Google Gemini では、音声ファイルやその他の新しいファイル形式のアップロードがサポートされるようになりました。
GoogleのGeminiアプリは、数ヶ月間、アップロードされた画像、PDF、さらには動画も処理できましたが、音声が欠けていることが顕著でした。しかし本日、それが変わります。Googleは、Geminiで最も要望の多かった機能の一つ、音声ファイルのアップロードをひっそりとリリースしました。
より幅広いサポート、より多くの用途
待望の機能
Google LabsおよびGeminiの副社長であるジョシュ・ウッドワード氏は、この機能がXでリリースされたことを確認し、「要望第一号」だと述べた。このアップデートは現在、Android、iOS、およびウェブで利用可能で、おなじみの「ファイルのアップロード」オプションをクリックすることで、MP3、WAV、およびその他の一般的なフォーマットを追加できる。
ご想像のとおり、いくつかの制限があります。無料のGeminiユーザーは一度に最大10個のファイルをアップロードできますが、これらのアップロードされた音声の合計時間は10分を超えてはなりません。Googleの有料プラン（AI Pro経由のGemini AdvancedまたはAI Ultra）に加入すると、この制限は大幅に緩和され、3時間になります。
✅ Papercutの不具合を修正しました： @GeminiAppに任意のファイルをアップロードできるようになりました。一番要望の多かった音声ファイルもサポートされました！pic.twitter.com/4Te3xwLC6W
— ジョシュ・ウッドワード (@joshwoodward) 2025年9月8日
無制限ではないものの、比較的寛大な容量と言えるでしょう。比較すると、Geminiの動画アップロードは無料ユーザーの場合5分に制限されており、有料ユーザーは1時間までとなっています。音声の場合、無料版ではこの制限が2倍になり、有料会員には3倍のストレージ容量が提供されるため、文字起こし、会議メモの分析、ポッドキャストの分析といった用途には理にかなっています。
今年初めにファイルアップロードが導入されて以来、音声サポートの欠如は奇妙な欠落となっていました。Geminiは既にYouTube動画の要約や短いクリップの編集は可能でしたが、簡単なボイスメモを録音してAIに処理させることはこれまで不可能でした。
これにより、Geminiは、数ヶ月前から音声とテキストのアップロードをサポートしてきたOpenAIのChatGPTなどの競合サービスが提供する機能に近づきつつあります。しかし、10分という再生時間で一般ユーザーにとって十分なのかという疑問が残ります。この差は、Googleが音声処理をサブスクリプションへの新たなインセンティブにしたいと考えていることを示唆しています。いずれにせよ、ポッドキャストのクリップ、講義の一部、あるいは自分の音声メモなどをGeminiに入力できるようになるのを待ち望んでいた方は、今が試してみるチャンスです。
コメントは締め切りました。