よくある質問

Auvi は iPhone と iPad 向けのリアルタイム文字起こし・翻訳アプリです。会話を聞き取り、色分けされたライブ字幕を表示し、各話者には自動的に固有の色が割り当てられます。すべての処理は完全にあなたのデバイス上で行われます – インターネット接続も、クラウドも、アカウントも必要ありません。

Auvi はさまざまな目的で使われています。騒がしい環境で会話についていく、会議や講義に字幕を付ける、海外旅行中に翻訳する、大切な会話の記録を残す、あるいは毎日のアクセシビリティツールとして。私たちはこれをすべての人のために作りました。

Auvi には iOS 17 以降を搭載した iPhone または iPad が必要です。watchOS 10 以降向けの Apple Watch コンパニオンアプリもあり、iPhone からライブ字幕を手首にストリーミングします。

文字起こしの品質と速度はデバイスによって異なります。処理能力の高い新しいデバイスほど、より速く正確な結果が得られます。iOS 26 以降を搭載したデバイスでは、Auvi は Apple 内蔵の音声認識フレームワークを利用できます。これはすでにデバイスにインストールされている場合があり、アプリのメモリを一切消費しません。

必要なのは、古いバージョンの iOS での初回セットアップ時、アプリが音声認識モデルをダウンロードする場合だけです。その後は、Auvi は完全にオフラインで動作します – 機内モードでも、地下でも、病室でも、どこでも。

新しいバージョンの iOS(26 以降)では、必要なモデルがすでにデバイスに存在している場合があり、ダウンロードがまったく不要なこともあります – すぐに文字起こしを始められます。

古いバージョンの iOS では、約 700 MB のモデルを一度だけダウンロードする必要があります。アプリは開始前に通知し、Wi-Fi への接続をおすすめします。ダウンロードが中断された場合は、自動的に再開されます。

iOS 26 以降では、Auvi はすでにデバイスにインストールされている音声モデルを利用でき、このダウンロードを完全に省略できる可能性があります。アプリ本体は小さく、ストレージの要件はほぼすべて音声認識モデルによるものです。

はい。Auvi には、Plus と Translation を含むすべての機能にフルアクセスできる7日間の無料トライアルが付いています。アカウントもクレジットカードも必要ありません。トライアル終了後は、Standard(コア機能の買い切り)を購入するか、オプションのアドオンとして Plus や Translation に登録できます。

Auvi はデバイス上の話者識別を使って、異なる声を聞き分けます。各話者には自動的に色が割り当てられます – 設定も、ラベル付けも、声の登録も必要ありません。識別エンジンが裏側で音声を短いチャンクごとに処理するため、色はテキストの少し後に表示されます。

長い会話でも、Auvi は話者の一貫性を保ち、同じ人がいつも同じ色で表示されるようにします。Plus を使えば、セッションをまたいで話者を記憶する声のプロファイルを作成できます – 同僚や家族、友人を次回から自動的に認識します。

Auvi は40以上の言語で音声を文字起こしできます。文字起こしの言語は設定で選べます。別の言語と英語が混ざる多言語の会話では、Mixed with English モードを有効にしてください – Auvi は英語の単語を崩すことなく両方の言語を認識します。Translation アドオンを使えば、Auvi は字幕を31の言語へリアルタイムに翻訳でき、すべてデバイス上で処理されます。翻訳された字幕をタップすると、音声で読み上げられます。

Translation アドオンは Apple のデバイス上翻訳フレームワークを使い、字幕が表示されるそばから、お好みの言語へ変換します。対応する31の言語はすべてローカルで処理されます – サーバーには何も送信されません。

翻訳された字幕をタップして読み上げさせることも、Type-to-Speak を使って入力した返信をどちらの言語でも読み上げさせることもできます。Quick-Reply Phrasebook では、旅行や日常会話でよく使うフレーズにワンタップでアクセスできます。

高価なハードウェア機器は不要です。専用の翻訳機(Pocketalk など)とは違い、Auvi はあなたがすでに持っている iPhone で動作します。

Auvi は話されている言葉を分析し、会話が電話詐欺で知られるパターンと一致した場合に警告します。役人へのなりすまし、銀行口座にまつわる偽の緊急性、ギフトカードの要求など、25カテゴリの電話詐欺の手口を、複数のキーワードによる重み付けスコアリングでカバーします。

感度は高・中・低に設定でき、この機能はStandard に追加料金なしで含まれています。すべての分析はデバイス上で行われ、会話のテキストがどこかへ送信されることは決してありません。

観光客向け詐欺の検出は、別個のオプトイン機能(Beta 表示)で、お茶屋へのおびき寄せ、偽の当局による罰金、タクシーのぼったくり、注意をそらす窃盗など、10カテゴリの旅行関連の詐欺をカバーします。詐欺電話の検出と同じデバイス上の検出エンジンを使用し、独立して設定できます。Standard に含まれており、海外を旅行するときに特に役立ちます。

音の通知は、重要な環境音を聞き取り、検出すると視覚的なバナーを表示します。対応する音には、ドアベル、煙感知器、火災警報、サイレン、ノックなどがあります – 3つの緊急度に分かれた15の音をカバーします。重要な音(火災警報など)は、音の通知の他の部分がオフになっていても、より強い触覚アラートとより目立つバナーを発します。

設定であなたの名前(および名前のバリエーション)を登録できます。会話中に誰かがあなたの名前を口にすると、Auvi はそのテキストを強調表示し、iPhone と Apple Watch に触覚タップを届けます。これは、字幕を読んでいて、誰かが直接あなたに話しかけていることを見逃しがちなグループ会話で役立ちます。

はい。Auvi は iPhone や iPad が対応するあらゆる音声入力で動作します。内蔵マイク、AirPods、Bluetooth マイク、USB-C マイク、Lightning アクセサリ、有線ヘッドセットなど。音声ソースはいつでも切り替えられます。

騒がしい環境やテーブルをはさんだ場面で最良の結果を得るには、ラベリアマイクや指向性の Bluetooth 会議マイクを使うと、精度を大きく向上させられます。

ピクチャ・イン・ピクチャ(PiP)は、他のアプリの上に字幕オーバーレイをフローティング表示し続けます。Auvi から離れて iPhone で何かを確認するときも、字幕は画面上で動かせる小さなウィンドウに表示され続けます。PiP は、文字起こしセッション中にアプリをバックグラウンドに移すと自動的に開始されます。

はい。Apple Watch コンパニオンアプリ(watchOS 10 以降)は、iPhone からストリーミングされたライブ字幕を手首に直接表示します。iPhone を取り出さずに、Watch から文字起こしを開始・停止することもできます。会話の中であなたの名前が検出されると、Watch が手首をタップして知らせます。

Type-to-Speak を使うと、メッセージを入力してデバイスに音声で読み上げさせることができます。声で応答したいけれど、文字で伝えたいときに役立ちます。Quick-Reply Phrasebook ではよく使うフレーズにワンタップでアクセスでき、自分でカスタムフレーズを追加することもできます。

Plus を使えば、Auvi は保存した会話からアクションアイテム、決定事項、日付、参加者を自動的に抽出できます。アクションアイテムは iOS のリマインダーへ、日付はカレンダーへ直接送信できます。会話は分類・要約され、プロフェッショナルな議事録をメールでエクスポートできます – すべてデバイス上で処理されます。

Plus を使えば、文字起こしをプレーンテキスト、PDF、または字幕形式(SRT と VTT)でエクスポートできます。字幕のエクスポートにはタイムスタンプと話者の帰属が含まれるため、動画コンテンツへの字幕付けやアクセシビリティの用途に適しています。字幕から直接テキストをコピーして、iOS の共有シートで共有することもできます。

いいえ。Auvi は音声ファイルを一切作成しません。音声をリアルタイムでテキストに変換し、初期設定ではそのテキストはメモリ上にのみ存在します – 文字起こしを停止したりアプリを閉じたりした瞬間に消えます。設定で「文字起こしを保存」(Plus の機能)を有効にした場合でも、保存されるのはテキストだけで、あなたのデバイス上にローカルに保存されます。音声がディスクに書き込まれたり、どこかへ送信されたりすることは決してありません。

何も収集しません。Auvi の App Store のプライバシーラベルに「データ収集なし」と書かれているのは、それが文字どおり真実だからです。アナリティクスも、テレメトリも、クラッシュレポーターも、利用状況のトラッキングも、アカウントもありません。あなたのデバイスから何も出ていきません。Auvi は初回のモデルのダウンロードが完了した後、ネットワークリクエストを一切行いません。

はい。Auvi はマネージドアプリ構成(MDM)に対応しており、IT 管理者は管理対象デバイス群全体にプライバシー設定を適用できます。管理者は MDM プロファイルを通じて、文字起こしの保存・コピー・エクスポートを恒久的に無効化できます。管理者によって設定がロックされている場合、そのトグルはアプリ内で非表示になります。Apple Business Manager またはボリュームパーチェスプログラムを通じて、標準の App Store 価格で展開できます。

Auvi のプライバシー設計は HIPAA の原則と強く整合しています。すべての処理はデバイス上で行われ、データは送信されず、データは収集されず、保存は初期設定で無効になっています。ただし、HIPAA への準拠は技術的な問題だけでなく、組織的・契約的な問題でもあります。医療現場で Auvi を導入する場合は、コンプライアンス担当チームへの相談をおすすめします。

Auvi はすべての機能を含む7日間の無料トライアルから始まります。トライアル終了後、Standard はコアとなる文字起こし機能の買い切りです。Plus と Translation はオプションの自動更新サブスクリプションで、月額または年額、あるいは割引価格の Bundle として利用できます。正確な価格は App Store に表示され、地域によって異なります。

Standard(買い切り)– 40以上の言語でのライブ文字起こし、話者識別、詐欺検出、音の通知、Apple Watch、ピクチャ・イン・ピクチャ、名前呼びかけアラート、そしてすべてのアクセシビリティ機能。

Plus(サブスクリプション)– Standard のすべてに加えて、文字起こし履歴、検索、メタデータ付き議事録、アクションアイテム → リマインダー、日付 → カレンダー、エクスポートと共有、字幕エクスポート(SRT/VTT)、テキストのコピー、ブックマーク、カスタム語彙、分野別パック、声のプロファイル。

Translation(サブスクリプション)– Standard のすべてに加えて、31の言語でのデバイス上リアルタイム翻訳、タップで読み上げ、Type-to-Speak、Quick-Reply Phrasebook。

Bundle – Plus と Translation をまとめて割引価格で。

すべての購入は Apple の App Store を通じて処理されます。返金は Apple の返金ポリシーに従って Apple が対応します。返金をリクエストするには、reportaproblem.apple.com にアクセスしてください。サブスクリプションはいつでも Apple ID の設定で管理・解約できます。デバイスで「設定 > [あなたの名前] > サブスクリプション」に移動してください。

現在のところ、Auvi には別個のファミリープランや教育向けの価格帯はありません。多数のデバイスに Auvi を展開したい組織は、Apple Business Manager またはボリュームパーチェスプログラム(VPP)を通じて、標準の App Store 価格で行えます。組織での導入についてご質問がある場合は、support@creativemachines.ai までメールでお問い合わせください。

Auvi は音声を短いチャンクで処理してから音声認識エンジンに送ります。最初の字幕は通常、約15秒後に表示されます。これは正常な動作です – 文字起こしが始まる前に、小さな音声バッファをためる必要があります。字幕が表示され始めると、その後は連続して更新されます。

新しいデバイスや iOS バージョンでは、より効率的な処理により、字幕がより速く表示されることがあります。

文字起こしの精度はいくつかの要因によって変わります。

• デバイスと iOS バージョン – 処理能力の高い新しいデバイスほど、より正確な結果が得られます。iOS 26 以降は Apple の最新の音声認識を使用し、大幅に良くなることがあります。
• マイクとの距離 – デバイスを手に持つか、話者から約1メートル以内に置いてください。
• 背景の騒音 – 可能な限り周囲の騒音を減らすか、外部マイクを使ってください。
• 言語設定 – 設定の文字起こし言語が、話されている言語と一致していることを確認してください。会話が普段から別の言語と英語の間で切り替わる場合は、Mixed with English を有効にすると、両方の認識が向上します。
• 語彙パック – 分野固有の用語(医療、法律、技術)を使う場合は、設定で該当する語彙パックを有効にしてください。

iOS はサードパーティ製アプリが電話の通話音声に直接アクセスすることを許可していません。これはすべてのアプリに適用されるシステムレベルの制限です。ただし、次の方法で回避できます。

• 通話をスピーカーフォンにして、デバイスを近くに置く
• 固定電話に接続した USB 電話レコーダーを使い、音声を iPhone のマイクに入力する
• ビデオ通話(FaceTime、Zoom、Teams)の場合は、デバイスのスピーカーを使う

アプリには、最良の結果を得るためのヒントを集めたヒントセクションがあります。おすすめのアクセサリについては、アクセサリのページをご覧ください。

初回のダウンロードは約 700 MB なので、インターネット接続によっては数分かかることがあります。Wi-Fi の利用をおすすめします。ダウンロードが中断された場合は、アプリを開き直すと、中断したところから再開されます。

注: iOS 26 以降では、このダウンロードがまったく不要なことがあります – 必要なモデルがすでにデバイスに存在している場合があります。

Auvi は文字起こしが有効な間、画面がロックされないように自動的に防ぎます。それでも画面が消える場合は、文字起こしが実際に動作していること(リスニングインジケーターが表示されているはず)、そして低電力モードが画面ロックの防止を上書きしていないことを確認してください。文字起こしを停止すると、通常の画面ロックの動作に戻ります。

画面がロックされると、iOS は音声認識エンジンが使う GPU へのアクセスを一時的に制限します。Auvi はこれを検出して音声のバッファリングを始めますが、システムが切り替わる間に1〜3秒の空白が生じることがあります。Auvi がバックグラウンドモードに切り替わると、文字起こしは通常どおり再開します。

ヒント: Auvi は文字起こしが有効な間、画面をオンに保ちます。そのため、これはデバイスを手動でロックした場合にのみ起こります。会話中は、途切れのない字幕のために画面をオンのままにしておいてください。

iPhone では、Apple TV への AirPlay は画面ミラーリングを使います – 字幕を含む iPhone の画面全体がテレビに表示されます。これは、全員にライブの文字起こしを見てもらいたいグループの場面でうまく機能します。

字幕のみの表示(アプリの枠なし)にするには、USB-C または Lightning の HDMI アダプタで iPhone を接続してください。これにより Auvi 専用の外部ディスプレイモードが有効になり、すっきりした背景に大きな字幕が表示されます – 会議や教室、イベントに最適です。

iPad では、AirPlay の「ディスプレイを拡張」モードを使って、字幕のみの表示をワイヤレスで得ることもできます。

AI による分析(要約、アクションアイテム、決定事項)は、かなりの処理能力を必要とするデバイス上の言語モデルを使います。iOS は、バッテリーとシステムのパフォーマンスを守るため、アプリがバックグラウンドにあるときこの処理を制限します。

最良の結果を得るには: 会話を保存した後、「会話を分析しています…」のスピナーが表示されている15〜30秒の間、Auvi を前面に保ってください。分析が完了すれば、自由に他のアプリへ切り替えられます。

分析が中断された場合は、保存した会話を開いてAI で分析をタップすると、いつでも再処理できます。

これは iOS のピクチャ・イン・ピクチャの標準的な動作です。PiP ウィンドウをタップすると、まず再生コントロール(拡大ボタンを含む)が表示され、拡大ボタンをタップするとアプリに戻ります。iOS のすべての PiP ウィンドウはこのように動作します – Apple はアプリがこの操作をカスタマイズすることを許可していません。

Auvi はアクセシビリティを中核に据えて作られています。

• 5つのカラースキーム: システム、ライト、ダーク、ハイコントラスト、黒地に黄色
• iOS のシステムフォントサイズとは独立した、16pt から 48pt まで調整可能なフォントサイズ
• 最大のアクセシビリティ文字サイズを含む、iOS のダイナミックタイプへの完全対応
• iOS のシステム設定に従う太字テキストへの対応
• 色覚特性に配慮した話者パレットの切り替え
• すべてのコントロールへの VoiceOver ラベル
• 新しい発話、名前の呼びかけ、音の通知に対する触覚フィードバック
• すべてのアニメーションに対する「視差効果を減らす」への対応
• 上下逆さの縦向きを含む、すべての画面の向き
• とても大きな文字サイズでも機能する、視覚のみのオンボーディング

はい。すべてのコントロールに VoiceOver のラベルと説明が付いています。新しい字幕セグメントは表示されるたびに読み上げられるため、スクリーンリーダーの利用者も文字起こしセッションを追えます。これは、聴覚の損失と視覚の障害の両方をお持ちの方がいて、アクセシビリティのツールが互いに排他的であってはならないため、重要です。

• システム – iOS のライトモードまたはダークモードの設定に自動的に従います
• ライト – システム設定に関係なく、常にライト
• ダーク – システム設定に関係なく、常にダーク
• ハイコントラスト – 弱視の方のためにコントラストを最大化します
• 黒地に黄色 – 黒地に視認性の高い黄色のテキスト

各スキームには、話者識別の色に合わせて調整された色のバリエーションがあります。色覚特性に配慮したパレットの切り替えは、すべてのスキームで機能します。