Mac版Geminiが更新、Fnキー長押しで音声入力や画面内要約に対応

Macに標準搭載されている音声入力は、少し言い淀んだり途中で言い直したりすると、その不要な言葉までそのまま文字にしてしまう不便さがありました。

Googleは7月29日、macOS版Geminiアプリに自然言語を活用した新しい音声機能を導入しました。Geminiのウィンドウをわざわざ開かなくても、キーボードのFnキーを長押しするだけで、開いている任意のアプリ上で直接音声操作が行えます。

言い淀みや口誤りを自動で補正する音声入力

標準の状態では、インテリジェントな文字起こしツールとして動作します。Geminiが音声を解析し、整ったテキストに清書してカーソル位置へ即座に挿入します。

話している途中の「えーと」といった不要な言葉は自動で除去され、文章の途中で言い直した場合も文脈を汲み取って正しく修正してくれます。レビュアーの間では、TypelessやWhisper FlowといったAI文字起こしアプリに近い快適さが、公式クライアントでそのまま使えるようになったと評価されています。

画面の内容を理解する「推論モード」

設定画面でGeminiの推論機能を有効にすると、単なる文字起こしを超えて、画面上の文脈を把握した複雑なタスクを依頼できるようになります。

デスクトップ上のローカルファイルや文書を選択した状態で「この診療記録を読んで、ペットホテル宛てに病歴をまとめたメールを作成して」と話しかければ、要点を抽出して文章を組み立ててくれます。選択した文章のトーン調整や要約の作成はもちろん、画像を選択して「このイラストのダークモード版を生成して」と指示を出すことも可能です。

この機能は現在、macOS版Geminiを利用する全世界の英語ユーザー向けに順次提供されており、日本語を含む多言語対応やWindows版の登場が待たれる状況です。

なぜ重要か

AIアシスタントの主戦場は、専用のチャット画面から日常的な作業環境の内部へと移りつつあります。GoogleがFnキーの長押しという手軽な操作にこの機能を割り当てたのは、ユーザーの思考を中断させないための賢明な判断と言えます。

英語で日常的に文章を書くユーザーやビジネスパーソンにとって、テキストをコピーしてAIに渡し、結果を貼り直す手間が完全に省けるため、今すぐ試す価値があります。専用のAI文字起こしアプリを個別に契約していた層にも強い乗り換えの動機になるでしょう。

一方で、AppleがOSレベルでのAI統合を進めるなか、GoogleがmacOS上で先手を打った形にもなっています。ただし、画面上のファイルや作業内容をAIに読み取らせる機能は、利便性と引き換えにプライバシーへの配慮が不可欠です。作業効率を求めるユーザーの支持を集めつつ、セキュリティに敏感な層をどう納得させられるかが今後の普及を左右しそうです。