GoogleのGeminiアプリ、ついに音声ファイルのアップロードに対応

長時間の会議録音やポッドキャストの音声をそのままAIに投げて要約させたいという要望は多いものの、Googleの対話型AI「Gemini」アプリでは長らくこれが直接行えませんでした。

Google LabsおよびGemini担当バイスプレジデントのJosh Woodward氏は月曜日、X（旧Twitter）への投稿で、Geminiアプリが待望の音声ファイルアップロードに正式対応したと明かしました。同氏によると、これはユーザーからの要望で最も多かった機能だといいます。

無料版は10分制限、有料版なら3時間まで対応

今回の機能追加により、録音ファイルをプロンプト欄に直接添付して分析させることが可能になりました。ただし、利用枠にはプランごとに明確な差がつけられています。

無料ユーザーの場合、アップロードできる音声は1ファイルあたり最大10分まで、プロンプトの利用は1日5回までに制限されます。一方で、AI ProまたはAI Ultraを契約している有料ユーザーは、最大3時間の音声ファイルを一度にアップロードできます。

なお、全プラン共通の仕様として、1回のプロンプトにつき最大10個のファイルを同時に添付可能です。対応フォーマットは幅広く、ZIPファイルの中に格納された音声ファイルもそのまま認識されます。

NotebookLMはクイズ作成に対応、検索AIは日本語もサポート

Googleはこの日、Geminiアプリ以外にも2つの主要なアップデートを発表しました。Gemini 2.5を組み込んだGoogle検索の「AI Mode」は、新たに日本語、ヒンディー語、インドネシア語、韓国語、ブラジルポルトガル語の5言語に対応を拡大しました。

また、すでに音声入力に対応していたリサーチツール「NotebookLM」も機能を強化しました。アップロードした資料を基に、80以上の言語で学習ガイド、概要説明ドキュメント、ブログ記事、さらには単語カード（フラッシュカード）やテスト問題を自動生成できるようになりました。書式やトーンの調整も可能で、同社によると今週末までに全ユーザーへ提供される見込みです。

Googleは直近1か月間で急速にAI機能を拡充しています。8月には過去の会話記憶機能の追加や動画作成ソフト「Vids」の無料開放を実施し、9月には「Google フォト」に動画生成モデル「Veo 3」を組み込んで4秒の無声ショート動画を作成できるようにしています。

なぜ重要か

今回の対応は、これまでサードパーティの文字起こしツールを経由したり、わざわざNotebookLMに頼ったりしていた取材記者や学生、ビジネスパーソンにとって、日常の作業工程を大きく削る実用的な前進と言えます。

ただし、Googleの価格戦略は非常にシビアです。無料版の「10分・1日5回」という枠は、短いボイスメモを試すには十分ですが、実際の業務会議や講義を処理するには到底足りません。本格的に使いたい層を有料プランへ誘導するための導線設計が極めて露骨であるとも言えます。

業界全体で見れば、Googleが持つ強みであるマルチモーダル処理能力が、ようやく単一のチャット画面へシームレスに統合され始めたことを意味します。検索、専門ノート、汎用アプリが同じ基盤で足並みを揃えたことで、OpenAIをはじめとする競合他社に対しても、メディア処理の汎用性と実用性の面で強い圧力をかけることになりそうです。