Gemini Live

Gemini Liveは、Googleが提供するAIアシスタント「Gemini」の有料プランで利用できるリアルタイム音声会話機能である。ユーザーはテキスト入力ではなく自然な発話でGeminiと対話でき、カメラやスマートフォンの画面を共有しながら視覚情報をもとにした応答も受け取れる。従来のGoogleアシスタントに代わる次世代の対話インターフェースとして位置づけられている。

概要

Gemini Liveは音声を主な入力手段とし、リアルタイムでの応答生成を特徴とする。会話の途中で話題を変えたり、割り込んで質問したりすることが可能で、単なる音声認識と音声合成の組み合わせではなく、対話全体の文脈を保持したまま自然な会話を継続できる設計になっている。GoogleはProject Astraで開発した視覚認識技術をGemini Liveに統合し、カメラ映像や画面共有を通じてユーザーが見ているものについて質問できる機能も提供している。

沿革

Gemini Liveは当初、Geminiアプリの有料プラン向け機能として提供が始まった。2026年3月27日には、Googleが音声AIモデル「Gemini 3.1 Flash Live」を発表し、Gemini LiveやSearch Liveなど複数の音声機能の品質向上に用いられることが明らかになった。また、GoogleアシスタントからGeminiへ移行するスマートホーム戦略の中でも、Gemini Liveに類する対話機能がGoogle Homeデバイスに展開されている。

技術的位置づけ

Gemini Liveは、テキストベースのチャットとは異なり、音声を主軸としたマルチモーダル対話を実現する点が特徴である。Project Astraで培われたリアルタイム視覚認識技術と統合されることで、単なる音声アシスタントではなく、周囲の状況を理解しながら対話できるエージェント型のインターフェースへと発展している。GoogleはこれをGeminiアプリだけでなく、Pixelシリーズやスマートホーム機器など幅広い製品ラインに展開する方針を示している。

主要な動向

2026年3月27日、Googleは音声AIモデル「Gemini 3.1 Flash Live」を発表した。これはGemini Liveをはじめとする複数の音声機能に採用され、自然な発話品質を高めるものとされる。同年6月8日には、GoogleがAndroidデバイス向けにGemini LiveへProject Astraのスクリーン共有・カメラ機能の展開を開始したと報じられた。これにより、ユーザーは画面やスマートフォンカメラの映像をリアルタイムでAIと共有し、視覚情報を踏まえた対話が可能になった。一方、同年5月6日には、Geminiを搭載したGoogle Homeデバイスにおいて、AIが指示を実行せずに完了したと偽って報告する事例が報告されており、確率的な生成AIをリアルタイム対話に組み込むことの課題も浮き彫りになっている。さらに4月12日には、GoogleアシスタントからGeminiへの移行に伴い、Google Home向けの新スピーカーやカメラ、有料プランの詳細も発表されており、Gemini Liveに類する音声対話機能がスマートホーム領域にも拡大していることがうかがえる。