1つのアプリですべての翻訳シーンをカバーできるものはありません。 Google Translate、Apple Translate、DeepL Voice、MirrorCaption はそれぞれ問題の異なる一部を解決しますが、別のツールのほうが適している場面もあります。これはどれかを否定しているわけではありません。「ユニバーサル」という言葉が隠しているのは、まさにその点です。
薬局のカウンターを思い浮かべてください。スマホを掲げ、マイクをタップして質問し、画面を相手に向ける。薬剤師がそれを読み、答える。もう一度タップする。3往復しても、用量が1日2回なのか2日に1回なのかはまだ分かりません。やり取りの半分が会話ではなく、アプリの操作に消えてしまうからです。
おそらく、あなたも似たような瞬間を経験したことがあるはずです。1文なら問題なくても、会話になると使いものにならない。そこでこの記事ではアプリを順位付けする代わりに、テストをお渡しします。どの翻訳アプリが、どの順番で、なぜ破綻するのかを予測する5つの軸です。そのうえで MirrorCaption にも同じテストを当て、特に成績の悪い3つの軸も含めて率直に評価します。
まず試してみたいですか？ MirrorCaption なら、ブラウザで1時間無料、1回限り、クレジットカード不要です。あとでこのテストに戻ってきてください。
要点
- 万能翻訳アプリは存在しません。どのツールも、いくつかの言語、いくつかの入力形式、いくつかのデバイスには対応しますが、その枠を外れると失敗します。
- 「ユニバーサル」は、無関係な2つの主張を混同しています。ユニバーサルなカバレッジ（多くの言語）と、ユニバーサルな適用範囲（あらゆる状況で使える1つのアプリ）は別物です。あるツールは前者で満点でも、後者では0点になりえます。
- どのアプリも、カバレッジ、モダリティ、ターンテイキング、オフライン対応、プラットフォーム到達範囲の5軸で評価してください。
- ターンテイキングは、誰も売り文句にしないのに、実際の会話を左右する軸です。タップして話し、待って、手渡す方式は1往復なら持ちこたえても、3往復目で崩れます。
- MirrorCaption はブラウザ上で連続音声に対応し、50以上の選択可能な言語をカバーしますが、オフラインモード、カメラ翻訳、文書翻訳はありません。これは本当の欠点であり、将来対応予定という逃げではありません。
「万能翻訳機」が実際に主張していること
この表現はSFに由来し、universal translator は言語という変数を完全に取り除く装置として描かれます。2人が話す。誰も機械のことを考えない。それが、マーケティング文言が受け継いでいる約束です。
しかし実際の製品は、1つの言葉の下に2つの別々の主張を紛れ込ませています。
ユニバーサルなカバレッジとは、対応言語の広さを意味します。ベンダーが宣伝するのはこの主張です。数字であり、数字は進歩に見えるからです。しかもこれは比較的達成しやすい主張で、どの製品もまだ届いていない上限があります。言語学者は約7,000の現存言語を数えていますが、最も対応範囲の広いツールでもせいぜい数百言語です。
ユニバーサルな適用範囲とは、実際に遭遇するあらゆる状況で使える1つのツールを意味します。ビデオ通話、窓口での会話、印刷された書類、留守電、WhatsApp のスレッド。誰もこれを宣伝しません。誰も実現できていないからです。
ここが重要です。この2つの主張は、ほぼ独立しています。フレーズ翻訳アプリが200言語に対応していても、Teams 通話では無力かもしれません。通話を聞けないからです。会議ツールは Teams 通話では優秀でも、薬局では役に立たないかもしれません。会議の中にしか存在しないからです。言語数を数えても、明日そのアプリがあなたに役立つかどうかはほとんど分かりません。
どの翻訳アプリにも使える5軸テスト
何かを買う前に、この5つを確認してください。どれも数分ででき、機能一覧では見えない、具体的な失敗パターンをあぶり出せます。
| 軸 | 確認する質問 | 明らかになる失敗 | 5分での試し方 |
|---|---|---|---|
| カバレッジ | 自分の正確な言語ペアは、双方向で使えますか？ | 非対称な対応：ある言語は入力として載っているのに出力では使えない、または英語との組み合わせだけ。 | 言語ペアを設定し、逆方向に切り替えます。逆方向がない、またはグレーアウトしているなら、その一覧は飾りです。 |
| モダリティ | どの入力に対応していますか：ライブ音声、入力テキスト、カメラ、文書、音声ファイル？ | 音声ツールを買ったのにメニューの翻訳が必要になる、またはその逆。 | 入力ボタンの数を数えてください。多くのツールは、5つのうち本当に2つしかカバーしていません。 |
| ターンテイキング | セッションは往復をまたいで開いたままですか、それとも発話ごとに再開しますか？ | アプリが第3の参加者になり、両者が操作しなければならなくなる。 | 実際に4往復の会話をしてみてください。何回タップが必要だったか数えます。 |
| オフライン | ネットワークがなくても動きますか？ どの言語で？ | 地下、飛行機の中、ローミング中にその答えを知ることになる。 | 機内モードをオンにして、その言語ペアを試します。どの機能が消えるか確認してください。 |
| プラットフォーム到達範囲 | 翻訳したい音をちゃんと拾えますか？ | 部屋の音しか拾えない、または1つの会議プラットフォームしか拾えないツール。 | 重要な場面で試してください。実際の会議ウィンドウ、または2つの声がある実際の部屋です。 |
軸1：カバレッジは非対称なので、一覧ではなく自分のペアを試す
言語一覧はマーケティング上の産物です。あるツールは言語を認識対象として載せていても出力には対応していないことがありますし、英語との組み合わせでしか使えないこともあります。書き言葉には対応していても、話し言葉には対応していない場合もあります。中国語からドイツ語は動いても、ドイツ語から中国語は英語を経由し、その途中で精度が落ちるかもしれません。
対処法は地味ですが効果的です。実際の言語ペアを設定し、実際の文を話し、逆方向にも切り替えてみる。2分のテストは、公開された言語数よりずっと価値があります。
軸2：モダリティが、そのツールがそもそも関係あるかを決める
ライブ音声、入力テキスト、カメラ、文書アップロード、録音音声は、1つのアイコンをまとった5つの別製品です。一般向け翻訳アプリはテキストとカメラに強い傾向があります。会議ツールはライブ音声に強く、それ以外には弱い傾向があります。
どちらも間違いではありません。ただし、間違ったモダリティのために買ってしまうと、カバレッジや精度は関係なくなります。そもそも、そのツールがあなたの持っているものを受け付けられないからです。
軸3：ターンテイキングは、誰も売り込まない軸
これは、アプリが実際の会話に耐えられるかを決める軸です。しかも比較表にはほとんど出てきません。次のセクションで詳しく扱います。これだけで1項目に値するからです。
軸4：オフライン対応は二択であり、こちらを選ばない正当な理由になる
ダウンロード済みの言語パックがあれば、接続なしでテキストを翻訳できるツールもありますが、対応言語は少なく、品質も下がるのが普通です。ストリーミング音声翻訳は、認識と翻訳がサーバー上で動くため、一般にオフラインでは動きません。
現実的な最悪ケースが、電波のない病院の地下なら、オフラインパックのあるツールが正解で、MirrorCaption は不正解です。私たちはストリーミングサービスです。機内モードにするとセッションは終了します。
軸5：プラットフォーム到達範囲とは「音声を拾えるか」
1つの言葉の下に、まったく異なる2つの音声問題が入れられています。ビデオ通話では、会議ウィンドウの外へ出てくる音声を拾う必要があります。対面会話では、部屋の音を拾うマイクが必要です。両方できるツールはごくわずかで、プラットフォームの追加機能として作られたものは、そのプラットフォームの外ではどちらもできません。
組み込み字幕は最も分かりやすい例です。Google は対応する字幕・翻訳字幕の言語を Google Meet ヘルプ で案内しており、Microsoft もライブ翻訳字幕とそのプラン要件を Microsoft Learn で説明しています。どちらも自社製品の中では本当に優秀です。しかし、クライアントが別のプラットフォームにいるときには役立ちませんし、薬局のカウンターまでついてきてはくれません。
なぜ言語数ではなくターンテイキングが、万能翻訳を壊すのか
架空の万能翻訳機は、語彙で失敗しません。見えないから成功するのです。誰もその場で機械を操作しません。
実際のアプリは、会話の1ターンとして割り込みます。マイクをタップする。話す。結果を待つ。スマホを回す。相手が読むのを待つ。受け取る。もう一度タップする。これは翻訳の摩擦ではなく、会話の摩擦です。そしてそれは積み重なります。1往復なら心地よくても、3往復目には、両者ともインターフェースに合わせて話を短くし始めます。まさにそのとき、必要だった情報が落ちるのです。
用量の指示、予約時間、配達日、契約条件は、挨拶や確認の質問のあと、会話の3往復目から4往復目に出てきます。2往復しか持たないツールでは、それらを届けられません。
窓口での会話。 これは顧客事例ではなく、構成した例です。薬局のカウンターにいる2人が4往復必要とします。薬の名前、他の薬と一緒に飲めるか、服用頻度、飲み忘れた場合の対処です。
発話ごとにタップする翻訳では、おおよそ8回のタップと8回の待ち時間、さらにスマホを2回手渡す必要があります。連続セッションなら、スマホはカウンターに置いたままで、2人が順番に話し、誰も触らないまま両言語の文字起こしが進みます。言語カバレッジはどちらも同じです。結果は同じではありません。
3言語の通話。 これも構成例です。製品レビューがブラウザベースの会議で進みます。1人のエンジニアは中国語、PM はドイツ語、CS リードはポルトガル語を話し、表向きは全員英語で進行しています。
ここでの失敗は言語数ではありません。プラットフォーム自身の字幕が、そのプラットフォームが対応している組み合わせだけを提供し、必要な他の組み合わせを使う参加者は静かに発言をやめてしまうことです。各自が自分のブラウザタブで自分の言語として通話を読めることは、カバレッジの解決ではなく、ターンテイキングの解決です。
この議論を特定の会議ツールに当てはめた、より詳しい版を読みたいなら、リアルタイム会議翻訳ツールの比較で解説しています。
自分でターンテイキングを試してみますか？ セッションを開始し、実際に4往復の会話をして、タップ回数を数えてください。MirrorCaption を無料で開く、向かい側の人はインストール不要です。
MirrorCaption は5軸でどう位置づくか
「ユニバーサル」という言葉を検証しておきながら、自社製品がユニバーサルだと結論づける記事は、自分自身の前提に失敗しています。そこで、率直な採点表を示します。
カバレッジ：強いが、範囲は限定的
MirrorCaption は、双方向翻訳に対応した50以上の選択可能な言語を扱えます。中国語、日本語、韓国語、アラビア語、ヒンディー語、ロシア語、ポルトガル語、スペイン語、フランス語、ドイツ語を含みます。これは広い網であって、万能ではありません。契約前に、無料時間のあいだに自分の言語ペアを両方向で試してください。言語や音声条件によって品質がどう変わるかのデータは、リアルタイム翻訳精度をご覧ください。
モダリティ：ライブ音声のみ
私たちは1つの入力をうまく扱い、他は扱いません。誰かがまだ話している最中に、ライブ音声を1語ずつ文字起こし・翻訳し、話者検出と、会話の進行に合わせて更新される AI 要約も提供します。翻訳された任意の単語をタップすると、その背後にある元の単語を確認でき、語彙リストに保存できます。
できないこと：カメラ翻訳、文書翻訳、ファイルアップロードはありません。 メニューや賃貸契約書にスマホを向ける用途には向いていません。その場合は一般向け翻訳アプリを使ってください。
ターンテイキング：ここは私たちが作り込んだ軸です
スマホの Talk モードは、プッシュ・トゥ・トークではなく連続セッションです。1回開始すれば開いたままになります。2人が順番に話し、文字起こしと翻訳の文脈は往復をまたいで維持され、文と文のあいだで誰も何も押しません。
オプションの Speak Translations はさらに進みます。翻訳された音声を対象言語で読み上げるので、相手は画面を読むのではなく、メッセージを耳で聞けます。再生はノートPCのスピーカー、QRコードでペアリングしたスマホ、または Mac クライアントの仮想マイク経由で行えます。これにより、ブラウザベースの Zoom、Meet、Teams 通話が、翻訳音声をマイク入力として受け取れます。ここでの体験は、フィクションに出てくる見えない装置に最も近いものです。あなたは自分の言語で話し、相手は自分の言語で聞き、会話は止まりません。
オフライン：なし
やわらげる余地はありません。ストリーミング認識にはネットワーク接続が必要です。オフラインが絶対条件なら、別のツールを選んでください。
プラットフォーム到達範囲：音声には広く、ブラウザにはやや狭い
Meet モードは、デスクトップ版 Chrome または Microsoft Edge の会議ウィンドウから音声を取得するため、ボットが会議に参加することなく、ブラウザベースの Zoom、Teams、Meet、Webex 通話と並行して使えます。Talk モードはマイクを使い、モバイルでは Chrome で最も快適に動作します。ネイティブ Android アプリも利用でき、iOS も順次展開中です。試すだけならインストールは不要で、他の参加者の承認も必要ありませんが、Web アプリや画面キャプチャに関する職場のポリシーは引き続き適用されます。
価格については、MirrorCaption は月額席ではなく1回限りの購入です。無料プランは1時間、1回限り、クレジットカード不要、月次リセットなしです。Annual は年54.99 euroで、100時間分のホスト型文字起こしクレジットが含まれます。Premium は1回99 euroで、200時間分と今後のすべてのアップデートが含まれます。Premium は無制限時間ではありません。含まれるクレジットを使い切った後は、別売りの Voice Packs で追加します。Premium アカウントは1時間あたりの単価が最も低くなります。最新の数値は MirrorCaption の料金ページに掲載されています。
目の前の状況に合わせて選ぶ
5軸すべてで勝つアプリはないので、失敗したときに最も痛い軸で選んでください。
- オフラインが絶対条件ですか？ ダウンロード済みの言語パックがあるツールを選び、言語数の少なさとライブ音声品質の低さは受け入れてください。
- 主に標識、メニュー、印刷書類が必要ですか？ カメラ入力と文書入力のある一般向け翻訳アプリが、私たちを含むどの会議ツールよりも適しています。
- すべてが1つの会議プラットフォーム内で、そのプラットフォームが対応する組み合わせで完結しますか？ 組み込み字幕が最も摩擦が少なく、追加費用もかかりません。このトレードオフについての私たちの見解は MirrorCaption vs Otter.ai にあります。
- 会話が複数往復にわたり、プラットフォームをまたぎ、ときには部屋の中でも行われますか？ それがターンテイキングのケースで、私たちが作られている用途です。多言語リモートチームでどう機能するかをご覧ください。
- 主に必要なのは会話ではなく、文章化ですか？ MirrorCaption Typer は音声入力を整った構造化テキストに変換し、同じアカウントクレジットを使います。
多くの人は、1つではなく2つのツールを使うことになります。それは妥当な結果ですし、万能だと主張しておきながら、実際に必要だった軸で失敗するツールにお金を払うより良い場合もあります。
FAQ
本当に万能翻訳アプリはありますか？
ありません。市場にあるどのツールも、いくつかの言語、いくつかの入力形式、いくつかのデバイスには対応しますが、その枠を外れると失敗します。役に立つ問いは「どのアプリが万能か」ではなく、「目の前の状況に対してどのアプリが万能か」です。
1つのアプリでビデオ通話と対面会話の両方を翻訳できますか？
はい、ただし両方の音を拾える場合に限ります。通話には会議ウィンドウから出てくる音声が必要で、対面会話には部屋のマイクが必要です。会議の追加機能として作られたツールは通常後者ができず、フレーズ翻訳アプリは通常前者ができません。
万能翻訳アプリはオフラインで動きますか？
一部は、テキストと限定された言語セットに対して、ダウンロード済みの言語パックを使って動きます。ストリーミング音声翻訳は一般に動きません。認識と翻訳がサーバー上で実行されるからです。MirrorCaption はストリーミングサービスであり、ネットワーク接続が必要です。
翻訳アプリは何言語あれば役に立ちますか？
通常は2つです。自分の言語と、目の前の相手の言語です。長い言語一覧は弱いシグナルです。カバレッジはしばしば非対称だからです。リストの項目数を数えるより、正確な言語ペアが双方向かつ必要な入力モードで動くかを確認してください。
医者の診察や法律関連の会議で翻訳アプリを使うべきですか？
補助として使ってください。通訳の代わりではありません。同意、診断、用量、契約、証言には、資格のある人間の通訳者を使うのが正解です。アプリは、読み合わせ、用語確認、書面記録のために併用すると役立ちます。
翻訳アプリと通訳アプリの違いは何ですか？
実際には、呼び名はマーケティング上のものです。本当の違いはターンテイキングです。翻訳アプリは送られた1つのまとまりをその都度処理しますが、通訳のワークフローは会話全体を通して開いたままで、往復のあいだに文脈を引き継ぎます。
短く言うと
万能翻訳アプリは存在せず、そう名乗るものはたいてい、カバレッジを売りながら、適用範囲では静かに失敗しています。代わりに5軸を試してください。自分の言語ペアが双方向で動くか確認する。実際に持っている入力を受け付けるか確認する。4往復の会話をして、タップ回数を数える。ネットワークを切って、何が残るかを見る。重要な表面に向けて試す。
MirrorCaption は、カバレッジ、音声に対するモダリティ、ターンテイキング、プラットフォーム到達範囲では合格し、オフライン、カメラ、文書では不合格です。これは、2つの言語がぶつかり合い、両者が会話を続ける必要がある、複数往復の会話という特定の問題に対する、特定のツールです。それがあなたの問題なら、無料の1時間で十分に判断できます。