AppleとGoogleが無料で通話の文字起こしを始めた。それでもZoomのタブには手が届かない

その機能が、無料になった

MinuteAIが存在してきたほとんどの期間、「オンデバイスでの文字起こしと要約」はサードパーティ製アプリを選ぶ理由の一つでした。標準搭載の機能では得られないものだったからです。今年、その前提は少し崩れました。どう崩れたのかを正直に見ておく価値があります。

iOS 26は通話の録音と文字起こしをPhoneアプリに直接組み込みました。1対1の電話またはFaceTimeの音声通話を録音すると、録音と話者ごとに区切られた完全な文字起こしがNotesに保存され、その上にApple Intelligenceによる要約が重なります — すべて端末上で処理されます。Googleはこれより前に同じ形のものを出していました。2024年からPixel RecorderアプリにGemini Nanoが組み込まれ、録音した会話をスマートフォン上だけで3行の箇条書きに要約し、サーバーへの往復は一切ありません。異なる2社のプラットフォームベンダーが、MinuteAIが最初から前提としてきたのと同じアーキテクチャ — 音声をどこにも送らない — に収束したのです。

どちらも、どこで止まっているか

興味深いのは、これが起きたこと自体ではありません。シリコンの性能が追いついた時点で、オンデバイス処理が標準機能になるのは時間の問題でした。興味深いのは、それぞれのベンダーが境界線をどこに引いたかです。

Appleの実装は自らの限界について明確です。通話録音は1対1のPhoneおよびFaceTime音声通話に限られ、Apple Intelligence対応端末（iPhone 15 Pro以降、自動文字起こしにはiPhone 16以降）が必要で、EU・サウジアラビア・南アフリカでは利用できず — そして最も重要な点として — WhatsApp、Zoom、Teams、Google Meetなど他社アプリ経由の通話には対応していません。Googleの機能も、別の方向で同じくらい狭く範囲が区切られています。Recorderはスマートフォンのマイクが拾った音声を文字起こし・要約します。講義や対面の会話、電話には対応しますが、ビデオ会議アプリの音声パイプラインには組み込まれておらず、フル機能はPixel 8・9シリーズのハードウェアに限定されています。

どちらの企業も、実際の仕事の打ち合わせの大部分を占める場面 — ノートパソコンでGoogle MeetやMicrosoft Teamsを開いたブラウザタブ — 向けの文字起こし層は出していません。これは「まだ手が回っていない」というだけの話ではなく、各プラットフォームが実際に何を制御しているかから来る構造的な帰結です。AppleはPhoneとFaceTimeの通話スタックを最初から最後まで自社で所有しているからこそ、そこに文字起こしを組み込めます。AppleもGoogleも、他社が作ったビデオ会議のWebアプリがChromeタブの中で行っていることまでは所有していないため、同じように静かに計測を仕込むことができません。

MinuteAIがすでにいる場所

その隙間こそ、MinuteAIのChrome拡張機能がまさに入り込むために作られた継ぎ目です。自分自身のMeetやTeamsのブラウザタブで既に再生されている音声を取り込み、自分のMac上のローカルサーバーへストリーミングします — ボットが会議に参加するわけでも、クラウドへアップロードするわけでも、会議プラットフォーム側がAPIを公開してくれることに依存するわけでもありません。パイプラインの残りの部分も、プラットフォームベンダーがちょうど今回証明したのと同じ側に留まります。文字起こしはCoreML経由のWhisperで端末上で動作し、要約はクラウドLLMではなくllama.cpp経由のローカルGGUFモデルで実行され、話者分離はAPI呼び出しではなくローカルでホストされたpyannote.audioランタイムで動きます。AppleとGoogleは、このアーキテクチャこそ賭けるべき正解だと、まさに1つの製品サイクルをかけて証明したところです。ただし、デスクトップのビデオ通話をカバーする部分はまだ作っていません。

この隙間はずっとは空いたままではない

この隙間を永続的なものと読むのは間違いでしょう。Google Meetはすでに自社の文字起こし・要約機能を、Meet以外のZoomやTeams上で行われる会議もカバーするように拡張し始めています。狙いはまさに、MinuteAIのボットを使わない設計が直接競合を避けるために作られたのと同じカテゴリのツール — OtterやFireflies — を置き換えることです。このバージョンは完全にオンデバイスではなくGoogle Workspace経由で動くため、RecorderのローカルサマリーやMinuteAIのローカルパイプラインとはプライバシー上の立ち位置が異なりますが、「ブラウザタブの中のビデオ会議」という領域が長く無風のままではいられないことを示すシグナルではあります。Legacy Dragon、PrivateAI、そしてその他のAityTechポートフォリオ全体が、MinuteAIと同じ賭けをしています。データを端末内に留めることは、市場が成熟してから付け足す機能ではなく、市場が成熟する前から存在するための理由そのものだ、という賭けです。

実際に何が変わったのか

正直な捉え方は「プラットフォームがまだ追いついていないからMinuteAIは安全だ」ではありません。もっと限定的です。AppleとGoogleは、自分たちが完全に制御している領域 — 電話の通話とボイスメモ — において、オンデバイスの文字起こしと要約こそ正しいアーキテクチャだということを、実際のエンジニアリングの労力をかけて証明したばかりです。一方で、自分たちが完全には制御していない領域 — 他社が作ったWebアプリの中でブラウザタブとして動くビデオ会議 — は、まだ手つかずのままです。そしてそここそ、MinuteAIが最初から作られてきた場所です。

---

MinuteAIはmacOS/iOS向けにApp Storeで公開中です。詳しくはgetminute.appをご覧ください。ワークフローへの組み込み方についてご質問があれば、[email protected]までお気軽にどうぞ。