音声翻訳：スマホアプリ・イヤホン・通話ボットの選び方
音声翻訳は、話した内容をリアルタイムで別の言語に変換します。スマートフォンアプリ、翻訳イヤホン、通話ボットを、相手に何が聞こえるかという視点で比較し、店頭、診察、ビデオ会議、電話といったシーン別に、通話でのアプリの限界と選び方を解説します。
公開日 · 約6分で読めます
要点
- 音声翻訳は、ある言語の発話を別の言語に変換し、音声、テキスト、またはその両方で出力します。タイプごとの本当の違いは、相手が何を体験するかにあります。
- スマートフォンアプリや翻訳イヤホンは、同じ場所にいる人同士で交互に話す使い方が前提です。マイクが1つのため、ビデオ通話の相手側の声は翻訳できません。
- 通話翻訳ボットは会議に参加者として入るので、全員の発言を翻訳できます。店頭や診療所での1対1の会話なら、スマートフォンアプリがいちばん手軽です。
目次
音声翻訳とは
音声翻訳は、ある言語で話された内容をリアルタイムで別の言語に変換し、音声、画面上のテキスト、またはその両方で出力する仕組みです。現在主流の形は4つあります。手に持って話しかけるスマートフォンアプリ、そのアプリの会話モード、翻訳イヤホンやハンドヘルド端末、そしてビデオ通話に参加するボットです。どれも、音声をテキストにして翻訳し、読み上げるか画面に表示するという流れは同じです。違いは、マイクがどこにあるか、そして相手に何が聞こえ、何が見えるかにあります。
多くの比較記事はこの最後の点に触れていません。そこで、以下の表は相手側の体験から整理しています。
| 形式 | 相手の体験 | ビデオ通話の相手側に対応できる？ |
|---|---|---|
| スマートフォンアプリ（手に持って話す） | 一文を話し終えるのを待ってから、スマートフォンの合成音声を聞くか、画面の文字を読む | できない |
| スマートフォンアプリ（会話モード） | 上と同じだが、アプリが話者を自動で判別するので、毎回タップする必要はない | できない |
| イヤホン／ハンドヘルド端末 | 自分の耳で翻訳を聞くか、画面で読む。少し遅れが出る | 工夫が必要 |
| 通話翻訳ボット | 通話画面で翻訳字幕を読むか、リンクを開いて自分の言語で翻訳音声を聞く | できる（そのための設計） |
スマートフォンアプリをビデオ通話で使うときの限界
Google 翻訳、Microsoft 翻訳、Apple の翻訳アプリは、どれも優れたツールです。ただし、もともとは隣り合って話す2人のために作られており、ビデオ通話に持ち込むと次の4つの問題が起きます。
- マイクが1つしかない。 アプリはスマートフォンに届く音しか拾えません。ビデオ通話では相手の声がパソコンのスピーカーから流れるため、スマートフォンでは聞き取りにくいことがあり、自分の声は別経路で通話に入ります。
- 交互に話すしかない。 自分が話し、止まり、翻訳を待ってから、相手が話します。相づちを打つ、割り込む、考えながら話すといった自然な会話のリズムが失われます。
- スピーカーのエコー。 パソコンのそばでアプリが翻訳を読み上げると、通話のマイクもその音を拾い、相手には原語の声と機械的な読み上げの両方が聞こえてしまいます。
- 相手側に翻訳が届かない。 翻訳は自分の部屋の中で流れるだけです。スマートフォンをマイクに近づけてエコーを我慢しない限り、通話の相手は翻訳をまったく聞けません。
これは、アプリが悪いという意味ではありません。同じ場所にいる相手との会話には適していますが、画面越しの会話には向かないということです。
翻訳イヤホンとハンドヘルド端末
翻訳イヤホンやポケットサイズの端末は、問題の一部を解決します。それぞれが自分の耳で翻訳を聞けますし、ハンドヘルド端末のマイクは、腕を伸ばして持つスマートフォンより優れています。一方で、現実的な制約は残ります。通常は2人とも端末が必要か、1台を共有する必要があること、発話から翻訳が聞こえるまでに遅延があること、そして端末が拾うのは会議の音声ではなく部屋の音なので、パソコンでのビデオ通話には回避策がいることです。どこまで期待できるかは、翻訳イヤホンのガイドで詳しく説明しています。
通話翻訳ボット
通話翻訳ボットは、ほかの参加者と同じように会議に参加するボットです。各発言者の音声を会議から直接受け取るため、前述のマイクやエコーの問題が起きません。スマートフォンを持っている人だけでなく、全員を翻訳できます。
Akume の仕組みは次のとおりです。会議リンクを貼り付けると、Akume が参加者として入室します。翻訳字幕は通話画面内の Akume のタイルに表示され、ブラウザでリスナーリンクを開いた人は、自分の言語で翻訳音声を聞けます。リスナーはアカウント登録もインストールも不要です。1回のセッションで2〜10言語を同時に扱え、65の言語バリエーションに対応し、誰がどの言語を話しているかも Akume が判別します。対応するのは Google Meet、Microsoft Teams、Zoom で、Zoom ウェビナーは対象外です。音声は届いた時点で翻訳され、通話終了後に録音は保存されません。仕組みの詳細は、リアルタイム音声翻訳の記事をご覧ください。
翻訳つき通話の流れ
フィレンツェの革職人が、ビデオ通話でアメリカの顧客にオーダーメイドの注文について説明する
台本による例です（録音ではありません）
職人Il bordo è cucito a mano con filo cerato. Se vuole, aggiungiamo il suo nome in oro.
The edge is hand-stitched with waxed thread. If you like, we can add your name in gold.
| 発言 | 翻訳 | |
|---|---|---|
| 職人 | Il bordo è cucito a mano con filo cerato. Se vuole, aggiungiamo il suo nome in oro. | The edge is hand-stitched with waxed thread. If you like, we can add your name in gold. |
| 顧客 | Yes, please. How long does a custom order take? | Sì, volentieri. Quanto tempo richiede un ordine su misura? |
| 職人 | Circa tre settimane. Le mandiamo una foto prima della spedizione. | About three weeks. We will send you a photo before it ships. |
Zoom、Meet、Teams がすでに提供している機能
ボットを追加する前に、お使いのプラットフォームに何が含まれているかを確認しましょう。各社の公式ドキュメントによると、2026年10月時点の状況は次のとおりです。
- Google Meet は、一部の Workspace プランで翻訳字幕を提供しており、Google はこの機能を Workspace の Gemini と結び付けています。対応言語は英語が中心で、組み合わせられる言語のリストは短めです。最新のプランと言語リストは Google のヘルプページで確認してください。
- Zoom は、翻訳字幕を有料のアドオンとして提供しており、一部の上位プランには含まれています。また人間による通訳にも対応しており、ホストが通訳者を割り当てると、通訳者は別の音声チャンネルで話せます。詳しくは Zoom の発表をご覧ください。
- Microsoft Teams にはライブ翻訳字幕があり、参加者が使うには、会議の主催者が Teams Premium のライセンスを持っている必要があります。詳しくは Microsoft の回答ページをご覧ください。
これらはいずれも字幕、つまり参加者が文字を読む方式です。全員が読むことに抵抗がなく、契約中のプランに含まれているなら、使う価値は十分あります。ボットはリスナーリンクで音声翻訳を追加し、どのプラットフォームでも同じように動きます。取引先が使い慣れたプラットフォームで会う場合、この一貫性が役に立ちます。このプラットフォームについては、Google Meet と音声翻訳の記事で詳しく解説しています。
シーン別の選び方
| シーン | おすすめ | 理由 |
|---|---|---|
| 店舗のカウンター | スマートフォンアプリ（会話モード） | 2人、同じ場所、短いやり取りで済む |
| 病院・診療所 | 一般的な連絡はスマートフォンアプリ。医療の重要事項は有資格の通訳者 | 言い間違いのリスクが大きい。アプリは事務的なやり取りに留め、同意書や診断の説明には使わない |
| 顧客やチームとのビデオ会議 | 通話翻訳ボット | 全員の発言を翻訳でき、離れた相手側にも届く |
| 電話 | 状況による | 通常の音声通話には参加できる会議がない。双方が交互に話す形で構わなければ、スピーカーフォンとアプリで対応できる |
| 会議室と遠隔ゲストが混在する会議 | 通話翻訳ボット | ボットは部屋の音ではなく会議の音声を聞く |
特定の言語ペアに絞った情報が必要な場合は、専用のガイドが役立ちます。たとえば英語とスペイン語のリアルタイム翻訳があります。
日本語でお読みの方へ
日本語のビジネスでは、翻訳結果の敬語レベルが特に重要です。機械翻訳は、相手の言葉を丁寧語に訳すか普通体に訳すかが場面に合わないことがあります。取引先や役員との会議では、ですます調で出力されているか、尊敬語・謙譲語の使い分けが不自然でないかを、冒頭の挨拶の段階で確認しておくと安心です。また、人名や社名、型番、数字は誤訳が起きやすいため、重要なものは会議中に復唱するか、チャットで文字に残してください。
よくある質問
ビデオ通話に向いている音声翻訳ツールは？
通話の中に入れるツールを選びましょう。スマートフォンアプリやイヤホンは周囲の音しか拾えず、画面の向こうの相手の声は聞き取れません。通話翻訳ボットは Zoom、Google Meet、Microsoft Teams に参加者として入り、全員の発言を翻訳します。
音声翻訳はオフラインでも使えますか？
一部のスマートフォンアプリは、言語パックをダウンロードすれば基本的な翻訳をオフラインで使えます。ただし、ライブのビデオ通話で使う翻訳は、通話自体にインターネット接続が必要なため、オンラインが前提です。
音声翻訳の精度はどのくらいですか？
言語の組み合わせ、アクセント、周囲の雑音、話し方の明瞭さによって変わります。一般的な言語ペアは珍しいペアより精度が高く、人名、数字、専門用語で誤りが出やすくなります。医療、法律、安全に関わる会話では、重要な点を有資格の通訳者に確認してください。
複数の人が同時に話しても対応できますか？
スマートフォンアプリやイヤホンはマイクが1つなので、重なった声は抜け落ちたり混ざったりします。通話翻訳ボットは会議から各参加者の音声を受け取るため、誰が話しているかを区別できます。
字幕と翻訳の違いは何ですか？
字幕は、音声を同じ言語の文字にしたものです。翻訳は別の言語に変換し、翻訳字幕、音声、またはその両方で出力します。使うツールが実際にどちらを提供するのか、事前に確認してください。
音声翻訳は会話を録音しますか？
製品によって異なります。機密性の高い内容に使う前に、プライバシーポリシーを確認してください。Akume はライブ音声をその場で翻訳し、通話終了後に録音を保存しません。字幕はお客様のアカウントに残り、依頼があれば削除できます。
出典
Akume 編集部が AI ツールを活用して作成しました。各プラットフォームの情報は公式ドキュメントに基づき、本文に日付を記載しています。