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の音声認識が端末の外に出ることはありません。たまにでも、フォールバックとしてもです。アプリはオンデバイス処理を強制しており、音声をサーバーへ送るコードパス自体が存在しません。AndroidでもVoiceScrollはサーバー側の認識エンジンを選びません。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、その言語はこの端末では使えないとお知らせします。

「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原稿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: 例外なくオンデバイスのみ

iOSでは、VoiceScrollの音声認識リクエストは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。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、モデルのダウンロードが必要だと案内します。これは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。

Android: オンデバイスのみ、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、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。

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。

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。

原稿のテキストはどうなるか

音声とは別に、原稿のテキストも収集やアップロードはされません。原稿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、原稿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、声は端末の外に出ません。例外なしです。AndroidでもVoiceScrollはサーバー側の認識エンジンを選ばず、端末が遠隔でしか扱えない言語は断ります。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。どちらの場合も原稿は収集されず、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。