最も注目を集めているのが「パーソナルボイス」です。ALS（筋萎縮性側索硬化症）などの疾患により、将来的に発話能力を失うリスクを抱える人に向けて設計されました。

設定方法は、マイクに向かってランダムに表示されるテキストを約 15 分間読み上げるだけです。端末内の機械学習を使い、完全にローカル環境で自分そっくりの合成音声を生成します。これまでも Acapela のような専用サービスが存在していましたが、主要な民生機器の OS にそのまま組み込まれる形となります。

音声クローンは悪用リスクが高い技術ですが、Apple はプライバシー保護を徹底しています。生成された音声データは Apple を含む外部と一切共有されず、家族間での共有アカウントによる誤用を防ぐため Apple ID にも自動紐付けされません。Mac と iPhone 間で同期する場合も、ユーザー自身が明示的に許可する必要があります。

あわせて使えるのが「ライブスピーチ」です。発話が困難な人が入力した文字を、ロック画面や FaceTime、通話中に音声として読み上げてくれます。普段よく使う定型句をあらかじめ登録しておくことも可能です。

画面を極限までシンプルにする機能と「指さし読み上げ」

認知障がいを持つ人に向けた「アシスティブアクセス」も登場します。iPhone や iPad の画面を大きなアイコンと高コントラスト、分かりやすいラベルに絞り込み、電話と FaceTime を 1 つに統合するなど、インターフェースを根本からシンプルにします。

視覚障がい者向けには、拡大鏡アプリに「ポイント＆スピーク」が加わります。カメラと LiDAR スキャナを組み合わせ、家電の操作パネルなどに書かれた複数の文字ラベルを指さすと、端末がそれを認識してリアルタイムで読み上げます。電子レンジの「ポップコーン」「解凍」ボタンなどを識別するのに役立ち、日本語を含む多数の言語で利用可能です。

さらに音声コントロールには同音異義語を修正しやすくする音声提案が追加され、手話通訳サービス「SignTime」はドイツやイタリア、スペイン、韓国へと対象地域が広がります。

なぜ重要か

今回の機能群は、生成 AI や機械学習をどのように社会的課題の解決へ落とし込むかを示す好例だと私たちは考えます。

クラウド型の音声クローン技術がディープフェイクや詐欺の温床として警戒されるなか、Apple は全工程を Apple Silicon 搭載端末内のオンデバイス処理にとどめ、クラウドへ音声を送信しない設計を貫きました。声を失う不安と戦う当事者にとって、極めて安全に尊厳を守れる選択肢になります。

また、専用の高額な支援機器を買わなくても、手元の iPhone がそのまま家電操作の補助具や極小インターフェース機器に化ける点は、ユーザーや介護に携わる家族にとって大きなメリットです。

課題としては、パーソナルボイスには Apple Silicon、ポイント＆スピークには LiDAR スキャナが必要となるなど、対応ハードウェアの縛りがある点です。それでも、最新の半導体パワーをギミックではなくアクセシビリティの充実に惜しみなく割り振った姿勢は高く評価できます。