Gemini for macOS が Fn キー長押しの音声操作に対応、画面とローカルファイルを踏まえた指示も可能

要約

Google が macOS 版 Gemini アプリに音声操作機能を追加しました。Fn キーの長押しで、デスクトップ上のどのウィンドウからでも音声モードを起動して話しかけられます。特定のアプリの中ではなく OS 全体を対象にした操作系という点が今回の要点です。

既定の動作は「インテリジェント音声入力（intelligent dictation）」です。単なる文字起こしではなく、「えー」「あのー」といったフィラーを自動的に除去し、文中で言い直した箇所も拾って修正したうえで、整形済みのテキストをカーソル位置に直接挿入します。話した内容がそのまま文字になるのではなく、書き言葉として通用する形に整えられて入る、という挙動です。

設定で Gemini の推論を有効にすると、できることが変わります。画面のコンテキストとローカルファイルの情報を使った操作が対象になり、デスクトップ上の文書やファイルの要約、選択したテキストのトーン調整を伴う書き換え、音声指示による画像の生成・編集などが可能になります。公式ページでは「これらの獣医の書類を読んで、犬の病歴をペットホテル宛のメールにまとめて」「このメモを冒頭に TL;DR を付けたエグゼクティブサマリーにして」といった指示例が挙げられています。ファイルを開いて内容を貼り付ける手順を踏まずに、画面にあるものを対象に指示できるということです。

提供は 2026-07-29 に macOS 版 Gemini アプリの全ユーザーへグローバル展開されました。ただし言語は当初英語のみで、他言語は今後の対応予定です。日本語で使えるようになるのはこれからということになります。配布は gemini.google/mac/ です。

何が変わったか

• Fn キー長押しで、任意のアプリのウィンドウから Gemini の音声モードを起動できる
• 既定でインテリジェント音声入力として動作し、フィラー除去と言い直し補正を行った整形済みテキストをカーソル位置に挿入する
• 設定で推論を有効にすると、画面のコンテキストとローカルファイルを踏まえた指示ができる
• 推論有効時の対象操作: 文書・ファイルの要約、選択テキストのトーン調整を伴う書き換え、画像の生成・編集
• 2026-07-29 に macOS 版 Gemini アプリの全ユーザーへグローバル展開
• 言語は当初英語のみ（他言語は今後）
• 配布は gemini.google/mac/

業務インパクト（一般企業向け）

この機能が触っているのは「入力」という最も頻度の高い操作です。メール、チャット、議事録、報告書といった日常の文章作成において、キーボードで打つ工程が音声に置き換わり、しかも整形まで済んでいる状態で入る。頻度が高い工程だけに、効率の差は累積します。

一方で、企業導入の観点では推論を有効にするかどうかが判断の分かれ目になります。推論を有効にすると画面のコンテキストとローカルファイルが処理対象に入ります。業務端末では、画面に映っているものが顧客情報や未公開の資料であることが日常的にあります。「デスクトップ上の書類を読んで要約する」という機能は、便利さと引き換えに、何が送信対象になるのかを利用者が把握しにくい状態を作ります。

現実的な対応としては、まず既定の音声入力のみを許容し、推論の有効化については別の判断とする切り分けが妥当です。音声入力だけであれば、処理対象は利用者が話した内容に限られます。推論を有効にするかどうかは、扱うデータの機微度に応じて部署単位・端末単位で決める形が管理しやすいでしょう。アプリ側の設定で切り替わる仕様なので、端末管理でどこまで制御できるかは事前に確認が必要です。

もう一つの論点は、Apple Intelligence との重複です。OS 全体で使える音声入力と画面認識は、Apple が自社で提供している領域と正面から重なります。macOS の標準機能とサードパーティアプリのどちらを社内標準にするのかは、いずれ整理が必要になります。現時点では機能の成熟度に差があるため急ぐ話ではありませんが、両方を無管理で並存させると、どの経路でどこにデータが行くのかが追えなくなります。

なお言語が英語のみである点は、日本国内での導入判断を先送りできる要因です。日本語対応が来るまでは、英語で作業する部署に限った検証に留めるのが無理のない進め方です。

副業・個人活用視点

Mac で作業する個人にとっては、素直に試す価値のある機能です。特に効くのは、長文を書き始めるときの初速です。構成が頭にある状態で話してしまえば、整形済みのテキストがそのまま入ります。ゼロから打ち始めるより早く、かつ推敲の対象になる文章がすぐ手元にできます。ブログ、提案書、メールの下書きといった作業と相性が良いはずです。

推論を有効にした使い方で有望なのは、画面にある資料を対象にした指示です。クライアントから受け取った資料を開いた状態で「この内容を要約して、確認したい点を3つ挙げて」と話せば、ファイルを添付したりコピーしたりする手間が省けます。トーン調整を伴う書き換えも、相手に応じて文体を変える必要がある仕事では実用的です。

ただし副業でクライアントの資料を扱う場合、推論の有効化は慎重に判断すべきです。受け取った資料に守秘義務がかかっている場合、画面のコンテキストを処理対象にする機能を有効にしたまま作業するのは、契約上の問題になり得ます。自分の資料を扱うときだけ有効にする、という運用が現実的です。

英語のみという制約は、日本語で作業する人にとっては当面の壁です。ただし英語での発信をしているなら、今すぐ使える状態にあります。英語の記事や提案書を音声で書き起こす用途では、フィラー除去と言い直し補正が効くぶん、既存の音声入力より実用度が高い可能性があります。