GaavalaがChrome Web Storeに登場したら、真っ先に手に入れましょう。 ウェイトリストに登録
Speak Modeの紹介: 会議であなたの代わりに話すAI音声翻訳
GaavalaのSpeak Modeは、あなたの発言を翻訳し、選択した1つの翻訳先言語で合成音声をブラウザー会議に流します。Proが必要です。短い発言ではSpeakを長押しし、続けて話す場合はタップしてハンズフリー時間を開始します。このガイドでは設定、声、再生の制限を説明します。
Speak Modeが実際にすること
Speak Modeは、文字起こしの上に重ねられた吹き替えトラックではありません。既存のGaavalaの文字起こしフローと並んで走る、ライブで双方向の音声パイプラインです。
会議中にこれを起動すると、あなたのブラウザの中で次のことが起こります:
- あなたのマイク音声が拡張機能によってキャプチャされます — 受信側のためにGaavalaがすでにキャプチャしているタブ音声とは別に。
- そのマイク音声が、音声認識のためにWebSocketを介してSonioxへ直接ストリーミングされます。これはGaavalaの他の部分が使うのと同じSoniox直結のパターンです — あなたのマイク音声が当社のバックエンドに触れることは決してありません。
- Sonioxがあなたのソース言語で確定したトークンを吐き出すにつれ、拡張機能はそれらを短いフレーズにまとめ、あなたが設定したターゲット言語のためにGaavalaの翻訳ステップへテキストを送ります。
- Sonioxが、選んだスタジオ音声または自分のクローン音声で、翻訳されたテキストを読み上げます。
- その音声クリップが、あなたの送信マイクのトラックの代わりに通話へ送られるため、全員が翻訳された声をあなた自身の声のように聞きます。インストールすべき仮想マイクデバイスも、会議アプリの音声設定で選ぶものもありません — そして翻訳された声が再生されている間、あなたの実際のマイクはミュートされるため、通話が両方を同時に聞くことはありません。
押し方を読み取る1つのボタン
実際の会議はどれも同じではありません。だからSpeak Modeは、一行の答えを返しているときと、スライドを使って誰かを案内しているときとで、違う振る舞いをする必要があります。ほとんどのツールはこれを、必要になる前に設定しておくモードセレクターで解決します — つまり、もう一方のモードが必要になったその瞬間、あなたは間違ったモードにいるということです。
Gaavalaにモードセレクターはありません。Speakボタンは1つで、それがあなたの押し方を読み取ります。
長押しする
ボタンを押さえている間だけ、あなたは話しています。離せばパイプラインはきれいに閉じます。これがトランシーバーのジェスチャーであり、安全なほうです: 独り言、咳、考えを声に出した瞬間を、誤って放送してしまうことがありません。素早い割り込みにも、流れよりも精度が重要な重い通話にも、意図していない声をマイクが拾いうるあらゆる部屋にも、これが正しい本能です。
長押しはキーボードからも使えます — スペースキーを押し、3分の1秒ほど押さえ続ければ、ボタンを長押しするのとまったく同じように振る舞います。
短い発言を意図的に送るには、Push-to-Talk ガイドで長押し、ボタンを離す操作、キーボードを会議中に使う方法を確認してください。
タップする
代わりにボタンをタップすると、ハンズフリーの60秒ウィンドウが開きます。リングがウィンドウを分と秒でカウントダウンし、最後の10秒でアンバーに変わるため、時計を見ずとも自分のターンがどれだけ残っているかが常に分かります。自然に話してください。Gaavalaは進みながらフレーズごとに翻訳して声にし、あなたは何にも触れる必要がありません。
素早く2回タップすると、代わりに30秒のウィンドウが開きます — 短い準備済みのポイントには、こちらが正直な長さです。ウィンドウが走っている間にもう一度タップすれば早めに終了し、そうしなければゼロで自動的に終わります。
なぜ2つではなく1つのコントロールなのか
あなたがすでにしているジェスチャーが、意図を符号化しています。長押しは「これだけ」を、タップは「少し時間をください」を意味します。事前に設定するものは何もなく、その瞬間が来たときに間違ったモードにいることもなく、割り当てるべき、あるいは忘れるべきホットキーもありません。プッシュ・トゥ・トークについて人々が気に入っていた安全上の性質 — あなたが意図しない限り、部屋から何も出ていかない — は、長押しについて今もまったく真です。
声: 68のスタジオプリセットと、あなた自身の声
Speak Modeでは、会議に聞こえる声を2つの方法から選べ、どちらの声もGaavalaが翻訳する60言語すべてを話します。
68のSonioxスタジオボイス(Proの初期設定)
SonioxスタジオボイスはProの初期設定であり、たいていの人が変える必要のないものです: Gaavalaが翻訳する60言語すべてを言語をまたいで話す68の多言語プリセットが、マネージドキーの上で使えます — セットアップするものはありません。合成は字幕と同じ短命キーのパターンでブラウザからSonioxへ直接向かうため、翻訳されたテキストがGaavalaのバックエンドを通ることはありません。
あなた自身の声(ネイティブのクローン)
サイドパネルで、2分間の文章を自分の声で一度読むと、Gaavalaが個人のボイスクローンを作成します — Soniox搭載で、スタジオボイスと同じ60言語を、プリセットではなくあなた自身の音色で話します。参照サンプルは暗号化されて保存され、同じ設定画面からいつでも削除できます。会議の音声そのものは、この機能でも、Gaavalaの他のどこでも、保存されることは決してありません。
この2つの選択肢がトレードオフしているのは、たった1つ、馴染みです。スタジオボイスは最初のセッションから洗練され中立的に響きます。あなた自身のクローンは、セットアップに2分かかり、そのあとは毎回、紛れもなくあなたの響きになります — 同じクライアントやチームメイトと定例の通話を持っていて、通話のたびに同じ声を聞いてほしい場合に役立ちます。
声のクローンが変えるのは合成音声の声質であり、翻訳の品質要件ではありません。静かな場所で自分の声だけを録音し、短いテストで人名や専門用語の発音を確認してください。重要な会議では引き続き人による確認が必要です。参照録音と合成音声は削除できますが、他の人が以前に作成した録音まで削除されるわけではありません。
サンプルの録音と削除の手順は自分の声を使う音声クローンの説明をご覧ください。
標準の翻訳機能と Gaavala の比較
Teams のライブ翻訳字幕は Teams Premium または Microsoft 365 Copilot で利用できます。主催者が対象ライセンスを持つ場合、ゲストを含む参加者にも機能が提供されます。個人ライセンスによる利用条件は別途あります。Interpreter は音声翻訳の独立した機能で、ライセンス、言語、管理者ポリシーの条件も異なります。ゲストだからすべての標準翻訳機能が使えない、というわけではありません。
比較の出典: Microsoft Teams Translated Captions · Microsoft Teams Interpreter.
Google Meet には翻訳字幕と Speech Translation（音声翻訳）の両方があります。利用できるかどうかはプラン、対応言語、会議によって異なり、字幕と音声では条件も別です。対象となる主催者が参加者に機能を提供できるため、個人アカウントやゲストが常に対象外とは限りません。Meet の翻訳字幕の対応言語を、Gaavala の60言語より少ないと一律に説明することもできません。
比較の出典: Google Meet Translated Captions · Google Meet Speech Translation.
Zoom Translated Captions は、ホストの対象プランまたは追加オプションと会議設定に依存する独立した機能です。ゲストを含む参加者は、ホストが提供する翻訳字幕を利用できます。エンタープライズ限定ではありません。Zoom には音声翻訳の Voice Translator もあり、追加オプション、言語、デスクトップクライアントの条件が別途あります。AI Companion の要約は別の機能です。
比較の出典: Zoom Translated Captions · Zoom Voice Translator.
Gaavala は Teams、Zoom、Meet、Webex のブラウザ版で共通の操作を提供します。無料試用は一度だけの5分間で、補充されません。Pro は月額 $19.99（税別）で、1日120分、Speak Mode、68種類のスタジオ音声、自分の声のクローンを利用できます。会議と言語が標準機能でカバーされるなら、その機能だけで十分な場合もあります。
Speak Modeは誰のためのものか
Speak ModeはProの機能で、エンタープライズの展開ではなく、個人のプロフェッショナルに向けて価格設定されています。最も多くを得るのは次のような人たちです:
- 国際的なコンサルタント — 英語が限られていて、あなたの英語で苦労するより自分の言語で聞きたいクライアントとのプロジェクト通話を回している人。
- 多言語のチームリード — 半分が一つの言語で考え、半分が別の言語で考えるオフショアのエンジニアリングチームとのスタンドアップに参加する人。
- 海外市場に売る営業担当 — 顧客の言語で流暢に響く声が、通話の手触りと見積もりの伝わり方を変える現場にいる人。
- フィールドオペレーションの担当者 — オフショアの現場と本部の間を橋渡しし、誤解の代償が社交上のものではなく運用上のものである人。
会議が単一の言語ペアで完全にバイリンガルに進み、全員がついてこられるなら、おそらくSpeak Modeは必要ありません。言語の隔たりが一方向であるために、あなたか相手の誰かが黙り込む瞬間が繰り返し訪れるなら、その瞬間を直すのがこの機能です。
声を出さずに返答したい場合は 聴覚障害者のための会議参加ガイド が参考になります。
プライバシー: 変わるものと変わらないもの
Speak Modeを有効にしても、Gaavalaの中核的なプライバシーアーキテクチャは変わりません。受信する会議音声は、これまでどおり当社のバックエンドに一切触れないWebSocketを介して、ブラウザからSonioxへ直接ストリーミングされます。Speak Modeのためのあなたのマイク音声も、同じSoniox直結のパターンに従います — 私たちがそれを見ることはありません。
TTSのステップは、どちらの声の選択肢でも同じパターンに従います。Sonioxスタジオボイスは、翻訳されたテキストを、字幕が使うのと同じ短命の一時キーで認証しながら、ブラウザからSonioxへ直接送ります — Gaavalaのバックエンドがそのテキストも音声も見ることはありません。あなた自身のクローンボイスも同じように合成されますが、その上流に、意図的で狭い例外が1つあります: クローンを構築するために録音する2分の参照サンプルは、Gaavalaのサーバーに暗号化(AES-256-GCM)して保存され、あなたの声を構築し維持するためだけに使われ、いつでもリクエストに応じて削除されます。Speak Modeの音声について、それ以外のもの — あなたのマイク入力も、会議の音声も、合成された出力も — が保存されることは決してありません。
Gaavalaのバックエンドは、どちらの声の選択肢でも音声経路の外にとどまります。これを検証したい場合は、当社のプライバシー記事で紹介したのと同じネットワーク検査の方法が今も使えます。拡張機能のバックグラウンドページでDevToolsを開き、Networkタブを絞り込むと、Sonioxへの直接接続が見え、gaavala.com へのマイク音声や会議音声の通信は見当たりません。
有効にする方法
Speak ModeはPro限定の機能です。Gaavalaの無料トライアル(一度きりの5分間、クレジットカード不要、リセットなし)にSpeak Modeは含まれていないため、セットアップの流れはおおよそ次のようになります:
- Chrome Web StoreからGaavalaを無料でインストールし、サインインします。
- サイドパネルからProにアップグレードします — 月額$19.99。Pro自体のトライアルはないため、Speak Modeが必要になったときに直接契約してください。
- サイドパネルの設定を開き、Speak Modeのセクションを見つけます。
- スタジオ音声を選ぶか、自分の声を作成して準備完了になるまで待ちます。話す前に選択中の声を確認してください。
- 会議のターゲット言語を設定します。選ぶべきキャプチャのモードはありません — Speakボタンがあなたのジェスチャーを読み取るため、事前に決めておくべきことは何もありません。
そのうえで会議に参加してください。一言だけ言いたいときはSpeakボタンを長押しし、まとまった内容を届けたいときはタップしてハンズフリーのウィンドウを開きます。
音声で返答する前に、Teams、Zoom、Google Meet、Webexのブラウザー設定手順を確認してください。会議のアクセス規則を確認し、別の参加者と試します。デスクトップアプリでは音声経路が異なります。
実際の使用でのヒント
この機能を作り、自分たちで使い込む中で得た、いくつかの実務的なメモです。
- まず長押しで慣らす。 合成された自分の声が会議へ再生されるのを初めて聞くとき、それは奇妙に感じられます。ハンズフリーのウィンドウのためにタップし始める前に、最初の数回の通話はボタンを長押しで使ってください。いつ間を置くべきか、どのくらいの声量で話すべきか、翻訳された声が相手側にどう届くか — その感覚はすぐに較正されますが、それは一つひとつの発話をあなたが制御している場合に限られます。
- クローンするのは自分の声だけ。 サイドパネルの録音フローは、あなた自身が録音したサンプルからしかクローンを構築しません — Speak Modeを通じて他人の声をクローンする経路は存在せず、アプリ内の同意のステップもそれを反映しています。
- 重要な場面では開示する。 会議にコンプライアンス上の含意がある場合 — 法務、医療、規制対象の販売 — リアルタイムの音声翻訳の層が通話に入っていることを相手に伝えてください。文字起こしツールの利用を開示するのと同じ礼儀です。
- 元の音声はオンのままに。 Gaavalaは、これまでどおり元の会議音声をあなたのスピーカーへ流します。あなたは受信側を聞き、読み続けるべきです。Speak Modeは送信側の半分であって、相手の言っていることを理解することの代わりではありません。
よくある質問
会議側は、私がこれを使っていると分かりますか? 直接には分かりません。合成された声は、あなた自身が使うのと同じマイクのチャンネルを通って相手側に届くため、バナーもメタデータもありません。相手には非常に流暢な声が聞こえ、返答の前の小さな間に気づくことはあるかもしれません。重要な場面では開示することをお勧めします — 上の礼儀についてのメモをご覧ください。
自分のクローンボイスを使えますか? はい — Proで、ネイティブに使えます。サイドパネルのSpeak Mode設定で2分のサンプルを録音すれば、GaavalaがSoniox搭載のクローンを構築し、Speak Modeの声として選択できるようになります。別のアカウントもAPIキーも不要です。
遅延はどのくらいですか? 遅延は発話の長さ、認識、翻訳、合成、ネットワーク、会議クライアントによって変わります。ストリーミング出力は最初の音声部分ができ次第始められますが、応答時間は固定ではなく、クローンがスタジオ音声と同じ速さになる保証もありません。重要な通話の前に短い発言で試してください。
ターゲット言語が英語でない場合は? どちらの声の選択肢も、Gaavalaが翻訳する60言語すべてをすでに話します — Sonioxスタジオボイスもあなた自身のクローンも、ターゲット言語に関係なく、そのままで同じように動作します。
Teams Premiumの会議でも動きますか? はい。Speak Modeは、Chromeタブの中で走るあらゆる会議で動作します — Microsoft Teams、Zoom、Google Meet、Webexを含めて。会議の主催者がTeams PremiumやCopilotを持っているかどうかは関係ありません。Speak Modeは、会議ホストのインフラではなく、あなたの側で走ります。
試してみる
Speak ModeはProの機能です。Gaavalaが初めてなら、まず一度きりの無料トライアル — 5分間の文字起こし、クレジットカード不要 — から始めて、受信側の翻訳体験を先に評価してください。Speak Modeは無料トライアルには含まれません。会議で自分から話す準備ができたら、Pro(月額$19.99)にアップグレードしてください。Pro自体のトライアルはありません。
Chrome Web StoreからGaavalaを無料でインストールし、それからProにアップグレードしてSpeak Modeを解放してください。
関連記事
当社の決済パートナー (Merchant of Record) を通じて請求。表示価格は税抜きです。決済パートナーがお支払い時にお住まいの国の税金を加算します。