Googleが2026年8月26日、文字起こし専用の新モデル「Gemini 3.5 Transcribe」を発表しました。「あー」「えーっと」を消し、言い直しを汲んで整った文章にするモデルで、精度は公式ブログ掲載で単語誤り率2.6%(非リアルタイム)。ただし——一般ユーザーがこの新モデルに触れる窓口は、今のところ非常に狭いです。Gboardの「AI音声入力」は公式ヘルプに「Google Pixel 11 シリーズのデバイス」が必須と明記(日本語は対応言語に記載あり)、macOS版Geminiアプリは英語のみ、Chromeは「近日」。手持ちのiPhoneやAndroidが今日から賢くなる話ではありません。いま使っている文字起こしツールを解約する理由には、現時点でなりません。
文字起こしツールの料金を毎日監視している当サイトにとって、Googleの動きは無視できません。ただ今回は、発表を「すごい精度」で終わらせずに「で、あなたは今日それを使えるのか」を確かめました。Google公式ブログ・Gboard公式ヘルプ・Gemini API公式ドキュメント/料金ページの4か所を2026年8月31日に直接確認した事実だけを整理します。なお本記事に広告リンクはありません(Googleは当サイトの提携先ではありません)。
確認できた事実【2026年8月31日・Google公式ブログ/公式ヘルプ/API公式ドキュメント】
- 発表日: 2026年8月26日(Google公式ブログ)。音声を直接「整形済みのテキスト」に変換する文字起こし専用モデル
- 精度: 公式ブログ掲載の平均単語誤り率(WER)はリアルタイム4.0%・非リアルタイム2.6%。フィラー(「あー」等)の除去、言い直しの反映、自動整形を行うと記載
- 言語: 85言語以上を自動検出。API公式ドキュメントの対応言語表に日本語(ja-JP)が掲載されています
- 一般ユーザーの窓口: 公式ブログが挙げるのは①Android版Gboardの「AI音声入力(Rambler)」②macOS版Geminiアプリ(英語)③Chrome(近日)④Google Antigravity
- そのGboardの条件: 公式ヘルプに「Google Pixel 11 シリーズのデバイス」「Gboardの最新版をデフォルトキーボードに設定」「マイク権限」と明記。対応言語には日本語が含まれますが、対応国・地域の記載はページ内で確認できませんでした
- 音声の長さ制限(API): 1リクエストあたり最長1時間。話者分離や単語単位のタイムスタンプを有効にすると30分。リアルタイム版は1セッション10分
- 話者識別: API公式ドキュメントは音声ファイル処理で最大8話者と記載。一方、公式ブログには3人以上の話者識別は実験的との注記があり、両者で表現に幅があります(リアルタイム版は話者分離非対応)
提供段階の表記にも揺れがあります。公式ブログは「Gemini APIで公開プレビュー」と書き、開発者向けドキュメントにはプレビューの表示がありません。安定版として業務に組み込む前に、自分で公式ドキュメントの表記を確認することをおすすめします。
ここが今日いちばん大事: 「Androidで使える」ではなく「Pixel 11で使える」
この発表を報じる記事を読み比べると、一般ユーザーの利用方法を「Android版GboardのRamblerやmacOS版Geminiアプリで体験できる」と書いているものが複数あります。間違いではないのですが、これを読んだ読者はまず自分のAndroidスマホでGboardを開くはずです。そして、見つかりません。
Gboardの公式ヘルプ(AI音声入力のページ)には、必要な条件として「Google Pixel 11 シリーズのデバイス」がはっきり書かれています。Androidスマホ全般ではなく、2026年時点の最新Pixelだけです。日本語自体は対応言語表に載っているので、「日本語が未対応だから使えない」のではなく「端末が限られているから使えない」——ここが読者にとっての実態です。
当サイトがPlaud Oneの発表記事でも書いたことの繰り返しになりますが、海外発の新機能は「発表された」と「あなたが使える」の間に、しばしば数か月から1年の距離があります。スペックの数字より先に、まず提供条件を見てください。
料金: 一般利用の追加料金は書かれていない。開発者は1時間の会議で数十円
「無料で使えるの?」という検索が多い機能なので、料金面も公式ページで確認しました。
まずGboardのAI音声入力について、公式ヘルプに料金や有料プランの記載はありません(Gboard自体が無料アプリです)。ただし「無料と明記されている」わけでもないので、当サイトとしては「追加料金の記載は確認できなかった」という書き方に留めます。
一方、開発者向けのGemini APIは公式料金ページに数字が出ています。無料枠(Free Tier)の設定があり、有料の従量課金は公式ページの試算で以下のとおりです。
| モデル | 音声の入力 | テキストの出力 |
|---|---|---|
| gemini-3.5-transcribe(録音ファイル) | $0.003/分 | $0.002/分 |
| gemini-3.5-transcribe-live(リアルタイム) | $0.005/分 | $0.004/分 |
1時間の会議を丸ごと処理すると、録音ファイル版で合計約0.30ドル、リアルタイム版で約0.54ドルという計算になります(約48円と約86円——1ドル=約160円換算・2026年8月31日時点のレートによる目安。公式の表示は米ドルで、決済時のレートで変わります)。なお公式ページ自身が「1秒あたり25音声トークン、1分あたり175テキストトークンを前提とした推定価格」と注記しているので、実際の請求額は音声の内容で上下します。
この数字は、月額課金の文字起こしサービスと比べると確かに安く見えます。ただしAPIは自分でプログラムを書く前提のものです。録音の取り込み、話者の整理、要約、保存——市販ツールが肩代わりしている部分をすべて自作することになるので、既存ツールの料金比較と単純に並べて「こっちが安い」と判断するのは早計です。
で、いま使っているツールは解約していい?
結論は「解約しない」です。理由を、読者の状況別に整理します。
| あなたの状況 | 今日やるべきこと |
|---|---|
| Pixel 11シリーズを持っている | Gboardを最新版にしてAI音声入力を試す価値あり。ただし試すのは「音声入力(話して文字を書く)」であって、会議の録音を丸ごと処理する機能ではない点に注意 |
| iPhone・Pixel 11以外のAndroid | 現時点で待ち。今の文字起こしツールを継続。端末側の文字起こし機能やスマホ標準機能だけで足りるかの検討が現実解 |
| 会議の議事録が業務で必要 | 今回の発表は「モデルが良くなった」話で、議事録サービスが置き換わった話ではありません。現行ツールを維持し、各社がこのモデルを載せてくるのを待つのが安全 |
むしろ読者にとっての本当の朗報は、少し先にあります。文字起こしの土台となるモデルが安く高精度になれば、それを使う各社のサービスの価格と精度に効いてくるからです。当サイトの日次監視は各社の料金ページを見張っているので、動きがあれば確認日つきでお伝えします。
データ確認日: 2026年8月31日(Google公式ブログのGemini 3.5 Transcribe発表ページ、Gboard公式ヘルプ「Gboard での AI 音声入力」、Gemini API公式ドキュメントおよび公式料金ページ)。発表日2026年8月26日・WER・言語数・話者数・音声長・料金はいずれも上記の公式ページの記載による。米ドルの円換算は当サイトによる目安(1ドル=150円)であり、公式表示は米ドルです。提供条件・対応端末・料金は変更される場合があります(当サイトの日次監視で追跡中)。本記事に広告リンクはありません。