VoiceScrollはあなたの声をサーバーに送っている?実際に起きていること

話している間ずっと聞いているアプリには、確認しておく価値のある問いが一つあります。その音声は実際どこへ行くのか、です。テレプロンプターは短い音声コマンドと違って撮影中ずっとマイクが入っているので、この答えはより重要になります。

結論から

iPhoneとiPadでは、VoiceScrollの音声認識は初期設定で端末内にとどまります。アプリはオンデバイス処理を強制しており、フォールバックとしても自らサーバーに切り替えることはありません。例外は、自分でオンにしない限りオフのままの「オンライン認識」だけです。オンにすると、認識モデルが端末にない言語はAppleのサーバーで認識され、インターネット接続が必要になります。モデルがインストール済みの言語は、そのまま端末内で認識されます。Androidでは、VoiceScrollは初期設定でオンデバイス認識を要求し、自らサーバー側の認識エンジンを選ぶことはありません。選んだ言語を端末が音声の送信によってしか認識できない場合、アプリは黙ってそうする代わりにその旨をお知らせします。その言語では「オンライン認識」を試すこともでき、その場合は音声がGoogleに送信され、インターネット接続が必要になります。

「オンデバイス」が実際に意味すること

音声認識には2つの方式があります。クラウド認識は音声をサーバーへストリーミングし、そこで文字起こしをしてテキストを返します。オンデバイス認識はモデルを端末内でそのまま動かすため、理解されるために声が端末の外に出る必要が一切ありません。トレードオフは通常、精度と対応言語の広さです。クラウドモデルの方が大きい傾向にあるためですが、すでに自分で書いた台本を読むテレプロンプター用途なら、オンデバイスでも十分な精度があり、撮影現場の通信状況にも左右されません。

iPhone・iPad: 初期設定ではオンデバイス

iOSでは、VoiceScrollの音声認識リクエストは初期設定でオンデバイス処理を必須とするよう設定されています。ネットワークがたまたま使える状況だからといってアプリが黙って上書きできる「好み」ではなく、リクエスト自体に組み込まれた強制条件です。この初期設定の動作は、VoiceScrollの2つの音声認識エンジン、従来のエンジンとiOS 26で導入された新しいエンジンの両方に共通です。特定の言語のオンデバイスモデルが端末にない場合、アプリは黙ってサーバーに切り替えるのではなくその旨をお知らせし、モデルをダウンロードするか「オンライン認識」をオンにするかを選べます。「オンライン認識」を使うかどうかはセッション開始時に決まるため、セッションの途中でサーバーに移ることはありません。

Android: 初期設定ではオンデバイス、そして明示しておく限界が一つ

AndroidのSpeech APIはiOSとは動き方が違います。Androidにも厳密に端末内だけで動く認識APIはありますが、VoiceScrollをそれ一つに絞ると、一部の端末で実際に認識できているオフラインの経路を失います。そこでアプリはより広い認識サービスの集合を保ったまま、初期設定ではオフラインでないものをすべて拒否します。オンラインでしか動作しないプロバイダは候補リストから完全に外れ、最初の選択でもセッション途中のフォールバック連鎖でも同じです。すべてのリクエストにはオフライン優先が固定されています。端末でその言語が遠隔でしか提供されない場合、アプリは自らサーバーに切り替えて動かす代わりに、開始を止めて理由を説明する音声設定シートを開きます。このシートではその言語について「オンライン認識」を試すこともでき、その場合は音声がGoogleに送信され、インターネット接続が必要になります。

過去のバージョンには正直に触れておくべき本当の抜け穴がありました。当時のアプリはオンデバイスを優先していただけで、遠隔の経路を拒否してはいませんでした。先頭のオフライン認識エンジンがセッション途中で落ちると、開始タイムアウトや無音の監視、非対応言語エラーなどをきっかけに、フォールバック連鎖がオンラインのプロバイダに届くことがあり、オフラインフラグを外してリクエストを組み直し、残りの収録を画面表示なしにGoogleの音声サービスへ引き渡していました。これはバージョン1.10.1で修正されました。現在はアプリが認識エンジンを選ぶすべての箇所でオンラインのプロバイダが除外されるため、フォールバック連鎖の落ち先自体がありません。2026年9月にAndroidに追加された「オンライン認識」はこれとは異なり、自分でオンにしない限り使われず、端末がオフラインで認識できない言語にだけ適用され、セッション開始前に決まるため、セッション途中でサーバーに切り替わることはありません。

そして明示しておくべき限界があります。VoiceScrollは厳密なAPI一つではなくその広い集合を使うため、すべてのリクエストに固定するオフライン優先は、それらの認識サービスが無視しうるヒントであって、プラットフォームの保証ではありません。オンラインのプロバイダを除外し、そのフラグを固定することが、アプリがAndroidで握れる最も強いレバーです。これはアプリ側の保証であり、iOSができる断定的な約束とは異なります。

台本のテキストはどうなるか

音声とは別に、台本のテキストも収集やアップロードはされません。例外はiPhone・iPadの「オンライン認識」だけで、その場合は台本のうち別の言語と判定された語（認識のヒントとして使われます）が音声と一緒にAppleに送信されます。台本は端末にローカル保存され、VoiceScrollの利用にアカウントは不要なので、台本が紐づくサーバー側プロフィール自体が存在しません。動画を録画する場合も同様に、映像と音声は端末上のファイルとして保存されるだけで、どこにもストリーミングされません。

VoiceScrollに限らず、どのアプリでもこう確認する

これはテレプロンプターに限った話ではありません。普段から自分の声を聞き続けるアプリなら、次を確認する価値があります。

• プライバシーポリシーやアプリ説明に「オンデバイス」という具体的な言葉があるか探す。技術的根拠のない「プライバシーを大切にします」だけの記載は、たいてい何の意味もありません。
• ネットワークをオフにしてもアプリが動くか確認する。動くなら、実際にローカルで処理されている強いサインです。
• ローカルで認識できないときにアプリが何をするかを見る。その言語を断ってそう伝えるのも、フォールバックしながらその旨を知らせるのも、どちらも筋が通ります。黙ってサーバーに切り替えることだけは筋が通りません。

結論

iPhoneとiPadでは、初期設定で声は端末の外に出ません。「オンライン認識」をオンにした場合に限り、認識モデルが端末にない言語をAppleのサーバーが認識します。Androidでは、VoiceScrollは初期設定でオンデバイス認識を要求し、自らサーバー側の認識エンジンを選ぶことはありません。ただしAndroidではそれはプラットフォーム側ではなくアプリ側の保証です。端末が遠隔でしか扱えない言語は、サーバーに切り替える代わりにその旨をお知らせし、希望すれば音声をGoogleに送る「オンライン認識」を試すこともできます。どちらの場合も台本は収集されず、これらすべてを自分に結びつけるアカウントは存在しません。