Google、PixelとAndroidのアクセシビリティ機能をAIで強化

スマートフォンのカメラで写真を撮ったり、看板の文字を読んだりする動作は、視覚や聴覚に不自由がない人にとっては当たり前のことです。しかし、目が不自由な人にとっては、被写体が画角に収まっているか、ピントが合っているかを知ることすら簡単ではありません。

Googleは、PixelおよびAndroid端末向けに、AIを活用した4つの新しいアクセシビリティ機能を発表しました。視覚障害や聴覚障害を持つ人々の日常的な不便を解消するため、カメラ機能やリアルタイム文字起こしが大幅に強化されています。

音声で撮影を指示し、現実の文字を検索する

まずPixelカメラの「ガイドフレーム（Guided Frame）」が進化しました。視覚障害を持つユーザー向けに設計されたこの機能は、音声案内で顔の向きや構図を指示してくれるツールです。今回のアップデートでは、顔を上下に傾ける、左右にカメラを振るといった指示に加え、暗い場所では「光量が不足しています」と教えてくれます。構図が整うと自動でシャッターが切られる仕組みです。

さらに物体認識の精度が上がり、集合写真での顔フィルタリングや複雑な背景でのピント合わせも向上しました。これまでAndroidのスクリーンリーダーであるTalkBackを有効にしないと使えませんでしたが、通常のカメラ設定から直接オンにできるようになり、より手軽に利用できるようになっています。

また、Pixel 5以降で利用できる「拡大鏡（Magnifier）」アプリには、AIによる現実世界のテキスト検索が追加されました。空港の案内板で搭乗便を探したり、飲食店のメニューから特定の料理を見つけたりする際に、単語を入力すればカメラ内の該当箇所をハイライトしてくれます。全体の構図を見失わないピクチャー・イン・ピクチャー表示や、マクロレンズと広角レンズの手動切り替え、フロントカメラを照明付きの手鏡として使える機能も加わりました。

折りたたみスマホの両画面表示とオフライン対応

聴覚障害を持つユーザーに広く使われている「音声文字変換（Live Transcribe）」には、Pixel 9 Pro Foldなどの折りたたみ端末を活かしたデュアルスクリーンモードが導入されました。端末を少し折り曲げて机の上に置くテーブルトップ姿勢にすると、内側と外側の両方のディスプレイにリアルタイムで文字起こしが表示されます。向かい合って座る相手も画面が見えるため、端末を手渡すことなくスムーズに対話を進められます。

さらに、端末上の音声をリアルタイムで文字化する「自動字幕起こし（Live Caption）」には、新たに日本語ではなく中国語、韓国語、ポーランド語、ポルトガル語、ロシア語、トルコ語、ベトナム語の7言語が追加されました。

これら7言語は音声文字変換アプリでも端末内処理に対応します。これにより、地下鉄の車内や機内モードなど電波が届かない場所でも、計15言語でオフライン文字起こしが可能です。インターネット接続時には従来通り120以上の言語に対応します。

なぜ重要か

アクセシビリティ機能は理念先行になりがちですが、今回のGoogleのアップデートは実用性に徹底してこだわっています。特に拡大鏡での単語検索は、ロービジョンの人々がこれまで苦労していた案内板の確認作業を劇的に変えるものです。ガイドフレームをTalkBack専用から通常のカメラ設定に解放した点も、シニア層など軽度の支援を必要とするユーザーへの配慮として理にかなっています。

また、折りたたみ端末のデュアルスクリーンを活用した文字起こしは、新形態ハードウェアの強みを見事に活かしたアプローチだと評価できます。大画面でマルチタスクをするだけでなく、向かい合った相手とのコミュニケーションツールとして端末を成立させている点は非常にスマートです。

一方で、機能の多くがPixel端末や最新の折りたたみモデルに限定されている点は依然としてハードルです。視覚や聴覚の支援を最も必要としている人々すべてが高価な端末を持っているわけではありません。こうした端末側のAI処理技術が、Pixel以外の普及価格帯Android端末へいかに早く波及していくかが、今後の真の課題になりそうです。