Google、Androidの音声検索ボタン刷新をテスト　AIモードなど4機能を統合へ

Androidのホーム画面にあるGoogleの音声検索ボタンが大幅に刷新され、「AIモード」や「検索ライブ」など4つの機能が統合される見通しだ。最後に使用したモードを記憶する機能も備える。現在は一部のGoogleアプリでテストされており、一般向けの正式な提供時期は発表されていない。

■音声検索ボタンに4つのモードが統合

Androidのホーム画面に配置されているGoogle検索バーの4色マイクボタンは、長年にわたり「音声を認識して標準的なウェブ検索を行う」という単一の機能を担ってきた。しかし、今週のGoogleアプリのベータ版から、このボタンは4つの機能を持ち、最後に使用した機能を記憶するようになっている。

Googleは現在、Androidの音声検索インターフェースを大きく刷新するテストを進めており、これまで別々だった3つのAI機能を単一の入口に統合しようとしている。9to5GoogleのAbner Li氏がGoogleアプリのバージョン17.1および17.2で発見したこのアップデートでは、画面下部にツールバーが追加され、音声インターフェースから離れることなく「検索（Search）」「AIモード（AI Mode）」「検索ライブ（Search Live）」「楽曲検索（Song Search）」を切り替えられる。まだ広く提供されているわけではないが、GoogleがAI検索製品を統合する中で、ホーム画面の音声ボタンをどのように機能させようとしているかを示している。

■Google Lensから着想を得たUIとモード記憶機能

この再設計は、Google Lensですでに確立されているモードバーに倣ったものだ。そこでは、アプリに意図を推測させるのではなく、ユーザーが「検索」「翻訳」「ライブ」「作成」から選ぶ。音声インターフェースも同じ考え方を採用し、単一の固定機能ではなく、ツールバーから4つのモードを明示的に選択できるようになっている。

標準検索は引き続き基本機能となる。クエリを話すと、新しい4本バーの波形アニメーションを通じて画面上部にリアルタイムの文字起こしが表示され、従来の検索結果ページに移る。2026年1月の視覚的刷新で登場したコンパクトな波形アニメーションは、この4本バーのデザインに置き換えられた。AIモードや検索ライブですでに使われているアニメーションの弧と一貫性を持たせたものだ。

AIモードのクエリでは、ユーザーは「次へ」の矢印をタップして送信する。左側の停止ボタンを押すと、検索前にさらに編集できるよう、全文の文字起こしが入った検索ボックスに戻る。検索ライブも同様の双方向の会話フローを提供する。楽曲検索は機能面の見た目に変更はなく、今年初めに古い地球儀のアニメーションから置き換えられた「Play, Sing, Hum（再生、歌唱、ハミング）」という案内が表示される。

今回の刷新で最も有用な要素は、最も小さな変更かもしれない。ツールバーは、ユーザーが最後に「検索」と「AIモード」のどちらを選択したかを記憶し、次回音声インターフェースを開いたときにその選択をデフォルトにする。毎朝AIモードを使うユーザーにとっては、手動で切り替えることなく、ホーム画面のボタンからAIモードを開けるようになる。

■各モードを支える異なるAI技術

これら4つのモードは、同じシステムの入れ替え可能なバリエーションではない。それぞれが異なるユーザーニーズに合わせて構築された、別個のAIアーキテクチャを利用している。

AIモードは、GoogleがI/O 2026でAIモードのグローバルなデフォルトモデルに指定した「Gemini 3.5 Flash」で動作し、検索拡張生成（RAG）を実行する。複数のウェブソースから並行してコンテンツを取得し、リンクのリストを返すのではなく、インライン引用を伴う新しい文章の回答を合成する。これにより、ランク付けされたリストよりも情報の統合に価値がある、複雑で複数の要素を含む質問に適している。Googleは2025年3月にSearch Labsの実験としてAIモードを立ち上げ、2025年5月に米国の全ユーザーに公開した。2026年5月のGoogle I/Oまでに、AIモードの月間ユーザー数は10億人を突破し、約200か国、98言語で利用可能になっている。

検索ライブは、2026年3月26日にリリースされた「Gemini 3.1 Flash Live」を搭載している。Googleはこれを、これまでで最高品質のオーディオモデルだと説明している。このモデルは、従来の音声AIとは技術的に大きく異なる仕組みを持つ。音声をテキストに変換し、そのテキストを言語モデルで処理し、再び音声に合成するという従来の3段階のパイプラインを、単一のネイティブな音声対音声（audio-to-audio）プロセスに統合している。その結果、中間の文字起こしステップなしで約960ミリ秒の応答レイテンシを実現しており、これが検索ライブの会話が以前の音声AIよりも滑らかに感じられる理由だ。このモデルはWebSocketの双方向ストリーミングを使用しているため、ユーザーは応答の途中で割り込むことができ、システムはそれに合わせて調整する。Googleは2026年3月に検索ライブを世界中に拡大し、現在では200か国以上、90以上の言語で稼働している。ユーザーは検索ライブのセッション中にカメラを物体に向け、カメラに映っているものについて質問することもできる。

楽曲検索は、技術的にこれら2つとは異なる。部屋で流れている録音を、保存された音声ハッシュのデータベースと照合するShazamのような音響指紋技術は使用していない。代わりに、Googleのシステムは機械学習によるメロディ埋め込みを使用し、ハミング、口笛、歌声などの入力をメロディのシーケンスに分解し、そのシーケンスを数値の埋め込みに変換して、50万曲以上のデータベースと比較する。実用上の違いは、Shazamでは曲が実際に流れている必要がある一方、楽曲検索は曲がユーザーの記憶の中にしかない場合でも機能する点だ。このモデルは、ハミングとスタジオ録音のペアを用いてトリプレットロス（Triplet Loss）で訓練されており、キー、テンポ、声の音色に関係なくメロディを認識できるようになっている。

標準検索は変更されておらず、文字起こしから従来のGoogle検索結果ページへと移る。

■AIモードと標準検索の違い

AIモードは、検索結果ページの代わりに、複数のライブウェブソースを利用してGeminiが合成した文章の回答を返す。標準検索は、おなじみのランク付けされたリンクのリストを返す。機能上の主な違いは、AIモードの回答が単にウェブから提示されるだけでなく、モデルによって構成される点にある。読む速度は上がるが、一次情報源からは一歩遠ざかることになる。新しいツールバーは、この違いを初めて明示し、ユーザーが選択できるようにしている。

■モード記憶機能が示すユーザー行動の収集

単一機能のボタンではなく、明示的なモード切り替えに移行することは、Googleの音声エントリーポイントが現在、根本的に異なるAIシステムへ振り分けられていることをデザイン面で認めるものだ。以前の単一機能の音声ボタンは、音声が「検索のための文字起こし」を意味していた時代には機能していた。しかし、音声が「4つの異なるAIシステムのうち、どれがこれを解釈すべきか」を意味するようになると、使い分けは難しくなる。

モード記憶機能は、その利便性以上に注目に値する。ユーザーがホーム画面から標準検索ではなくAIモードを選択するたびに、GoogleはこれまでのAndroidの音声操作では生成されなかった行動シグナル、すなわち「ユーザーがホーム画面レベルでどのインターフェースモードを好むか」を捕捉する。この嗜好データは、以前の検索行動データよりもオペレーティングシステムに近い入口で生成される。そして現在、このデータは2026年6月に更新されたGoogleの「検索サービス履歴」設定の対象となっている。この設定はデフォルトで、AIモデルのトレーニングのために検索ツールを通じて送信された音声およびメディアクエリを捕捉する。AIモードを一貫して好むユーザーは、この設定を個別に確認しない限り、ホーム画面での行動がモデルのトレーニングに反映される可能性がある。

■Googleのプラットフォーム移行と規制の動き

この再設計のタイミングは偶然ではない。Googleアシスタントは2026年3月31日に終了し、GeminiがAndroid、Wear OS、Chrome、スマートスピーカー全体にわたる統合AIレイヤーとして引き継いだ。Androidのホーム画面にある音声ボタンは、多くのAndroidユーザーにとってスマートフォンで最もアクセスしやすい音声エントリーポイントであり、単なる音声入力のショートカットではなく、GoogleのAI検索ポートフォリオ全体への入口として再配置されつつある。

2026年5月のGoogle I/Oで、同社はGemini 3.5 Flashが現在、すべてのGoogle検索クエリのデフォルトとして世界中で稼働し、従来のランク付けされたリンクモデルをAI生成の回答に置き換えていることを確認した。ホーム画面の音声ツールバーは、その移行をモバイルウィジェットのレベルにまで広げ、Googleバーが配置されたAndroidのホーム画面からワンタップでAIモードにアクセスできるようにする。

これは、現在進行中の規制当局による監視とも交差している。欧州委員会は2026年7月16日、デジタル市場法（DMA）に基づき、AndroidのAI統合レイヤーがサードパーティのAI音声アシスタントに対してGoogleに優位性を与えている方法を標的とした拘束力のある命令を出した。音声ツールバーは、GoogleのAI検索製品をAndroidのホーム画面ウィジェットの背後に統合することで、欧州の規制当局が現在Googleに開放を求めている構造的な優位性をさらに強めるものとなっている。

■提供状況

4つのモードを備えた音声検索ツールバーは現在、一部のビルドでのみ表示されている。具体的には、更新された視覚デザインを含む安定版チャネルのGoogleアプリバージョン17.1と、新しいツールバーを含むベータ版チャネルのバージョン17.2だ。Googleは広範な展開のスケジュールを発表していない。Androidでこれらのバージョンのアプリを実行しているユーザーは、明示的なアップデートの通知なしに、サーバー側の有効化によってインターフェースが表示される可能性がある。表示されないユーザーは、より広範な展開を待つ必要がある。

このアップデートを機能させるために、既存のアカウント設定を変更する必要はない。ツールバー内のAIモードと検索ライブのタブには、Googleアカウントとインターネット接続が必要となる。楽曲検索は、2020年の導入時と同様に引き続き機能する。

■注目ポイントQ&A

●新しい音声ツールバーにおける「AIモード」と「検索ライブ」の違いは何ですか？

用途と基盤となるAIモデルが異なります。「AIモード」はGemini 3.5 Flashを搭載し、複数のウェブ検索を並行して行い、引用元を明記した文章を生成するため、複雑で複数の要素を含む質問に適しています。「検索ライブ」はGemini 3.1 Flash Liveを搭載し、リアルタイムの会話向けに構築されています。中間の文字起こしを挟まずに音声をネイティブ処理し、カメラ入力にも対応しているため、スマートフォンのカメラに映っているものについて質問できます。AIモードが構成された回答を返すのに対し、検索ライブは継続的な対話を維持します。

●Googleの「楽曲検索」はShazamとどう違うのですか？

両者は異なる技術で異なる課題を解決しています。Shazamは音響指紋技術を使用しており、録音された音声と保存されたスペクトログラムを照合するため、実際に音楽が流れている必要があります。一方、Googleの楽曲検索は、鼻歌とスタジオ録音のペアで訓練された機械学習のメロディ埋め込みを使用します。録音レベルではなくメロディレベルで機能するため、周囲で音楽が流れていなくても、不完全な鼻歌や歌声から楽曲を特定できます。Googleのデータベースが50万曲以上をカバーしているのに対し、Shazamは1,100万曲以上をカバーしています。楽曲検索はデータベースの規模よりも、記憶だけで検索できる機能を優先しています。

●新しいモード記憶機能はプライバシー設定に影響しますか？

モード記憶機能自体は、最後に使用したインターフェースの好みをデバイスのローカルに保存します。ただし、GoogleアプリのAIモードを通じて送信された音声クエリは、2026年6月に更新されたGoogleの「検索サービス履歴」設定の対象となります。この設定はデフォルトで、音声やメディアの入力をAIモデルのトレーニングに使用します。以前に「ウェブとアプリのアクティビティ」を無効にしていた場合でも、その設定はこのデータカテゴリをカバーしなくなりました。AIモードの音声クエリをモデルの改善に使用されたくない場合は、Googleアカウントの設定で「検索サービス履歴」を個別に確認し、無効にする必要があります。

●新しい音声検索ツールバーはいつすべてのAndroidユーザーに提供されますか？

Googleは具体的な展開時期を発表していません。新しい4モードのツールバーは現在、Android版Googleアプリのバージョン17.1および17.2でのみ確認されています。この種の展開は通常、数週間から数か月かけてベータ版から安定版へと移行しますが、Googleが広く提供する前にデザインを変更する可能性もあります。Googleはサーバー側の切り替えで機能を有効にすることが多いため、アプリのアップデートなしで機能が有効になるユーザーもいるとみられます。

元記事: Google Merges AI Mode, Search Live, and Song Search Into Android Voice Button