アプリのレビュー返信を溜め込んでいた夕方、下書き用のテキストエディタで Fn キーを押しました。話しはじめたつもりが、画面に出てきたのは見慣れた macOS のマイクのほうでした。押し方をひとつ間違えただけで、行き先が変わっていたのです。
Gemini の macOS 版は、Fn キーを押している間だけ話しかけると、整形済みのテキストをカーソル位置に差し込んでくれます。標準の音声入力は、Fn を2回押すと立ち上がります。同じキーの上に、性格の違う二つの口述が同居していることになります。
便利さの話をする前に、私はまず「どの入力欄では押さないか」を決めました。差し込まれる先がテキストエディタとは限らないからです。
同じキーに乗った、二つの口述
まず押し方と行き先の対応を整理しておきます。ここを取り違えたままだと、後の設定確認がすべて空振りします。
| 操作 | 呼び出されるもの | 出てくるテキストの性質 | 設定の場所 |
|---|---|---|---|
| Fn を押しっぱなしにして話す | Gemini の口述 | 言い淀みを取り除き、段落や箇条書きに整形されたもの | Gemini アプリの設定（Speak to Window） |
| Fn を2回押す | macOS 標準の音声入力 | 話した通りに近い、素の書き起こし | システム設定 → キーボード → 音声入力 |
Gemini 側は、押している間が入力で、指を離した時点が確定です。「えーと」のようなつなぎ言葉を落とし、途中の言い直しを汲んで後の言い方を採用し、段落のかたちに整えたうえで、いま開いているウィンドウのカーソル位置に落としてくれます。
一方で標準の音声入力は、話した内容をそのまま文字にすることに徹します。整形するかしないかが、この二つのいちばん大きな違いです。どちらが優れているという話ではなく、用途が違うのだと考えています。
もうひとつ、押す前の状態が結果を変えます。テキストを選択した状態で話しかけると、カーソル位置への差し込みではなく、その選択範囲に対する指示として扱われます。書き足しと書き換えが同じキーに乗っている——そう考えておくと、押す前に手が止まります。
なお、この Fn 長押しの口述は英語から順に展開されています。日本語環境で押しても反応がない場合、設定を疑う前に、そもそも自分の環境まで届いているかを確かめたほうが早いことがあります。
押していい欄と、押さない欄
最初のうち、私はこれを「どこでも使える便利な入力手段」として扱おうとしていました。結果は芳しくありませんでした。口述はテキストを差し込む機能であって、差し込まれる先が安全かどうかまでは見てくれません。
いま線引きにしているのは、次の三つの観点です。取り消せるか、送信ボタンが近くにないか、そして正確さが要るか——この三つのどれかに引っかかる欄では、指で打つようにしています。
| 方針 | 入力欄 | 理由 |
|---|---|---|
| 使います | 下書き用のメモ、記事の粗い口述、ストア説明文の素案、レビュー返信の下書き | あとから何度でも直せます |
| 使いません | 宛先の入ったメールの本文、チャットの入力欄 | 送信操作が近く、取り消しが効きません |
| 使いません | ターミナル、エディタのコード部分、設定ファイル | 整形が入ると、意図しない改行や記号が混ざります |
| 使いません | 公開前の確定稿、パスワードや認証コードの欄 | 言い間違いの代償が大きすぎます |
選択範囲への指示として動く場合があるぶん、押す前に「いま何が選ばれているか」も一緒に確かめています。書きかけの段落を選んだまま話しかければ、差し込みではなく書き換えが起きるからです。
とくにターミナルは、はじめのころにやりかけて肝が冷えました。整形された文章がコマンドラインに落ちるという状況は、想像すると胃が痛くなります。
私が自分に課している一行は、これだけです。
口述は下書きまで、送信と実行は指で。
この線引きにしてから、口述を使うことそのものに迷わなくなりました。使う場所が決まっていれば、押していいかどうかを毎回考えずに済みます。
反応しないときに確かめる順序
押しても何も起きないとき、原因は四つのどこかにあります。上から順に見ていくと、遠回りが減ります。
- 自分の環境まで機能が届いているか。英語から順の展開のため、待ちの可能性があります。
- Gemini アプリの設定で口述が有効になっているか。ショートカットの割り当てもここで変えられます。
- システム設定 → キーボード → 音声入力 のショートカットが何になっているか。Fn を使う設定同士がぶつかっていないかを見ます。
- キーの割り当てを書き換える常駐ユーティリティが入っていないか。Karabiner-Elements のようなツールで Fn や F5 に手を入れていると、キーの押下がアプリまで届きません。
4番目は見落としやすいところです。私はキーリマップを何年も入れっぱなしにしていて、そのことをすっかり忘れておりました。「アプリの不具合だろう」と決めつけて設定画面を往復する前に、キーを横取りしている常駐ソフトがないかを疑ってみてください。
設定の在り処がアプリ側と OS 側に分かれているという構図は、Gemini では珍しくありません。以前に書いたチャットを消しても前提が残っていたのは、消す場所がもう一つあったからでしたも、同じ形のつまずきでした。
整形されるということは、削られるものがあるということ
Gemini の口述の値打ちは、言い淀みを消して読める文章にしてくれるところにあります。ただ、これは裏返せば、話した内容の一部が黙って落とされるということでもあります。
私が痛い目を見たのは、数値と固有名詞でした。モデル名やバージョン番号を口に出しても、整形の過程で読みやすい表記に寄せられてしまうことがあります。読みやすさとしては正しくても、記事に載せる値としては別物になっていることがあるのです。
そこで、いまは口述したあとに必ずひと呼吸置いて読み返しています。特に確かめるのは三点で、数値の桁、固有名詞の表記、そして「ない」「なかった」という否定が残っているかどうかです。否定は言い直しの多い箇所に現れやすく、整形で吸われると意味が逆になります。
数値と固有名詞は、はじめから指で打つほうが結局は速い——そう気づくまでに、私はしばらくかかりました。口述に向いているのは、まだ言葉になりきっていない考えを外に出す工程のほうです。
まず一日、下書き欄だけで
最初から作業の全部に口述を混ぜようとすると、どこで効いてどこで邪魔になったのかが分からなくなります。私は下書き用のメモだけに絞って一日回してみて、そこから使う場所を少しずつ広げました。
今日できることを一つだけ挙げるなら、下書き用のテキストファイルを開いて、Fn を押しながら考えていることをそのまま話してみることだと思います。整形された結果を読み返したときに、自分の言葉がどれくらい残っているか——そこが、この機能を信頼できる範囲の目安になります。
長い記事にお付き合いいただき、ありがとうございました。私も、口述を任せる範囲はまだ探っている途中です。