Google＆Samsung Intelligent Eyewearの音声翻訳とスマホ設定

予約前に確認すべきスマートフォン・RAM・アカウントの要件

表面的には、Google Pixel、Samsung Galaxy、Apple iPhoneの各デバイスと連携できるため、対応範囲は広そうに聞こえます。しかしシステムの注記を詳しく確認すると、実際のアクティベーション要件によって多くの一般的なスマートフォンや海外アカウントが対象外となっています。

まず、米国または韓国で登録された18歳以上のGoogleアカウントがなければ、Intelligent Eyewearをアクティベートできません。ファミリーリンクなどで管理されているアカウント、Geminiの権限が制限されたWorkspaceアカウント、およびその他の地域に設定された個人アカウントは、Geminiの初期設定時にエラーになります。

次に、メガネ側の高負荷な処理をスマートフォン側にオフロードする仕組みのため、スマートフォンが特定のOSおよびメモリの基準を満たしている必要があります。

iPhoneのメモリ制限は最も陥りやすい落とし穴です。仕様書には、iOS 26.6が動作し、最低6GBのRAMを搭載したiPhone 13以降が必要と記載されています。標準モデルのiPhone 13、iPhone 13 mini、標準モデルのiPhone 14、およびiPhone 14 Plusは4GBのRAMしか搭載していないため、このハードウェア要件を満たしません。旧世代のiPhoneを使用している場合、ペアリングに必要な6GBのメモリを備えているのは13および14世代のProモデル、またはiPhone 15シリーズ以降の全モデルに限られます。iOSユーザーで、新しいフレームを購入せずにApple純正のイヤホン翻訳がどのように動作するか比較したい場合は、AirPodsとiPhoneのライブ翻訳の要件のガイドで対応デバイスの条件を詳しく解説しています。

2GBのRAMで動作する理由：SamsungとGoogleの分散コンピューティング設計

$395のWarby Parkerフレーム（Alden、Reid、Wrenの3スタイルで、カラーはPine、Saddle、Jet Blackを展開）と、$449〜$489のGentle Monsterフレーム（韓国での価格は₩650,000〜₩700,000で、6つの大胆なデザインを展開）は、どちらも内部の電子部品はまったく同じです。Gentle Monsterコレクションの追加費用は、アセテートフレームの造形とレンズカラーの違いによるものです。すべてのモデルに、Qualcomm Snapdragon AR1 Gen 1プロセッサ、左端の12メガピクセル超広角カメラ、右側のLEDインジケーター、および2GBのオンボードRAMが内蔵されています。

70以上の言語にわたるリアルタイム音声認識と翻訳を2GBのRAMで実行しようとすれば、スタンドアロンのデバイスでは処理が追いつかなくなります。そのため、このメガネは翻訳モデルをローカルでは実行しません。SamsungとGoogleは、分散コンピューティング（スプリットコンピューティング）アーキテクチャを採用しています。メガネ本体の2GBメモリとAR1 Gen 1チップは、ウェイクフレーズの待機、4つのマイクによるビームフォーミングフィルターで正面の話し声を分離する処理、カメラフレームのエンコード、およびオーディオ再生といった低消費電力のタスクのみを担当します。

翻訳を起動するとすぐに、メガネは圧縮された音声データや画像データをBluetoothおよびWi-Fi Direct経由でペアリング済みのスマートフォンへストリーミングします。スマートフォンのシステムサービスとクラウド接続がGeminiマルチモーダルモデルおよびGoogle翻訳エンジンを実行し、翻訳された音声ストリームをテンプルのスピーカーへと送り返します。カメラの手ブレ補正やHDR処理でさえ、フレーム側ではなくスマートフォン側で行われます。

計算負荷を顔の上から切り離したことで、エンジニアは重量を約41グラム（同等のカメラ付きメガネより約8グラム軽量）に抑えつつ、フル充電で最大9時間のバッテリー駆動時間を実現しました。付属の充電ケースには最大7回分のフル充電が可能なバッテリーが内蔵されており、初回使用前にケース内部の充電端子を覆っている黒い保護フィルムを剥がしておけば、バッテリーが空の状態から約30分で60パーセントまで充電できます。この分散コンピューティングのトレードオフは、スマートフォンの接続に完全に依存することです。スマートフォンのバッテリーが切れたり、Bluetoothが切断されたり、地下鉄の駅などでモバイルデータ通信やWi-Fiの電波が途切れたりすると、70以上の言語のリアルタイム翻訳は完全に停止します。オフラインかつスマートフォンと未接続の状態では、メガネ単体でできることは写真撮影、最大90秒の動画撮影、音量調節、およびバッテリー残量の通知に限られます。

70以上の言語のリアルタイム翻訳を起動して使う方法

対応するスマートフォンがペアリングされオンラインになっている状態では、マイクを使った会話の音声翻訳と、12MPカメラを使った視覚的なテキスト翻訳の2通りの方法で言語を翻訳できます。

対面の会話中にリアルタイム音声翻訳を開始するには、右側のテンプルアームにあるタッチパッドを2本の指で長押しするか、「Hey Gemini」と呼びかけて翻訳するように頼みます。一度Geminiが起動すれば、文ごとにウェイクフレーズを繰り返す必要はありません。相手との会話が続いている間はセッションが継続して開いたままになり、約15秒間無音状態が続くか、テンプルアームを後ろに向かってスワイプすると自動的に終了します。

この仕組みが従来のイヤホン型翻訳よりも素早く機能する理由は、スペイン語、中国語（標準中国語）、日本語、広東語、ペルシャ語、フランス語、韓国語、ドイツ語、タイ語を含む70以上の言語にわたる自動言語検出にあります。事前にコンパニオンアプリを開いて数ギガバイトものオフライン言語パックをダウンロードしておく必要はなく、翻訳元の言語を1つに固定する必要もありません。同じテーブルで1人がフランス語を話し、もう1人が韓国語に切り替えたとしても、Geminiはその場で言語の変化を検出し、両方の発言を英語で耳元へストリーミングします。また、モバイル版Google翻訳の会話モードのようにスマートフォンを相手に渡したり受け取ったりする必要がなく、両手を自由に保てます。

音声出力も、長時間の会話で違和感が生じにくいよう調整されています。すべての翻訳を単調で平坦なロボット音声で読み上げるのではなく、目の前にいる話し手の声の高さや話すテンポを反映するように声のトーンや抑揚が調整されます。同時に、4つのビームフォーミングマイクが顔の向いている方向に焦点を合わせ、騒がしいレストランや駅のターミナルでの周囲の雑音をカットします。

書かれた文字については、12MPカメラが室内の写真を保存することなく視覚的な翻訳を処理します。外国語の道路標識や電車の時刻表、紙のメニューを直接見つめ、テンプルを2本の指で長押しするか「Hey Gemini, translate this menu for me」（このメニューを翻訳して）と話しかけると、翻訳された項目が耳元で読み上げられます。ただし、超広角レンズが最も威力を発揮するのは腕を伸ばした程度の距離である点に注意してください。部屋の向こう側の壁にある小さな文字を読み取らせようとすると、Geminiから文字が遠すぎて判別できないと通知されます。

プライバシー保護、録画インジケーター、そしてレンズ字幕モデルを選ぶべきケース

Warby ParkerおよびGentle Monsterのラインナップに含まれるすべてのフレームには前面カメラが搭載されているため、Googleは撮影システムにハードウェアレベルの制限を組み込んでいます。その詳細はGoogle Intelligent Eyewearの公式仕様ページに記載されています。写真を撮影したりカメラによる視覚アシスタンスを呼び出したりするたびに、右フロントフレームのLEDインジケーターが点滅してシャッター音が鳴り、動画撮影中はLEDが継続的に点滅します。この外側のLEDには改ざん検知機能が直結しており、ビニールテープでライトを覆ったり、上から塗装したり、センサーを塞いだりすると、メガネは即座にカメラを無効化し、写真や動画の撮影を拒否します。

ソフトウェア面では、Geminiに送信されるカメラ映像は処理前に周囲の通行人の顔を自動的にぼかして秘匿化します。また、それらの視覚クエリがGeminiのチャット履歴に保存されたり、GoogleのAIモデルの学習に使用されたりすることはありません。カメラやマイクの持ち込みが禁止されている職場やプライベートな空間に入る場合は、フレームに備わっている物理的な電源トグルスイッチを切り替えることで、カメラ、マイク、およびGeminiへの電力供給を同時に遮断し、通常の度付きメガネとして使用できます。

$395〜$489を支払う前に、実際にどのような場所でリアルタイム翻訳を使う予定かを考えてみてください。オープンイヤースピーカーは周囲の交通音や話し相手の声が聞こえるよう耳道のすぐ外側に配置されているため、静かな会議室や図書館で音量を上げると音漏れします。さらに重要な点として、ろう者や難聴の方、あるいは実際の話し手の声に合成音声が重なって聞こえるのを避けつつ外国語の講演を理解したい場合には、音声のみの出力は適していません。無音で読める字幕をレンズに投影したい場合は、Even Realities G2のような導波路ディスプレイ搭載モデルを選ぶのが賢明です。視界を完全にクリアな状態に保ちながら、ハンズフリーの音声翻訳やカメラによるメニューの読み上げを利用したい場合は、注文前に360店舗以上あるWarby Parkerの直営店でガイド付きデモを予約し、周囲の騒音の中でオープンイヤーオーディオの音量がどのように聞こえるか試すことができます。