翻訳テクノロジーは過去15年間、同じ仕組みで動いてきた。あなたの言葉がサーバーに送られ、処理され、翻訳されて戻ってくる。Google Translate、DeepL、Pocketalk、iTranslate——すべてがこのパターンに従っている。あなたのスマートフォンはマイクとスクリーンに過ぎず、実際の作業はどこか別の場所で行われている。
このモデルは、もうすぐ崩壊する。
クラウド翻訳が悪いからではない。それは驚くほど優れている。Google Translateは249言語に対応し、DeepLは人間が書いたかのような自然な文章を生み出す。これらは本物のエンジニアリングの成果だ。
しかし、クラウドモデルにはサーバー側をどれだけ改善しても解決できない3つの問題がある。そして、スマートフォン上で直接動作する新世代のAIが、それらの問題を無意味にしようとしている。
問題1：インターネットがなければ翻訳もない
クラウド翻訳モデル全体が、あなたがオンラインであることを前提としている。その前提は、現実の生活では常に崩れる。
地下鉄。山間部。フライト中。発展途上国。地下室。基地局が混雑した大規模イベント。翻訳が最も必要な瞬間——見知らぬ場所で迷子になったとき、標識を読もうとするとき、あなたの言語を話さない人と意思疎通しようとするとき——こそ、インターネットが最も信頼できない瞬間だ。
翻訳デバイス業界はこの問題が存在しないかのように振る舞っている。Pocketalkは$350もするのに、すべての翻訳にインターネットが必要だ。Vascoは$389〜$489で、同様にクラウド専用だ。これらは旅行者向けに販売されている$300超のデバイスでありながら、電波が届かないとただの文鎮と化す。
Google Translateはオフライン言語パックを提供しているが、品質は目に見えて低下する。複雑な文章、慣用句、文脈に依存するフレーズは正確に訳せない。オフラインモードはあくまで代替手段であり、真の機能ではない。
Appleはこの問題を早い段階で理解していた。Apple Translateは品質を落とすことなく、完全にオンデバイスで動作する。しかしAppleがサポートするのは20言語のみ——旅行者が実際に必要とする言語のほんの一部だ。
本当の解決策は、より良いオフラインの代替手段ではない。オンデバイスをバックアップではなく、主要モードにすることだ。
問題2：プライベートな会話がプライベートでない
クラウド翻訳を使うたびに、あなたの言葉は他人のサーバーへと送られている。人々が実際に何を翻訳するか考えてみてほしい。
医療症状や診断内容。法的文書や契約書。ビジネス交渉や戦略。入国管理書類。家族へのプライベートなメッセージ。政府の書類。
Googleのプライバシーポリシーは、翻訳テキストを「サービス改善」のために使用することを認めている。Microsoftは追跡なしポリシーを主張しているが、データは処理のためにデバイスを離れる。Yandexはロシアのデータ共有法の適用を受けるロシアのサーバーで処理しており、2023年のソースコードリークでは家庭のプロファイリングが明らかになった。
2024年、あるドイツの病院が患者記録にGoogle Translateを使用したスタッフのせいで、GDPRに違反したとして46万ユーロの罰金を科された。翻訳は医療上必要だったが、規制当局は容赦しなかった。明示的な同意なしに識別可能な健康データを米国のテック企業に送ることは法律違反とみなされたのだ。
これは例外的なケースではない。構造的な問題だ。翻訳がデータをサーバーに送信することを必要とする限り、すべての機密翻訳は潜在的なコンプライアンス違反、プライバシー漏洩、信頼の侵害となる。
解決策はより良いプライバシーポリシーではない。ポリシーは変更される可能性がある。解決策は、データがデバイスを物理的に離れることを不可能にするアーキテクチャだ。
問題3：あなたのスマートフォンがすでに代替できる$300のハードウェア
専用翻訳デバイス市場——Pocketalk、Timekettle、Vasco、iFlytek——は2018年には意味のあった前提の上に成り立っている。スマートフォンは翻訳モデルをローカルで実行するほど強力でなかったため、専用ハードウェアが必要だったという前提だ。
その前提はもはや死んでいる。
今あなたのポケットにあるスマートフォンには、AIモデルを実行するために特別に設計されたニューラルプロセッシングユニット（NPU）が搭載されている。AppleのA17 ProとMシリーズチップは、3年前はサーバー専用だった速度でCorMLモデルを実行する。QualcommのSnapdragon 8 Gen 3とMediaTekのDimensity 9300には専用AIアクセラレーターが含まれている。2025年のミッドレンジスマートフォンでさえ、量子化言語モデルを実行できるNPUを搭載している。
$350のPocketalkは必要ない。$389のVascoも必要ない。別のデバイスを持ち歩いて、充電して、管理する必要はない。必要なハードウェアはすでにあなたのポケットの中にある。
唯一欠けているのはソフトウェアだ。そして、それは急速に変わりつつある。
何が変わったのか：オンデバイスAIの閾値
2024〜2026年に3つのことが重なり、オンデバイス翻訳を実現可能にした。
モデルが十分に小さくなった。 Googleの20億パラメーターのGemma、さまざまなサイズのWhisper、NVIDIAのParakeet——これらのモデルはスマートフォンのメモリに収まりながら、本番環境品質の結果をもたらす。量子化技術（INT4、INT8）により、品質損失を最小限に抑えながらメモリ要件を半分に削減できる。良好な翻訳のために700億パラメーターのモデルはもはや必要ない。
フレームワークが成熟した。 Apple CoreML、Google LiteRT（TensorFlow Liteの後継）、MetaのExecuTorch、sherpa-onnxなどのコミュニティツールにより、「スマートフォンでAIモデルを実行する」ことが研究プロジェクトから本番環境の機能へと変わった。ツール、ドキュメント、エッジケースへの対処——すべてが揃っている。
ハードウェアが追いついた。 NPUはフラッグシップ専用ではなく、今やスマートフォンの標準になっている。2025年のミッドレンジスマートフォンは、量子化された20億パラメーターモデルを実用的な速度で実行できる。モバイルGPU推論（iOSではMetal、AndroidではVulkan）は、強力なNPUを持たないデバイスのギャップを埋める。
その結果、スマートフォン上のアプリが、5年前はデータセンターが必要だったことを実行できるようになった。
オンデバイス翻訳の実態
オンデバイス翻訳はクラウド翻訳の劣化版ではない。正しく実装されれば、根本的に異なる製品だ。
どこでも機能する。 WiFiも電波も不要。飛行機の中、農村の村、地下のマーケット、地下鉄——自宅で得られるのと同じ品質がどこでも得られる。「オンラインモード」から退却する必要がないため、「オフラインモード」は存在しない。
あなたのデータはあなたのもの。 プライバシーポリシーのせいではなく、サーバーが存在しないからだ。音声はあなたのスマートフォンで認識され、テキストはあなたのスマートフォンで翻訳され、カメラ撮影はあなたのスマートフォンで処理される。データはデバイスを物理的に離れることができない。
インフラなしでグループ会話が機能する。 クラウドベースのグループ翻訳には全員のインターネット接続とサーバーが必要だ。BluetoothメッシュによるオンデバイスAI翻訳により、人々はスマートフォン同士で直接接続でき、それぞれが自分の言語でメッセージを確認できる。サーバー不要。WiFi不要。単一障害点なし。
画面翻訳が可能になる。 翻訳エンジンがローカルで動作すると、スマートフォン上のあらゆるアプリ——メッセージ、ゲーム、ニュース、ストリーミング字幕——のテキストをシステムオーバーレイとして翻訳できる。クラウド翻訳ではこれはできない。画面をキャプチャしてアップロードする必要があるからだ。
ファイル文字起こしが即座かつプライベートになる。 録音された会議、音声メッセージ、他の言語のポッドキャスト——すべてデバイス上で文字起こし・翻訳される。誰かのサーバーに音声ファイルがアップロードされることはない。
これは仮説ではない。Traverbaのようなアプリがすでにこれらすべての機能を完全にオンデバイスで出荷しており、音声、カメラ、画面翻訳、オフライングループチャットにわたって108言語をサポートしている。Apple Translateは20言語でこれを実現している。MetaのSeamlessM4Tモデルは、将来のオンデバイス製品を支える音声から音声への翻訳を実行する。
敗者は誰か
翻訳デバイス企業。 既存のスマートフォン上の無料アプリが同じこと（またはそれ以上）をオフラインで実現できるとき、$300超の専用デバイスの価値提案は消える。ハードウェアの残る利点はバッテリー寿命と専用の物理ボタンのみ——ほとんどの人にとって価格を正当化するには不十分だ。
データを収益化するクラウドファーストの翻訳アプリ。 翻訳アプリの無料プランがユーザーデータでモデルを改善することで成り立っているなら、オンデバイスの代替手段はその価値交換を取り除く。ユーザーは費用なしでプライバシーを得る。
文字単位で課金するエンタープライズ翻訳API。 翻訳がローカルで動作すると、文字単位のコストはない。APIコールがなければAPIの請求もない。毎月数百万語を翻訳する企業にとって、その節約は大きい。
勝者は誰か
旅行者。 WiFiがある場合だけでなく、あらゆる状況で機能する翻訳。
プライバシー意識の高いユーザー。 医療従事者、弁護士、ビジネス交渉担当者、ジャーナリスト、移民——機密コンテンツを翻訳しても、それが他人のサーバーに残ることを望まないすべての人。
新興市場。 インターネットアクセスが高価、不安定、または監視されている地域では、オンデバイス翻訳が接続の壁を完全に取り除く。
アクセシビリティ。 リアルタイムのオンデバイス翻訳により、聴覚障害者・難聴者、行政サービスを利用する移民、テクノロジーに不慣れな高齢者のコミュニケーションが可能になる——データプランを必要とせずに。
言語保存。 クラウドサービスが経済的に成立するために必要な大規模なトレーニングデータセットがなくても、少数言語や消滅危機言語をローカルモデルでサポートできる。モデルがオンデバイスで動作すれば、10万人が話す言語をサポートすることは1億人が話す言語と同様に実現可能だ。
移行はすでに始まっている
AppleはiOS 14（2020年）でオンデバイス翻訳をシステム機能にし、それ以来オンデバイスを維持してきた。言語数よりもプライバシーとオフラインの信頼性を選んだ。それはシグナルだった。
Googleは様子見をしている。新しいGemini搭載のLive Translate機能はPixelスマートフォン上で一部オンデバイスで動作する。クラウドを捨てているわけではないが、オンデバイス機能への投資は明らかだ。
MetaはSeamlessM4Tをオープンソースモデルとしてリリースした。これは音声から音声への直接翻訳が可能で、MetaのRay-Banスマートグラスでも動作している。このモデルはオンデバイスで動作するように設計されている。
独立した開発者たちが、完全なオンデバイスAI翻訳を備えた本番アプリを出荷している。Traverbaは音声、カメラ、画面翻訳、多人数オフライングループチャットで108言語をサポートし、すべてスマートフォンのプロセッサー上で動作し、クラウド依存はない。
クラウドがなくなることはない。接続が安定した環境でのレアな言語ペア、専門分野、最高品質には引き続き最良の選択肢であり続けるだろう。しかし、日常的な翻訳の現実——会話、メニュー、標識、メッセージ、会議——においては、オンデバイスがより良い選択肢になりつつある。
あなたにとっての意味
翻訳ツールを定期的に使用しているなら、オンデバイスオプションを試して、品質があなたのニーズを満たすか確認してほしい。一般的な言語ペアのほとんどで、満たされるだろう。
医療、法律、金融、または翻訳されたコンテンツが機密性を持つ可能性のある分野で働いているなら、翻訳ツールを監査してほしい。機密コンテンツのクラウド翻訳は、オンデバイスの代替手段が排除するコンプライアンスリスクだ。
翻訳を含む製品を構築しているなら、クラウドAPIが依然として正しいアーキテクチャかどうか考えてほしい。オンデバイス推論はスケールでは安価で（コール単位のコストなし）、オフラインで動作し、利用規約の更新で取り消せないプライバシー保証をユーザーに提供する。
2026年に$300超の専用翻訳デバイスを購入しようとしているなら、自問してほしい：これはスマートフォンにできないことをするのか？
クラウド時代の翻訳は驚くべき進歩をもたらした。24億人の人々が無料で249言語を利用できるようにした。それは重要だ。
しかし次の時代——プライベートで、オフラインで、どこでも誰でも使えるオンデバイス翻訳——はすでにここにある。モデルは十分に優れており、スマートフォンは十分に速い。残る問いは、業界がどれだけ速く追いつくかだけだ。
Traverbaは音声、カメラ、画面翻訳、オフライングループチャットで108言語をサポートする無料のオンデバイス翻訳アプリです。データはあなたのスマートフォンを離れません。Google PlayとApp Storeでご利用いただけます。詳細はtraverba.comをご覧ください。