macOS版Geminiアプリに音声入力機能「インテリジェント・ディクテーション」が導入　言い淀みの自動除去や途中修正に対応

要点

• 米Googleは2026年8月25日、macOS向けGeminiアプリに音声入力機能「インテリジェント・ディクテーション」を導入したと発表した。
• デスクトップ上のあらゆるウィンドウで作業しながら、声だけでテキストの作成、編集、要約が行える。
• 音声に含まれる「えーと」や「あの」といった不要な言い淀みを自動的に削除する仕様を備えている。
• 話している最中の言い直しや修正を自動で認識し、整形されたクリーンなテキストをカーソル位置へ即座に入力する。
• 公式ブログでは、本機能の実際の動作や有効化の手順を解説した動画が公開されている。

リード文

米Googleは2026年8月25日（現地時間）、macOS向け「Gemini」アプリにおいて、声を使ってテキストの作成や編集、要約を行える新機能「インテリジェント・ディクテーション（intelligent dictation）」を発表した。本機能は、ユーザーがデスクトップ上で作業している任意のウィンドウから直接利用でき、自然に話した内容を自動で整ったテキストへと変換してカーソル位置に書き起こす仕組みだ。公式ブログでは機能の概要とともに、実際の動作と設定を有効にする手順を紹介するデモ動画が公開されている。

作業中のウィンドウから直接操作できる音声入力機能

Googleの発表によると、今回追加された「インテリジェント・ディクテーション」は、macOS向けGeminiアプリにおいて声だけでテキスト作成（create）、編集（edit）、要約（summarize）を行えるようにする新機能である。

本機能の大きな特徴は、ユーザーが現在作業を行っているデスクトップ上の「あらゆるウィンドウ（any window on your desktop）」に対して直接音声を吹き込める点にある。特定の入力画面を立ち上げたりアプリを前面に切り替えたりすることなく、普段利用している作業環境のまま音声による指示や入力を進めることが可能だ。声を使った操作の対象としては、文章の新規作成にとどまらず、既存テキストの編集や内容の要約まで幅広くカバーされていると説明されている。

不要な言い淀みの自動削除と発話途中の訂正検知

インテリジェント・ディクテーションでは、発話された音声を機械的にそのまま文字へ変換するのではなく、自然で読みやすい文章（clean, polished text）へとインテリジェントに整形する処理が行われる。

文章化のプロセスにおいては、日常会話や発声の際に出てしまいがちな「ums（えーと）」や「ahs（あのー）」といったフィラー（会話の合間に挟まれる意味を持たない言い淀み）を自動で判別して取り除く仕様となっている。さらに、ユーザーが話している最中に別の表現へと言い直したり、直前の言葉を訂正したりした場合でも、システムが発話途中の修正（mid-sentence corrections）を的確に捉えて処理する。これにより、利用者が途中で言い淀んだり言い直したりしても、意図通りの整形された文章としてテキスト化されるという。

カーソル位置へ即座に反映される入力フロー

整えられたテキストは、ユーザーが作業している画面上のカーソル位置に対して即座に反映（ドロップ）される。

音声を認識した後にクリップボード経由でコピー＆ペーストするような操作を介さず、話した内容が整形された状態で直接入力欄へと流し込まれるため、キーボードによるタイピング操作を音声で直接置き換えるような作業フローが実現されている。自然な口調でそのまま話しかけるだけで、整ったテキストが所定の場所に素早く配置される仕組みだ。

公式ブログで公開された動作デモと設定方法

Googleの公式ブログ記事内では、インテリジェント・ディクテーションの実際の挙動を確認できる動画コンテンツが掲載されている。

この動画では、ユーザーが実際にどのように音声を吹き込み、テキストがどのように生成・整形されて画面に反映されるのかという動作の様子が紹介されている。また、macOS環境において本機能をオンにして利用を開始するための設定・有効化手順（turn it on）についても案内されている。

補足

GoogleはmacOS版Geminiアプリにおいて、音声を用いて自然に作業を行うアプローチを順次進めており、今回のインテリジェント・ディクテーションもその一連の取り組みとして位置づけられている。