コンテンツにスキップ

GPT-Realtime-Translate についての話題

第4回「データ・AI利活用の現場と最新動向」の関連トピックです。

きっかけは、中村薫さん（株式会社ホロラボ CEO、@HoloLabInc、 著書『Apple Vision Proアプリ開発入門』など）の X 投稿でした。

👉 中村薫さんの X 発言（実際に動いているデモ）

AI 使用の明記

以下の周辺情報は、担当教員が生成AI「Claude（Claude Opus 4.7）」にまとめさせ、 教員が確認したものです（2026年5月14日）。本授業の「AIを使ったら明記する」ルールを、 教員自身も実践しています。

ほんやくコンニャクは、もう作れる

ドラえもんのひみつ道具と、いまの技術

ドラえもんに「ほんやくコンニャク」というひみつ道具があります。食べると、どんな言語でも その場で通じるようになる、という設定です。相手から見ると、こちらは普通にその国の言葉で 話しているように聞こえる。

この道具に近いものが、実は 2026 年 5 月、本当に作れるようになりました。

リリースされたもの

OpenAI が 2026 年 5 月 7 日（日本時間 5 月 8 日朝）に、3 つの新しい音声 AI モデルを発表しました。

  • GPT-Realtime-2：GPT-5 級の推論能力を持つ音声対話モデル
  • GPT-Realtime-Translate：話している最中に翻訳音声をリアルタイム生成するモデル
  • GPT-Realtime-Whisper：話している最中に文字起こしを行うモデル

このうち「ほんやくコンニャク」に近いのは 2 番目の GPT-Realtime-Translate です。

GPT-Realtime-Translate の特徴

  • 70 以上の言語を入力として自動認識する
  • 13 の言語に翻訳して出力する（日本語も含まれる）
  • 話し終わるのを待たずに、話している最中から翻訳音声が流れ始める
  • 料金は 1 分あたり約 5 円（$0.034）
  • そして最大の特徴：翻訳音声が、話者本人の声のトーン・ピッチ・話し方を追従する

つまり、A さんが API に向かって日本語を話すと、相手側には「A さんの声で英語を話している音声」が、 ほぼ同時に流れる。これは従来の翻訳機（機械音声で読み上げる）とは決定的に違う体験です。

実装例

公開された翌日には、開発者が個人で実装したデモが各所で公開されました。

たとえば、ある開発者は AI コーディングアシスタント（Claude Code）に実装を依頼し、 Google Meet 越しに以下のようなデモを公開しました：

  • 自分はずっと日本語で話している
  • マイクの出力先を切り替えると、Meet 越しの相手には英語で聞こえる
  • マイクを戻すと、また日本語に戻る

これは、相手側からすると「日本人が普通に英語で会話している」ようにしか見えません。 ほんやくコンニャクの本来の設定そのものです。

札幌のエンジニアもリリース当日に OpenAI の公式デモを動かして手順を記事化しています （参考リンク参照）。「コストは 1 時間で約 500 円弱」という、個人が試せる単価です。

技術的な裏側

GPT-Realtime-Translate は、汎用の ChatGPT に「翻訳して」と頼むのとは違います。 プロの通訳者の音声を数千時間学習した翻訳専用モデルで、質問されても答えず、 指示されても従わず、ひたすら翻訳だけを行うように作られています。

また、言語によって語順が違う問題（英語と日本語では動詞の位置が大きく違う）に対応するため、 ある程度の文脈を待ってから話し始める設計になっています。プロの同時通訳者と同じ動作原理です。

ほんやくコンニャクが現実になるまでの 6 年間

技術が現実に追いつく速度を、時系列で見るとこうなります。

時期 できごと
2020年7月 cabernet_rock さん（岩崎修登さん）が個人で「ほん訳コンニャク」（Translation-Gummy）を公開。Python と DeepL を組み合わせ、英語論文 URL から日本語訳付き PDF を生成。研究室配属で論文が読めなかった大学生が、自分のために作ったもの
2025年9月 日本のスタートアップ「CoeFont 通訳」がリリース。話し手の声質を保ったまま多言語で話せるアプリ。日経トレンディ「2026年ヒット予測」第1位
2025年11月 Apple が AirPods Pro 3 に「ライブ翻訳」機能を搭載、日本語対応も実装
2026年5月8日 OpenAI が GPT-Realtime-Translate を公開。API として誰でも組み込める段階に到達
2026年5月8日（同日） 個人開発者が公開デモを多数発表

この 6 年間で、「研究室の学生が 1 日かけて作るもの」だったものが、 「API を叩いて AI に実装させるもの」になりました。

考えてみてほしいこと

便利な技術には、必ず使い方の問題がついてきます。 GPT-Realtime-Translate も例外ではありません。

良い面

  • 言語の壁が物理的に消える可能性がある
  • 通訳を雇えない場面（個人旅行、留学先での日常会話、家族との国際的なやり取り）で使える
  • 災害時や医療現場での多言語対応にも応用が利く

注意すべき面

  • 「自分の声で別の言語を話せる」ということは、「自分の声を装って、他人が別の言語を話せる」ということでもある
  • オンライン会議で、本当に本人が話しているのか分からなくなる
  • 詐欺・なりすまし・国際的な世論操作などへの悪用リスク

「使いこなす人」と「使えない人」の差だけでなく、「この技術が普及した社会で、 どう自分を守るか・どう信頼を担保するか」という問いが、皆さんがこれから入っていく 社会の前提になります。

皆さんへの問い

この授業では Word で図表を入れる練習をしています。地味な技術ですが、皆さんが大学を卒業する 4 年後、ほんやくコンニャクのような技術がさらに進化しているとして、皆さんが大学で身につける べきものは何でしょうか。

  • 英語を勉強することの意味は？
  • AI に任せられる作業と、人がやるべき作業の境界は？
  • 「使いこなす側」に立つには、何を学んでおくべきか？

簡単な答えはありません。授業の合間に、たまに考えてみてください。

参考リンク

ニュース記事（日本語）

技術ドキュメント（日本語）

実装手順記事（札幌のエンジニアによる、2026年5月）

公式ドキュメント（英語）

6年前の元祖「ほん訳コンニャク」（個人開発、2020年）