メインコンテンツへスキップ
見出し画像

Google I/O '26 を自作リアルタイム翻訳アプリで聴いてみた話

    今年も Google I/O が始まりました。毎年楽しみにしているんですが、ひとつ困ること があって。日本語の同時通訳がないんですよね。

    YouTubeのライブ配信はあるんだけど、もちろん英語のみ。字幕もあるにはあるんだけど、自動生成だとニュアンスがズレてたり、技術用語を読みながら話を追うのって案外しんどい。
    公式だとYoutubeだと日本語訳が無い…

    そこで今回は自作の翻訳アプリ「Voice Bridge」を使って、英語音声をリアルタイムで日本語に翻訳しながら視聴してみました。


    Voice Bridge ってなに?

    自分で作ったリアルタイム音声翻訳アプリです。もともとは「英語の動画を日本語音声で聞けたら楽なのに」という動機でつくり始めました。

    仕組みはシンプルで、
    システム音声を拾う → Whisper(音声認識)→ 翻訳 → テキスト表示(+TTS読み上げ)
    というパイプラインです。

    GitHubで公開しています。
    👉 https://github.com/zephel01/voice-bridge


    Google I/O '26 での使い方

    画面左に Voice Bridge を立ち上げ、右に YouTube のライブを表示するという構成で視聴しました。

    画像

    ↑ 実際の視聴画面。左が Voice Bridge、右が YouTube のライブ配信。

    今回の設定

    画像

    macOS では BlackHole という仮想音声デバイスを使ってシステム音声をキャプチャしています。YouTubeの音声を直接 Voice Bridge に流し込む感じです。


    実際に使ってみてどうだった?

    遅延は約 6〜7秒 くらい(認識 0.7s + 翻訳 1.1s + TTS 0.7s)。ライブのキーノートのようなゆっくり話すコンテンツなら、十分追いかけられます。

    翻訳精度もなかなかで、

    "This is why we are taking a differentiated, full stack approach."
    →「これが、当社が差別化されたフルスタックを採用している理由です。」

    みたいな感じで、技術的な文脈もそこそこ正確に訳してくれます。

    TTS を ON にしておくと、リリンちゃんの声で日本語を読み上げてくれるので、画面をあまり見なくても内容が耳に入ってきます。ながら聴きにかなり便利。


    よかった点・気になった点

    よかった

    • 英語が聞き取れなくても内容をざっくり掴める

    • TTS との組み合わせで「聴く」体験になる

    • ローカル処理なので API コストゼロ

    気になった

    • 早口のパートだと翻訳が追いつかないことがある

    • 固有名詞(新しいモデル名など)は認識が崩れることも


    まとめ

    公式に日本語音声がない英語イベントでも、Voice Bridge を使えばだいぶ快適に聴けるようになりました。特に今回みたいな長時間のキーノートで威力を発揮する感じ。

    同じように「英語配信を日本語で聞きたい」と思っている方はぜひ試してみてください。

    👉 Voice Bridge(GitHub)
    https://github.com/zephel01/voice-bridge


    #GoogleIO #自作ツール #リアルタイム翻訳 #Whisper #Python

     
     
    生成AIとローカルLLMの実機検証、自作プログラムの公開に加え、セキュリティと時事ネタの解説も書いています。セキュリティ関連ニュース、生成AI関連、モデル検証。ニュースの数字の裏側を、手元で確かめた結果と一緒に残します。

    あなたへのおすすめ