音声で AI に指示を出す使い方を、筆者はこれまで採用してこなかった。認識の取りこぼしを直す手間が、話して済ませた時間を食い潰すからだ。2026年7月23日に Claude の音声モードが Opus / Sonnet に対応し、会話中にコネクタも呼べるようになった。この変更で、判断の前提が1つ変わった。
目次
7月23日の変更点
有料プランの音声モードが Haiku 固定をやめた。直前のテキスト会話で選んでいたモデルを引き継ぎ、会話の途中で切り替えることもできる。無料プランは Haiku のままになる。
| 項目 | 変更前 | 変更後（有料プラン） |
|---|---|---|
| 使えるモデル | Haiku 固定 | Opus / Sonnet / Haiku（会話中に切替可） |
| コネクタ実務で効く | 音声からは呼べない | Gmail・Slack・Google カレンダーなどを音声のまま呼べる |
| 対応言語 | 限定的 | 日本語を含む11言語（言語拡張は無料プランにも適用） |
| 提供範囲 | iOS / Android / デスクトップ / Web。会話はテキストと同じ使用量枠を消費 | |
日本語対応については、自動で言語を判別する仕組みではない。設定で言語を選ぶか、会話の中で切り替えを指示する必要がある。英語以外はベータ扱いとされている。
文字起こしと音声モードは用途が違う
音声まわりの話題を追っていると、認識（音声→文字）と対話（音声で AI を動かす）が同じ話として語られやすい。筆者はWhisper で文字起こしアプリを作って使い続けているので、この2つの差は体感としてはっきりしている。
文字起こしは記録が目的になる。会議やインタビューを後から読み返せる形にする作業で、正確さがすべてだ。固有名詞が1つ間違っていれば直す。ローカルで動かせるので、外に出せない音声も扱える。
音声モードは実行が目的になる。話した内容がそのまま処理につながる。今回コネクタが呼べるようになったことで、この性格がはっきりした。予定を確認して、メールを要約して、必要なら変更まで進む。記録は残っても、それは会話の副産物になる。
例えるなら、前者は議事録係で、後者は秘書だ。議事録係に「明日の予定を空けておいて」と言っても記録されるだけで、何も起きない。
使い始める前に整える2つの設定
音声モードは、話しかける前の準備で使い勝手が決まる。自動で言語を判別しない仕様なので、設定を開いて日本語を選ぶ工程が入る。会話の途中で切り替えを指示することもできる。
もう1つはコネクタの棚卸しになる。音声から呼べる範囲は、接続済みのコネクタで決まる。過去につないだまま使っていないサービスが残っていれば、外しておきたい。音声で操作する場面では、対象を取り違えたときの確認が甘くなりやすい。
筆者の場合、カレンダーとメールは残して、それ以外は必要なときにつなぐ形にしている。常時つないでおく理由がないものを減らすと、音声で何ができるかが自分の頭の中でも整理される。
日本語で使うときに確かめる点
日本語対応が入ったといっても、技術的な会話で使えるかは別に確かめたい。筆者が試すなら次の3点を見る。
英略語と製品名。「MCP」「WordPress」「ステートレス」あたりが、話し言葉として認識されるか。認識が崩れると、指示そのものが別の意味になる。
言語の切り替え。日本語で話しながら英語のコマンド名やファイル名が混ざる場面は多い。自動判別が無い仕様なので、混在をどう扱うかは実際に話してみないと分からない。
コネクタ実行前の確認。予定の変更やメール送信のように、外に影響が出る操作でどんな確認が入るか。音声だと画面を見ていないことも多いので、ここは慎重に確かめたい。
コネクタを音声から呼ぶということ
今回の更新でいちばん性格が変わったのは、コネクタまわりだ。Gmail・Slack・カレンダーに音声からつながる。予定の確認や要約で止まらず、確認のうえで変更まで進む。
ここは慎重に扱いたい。テキストで指示を出しているときは、実行前の確認が画面に出る。読んでから承認できる。音声だと、画面を見ていない場面が前提になる。読み上げられた内容を耳で聞いて判断することになる。運転中や歩いている最中なら、なおさら注意が散る。
筆者が気にしているのは、聞き逃したときの結果だ。予定の削除やメールの送信は、取り消しがきかない操作になる。「はい」と答えた対象が、自分の思っていたものと同じかどうか。テキストなら見返せるが、音声は流れていく。
試すときは、影響が出ない操作から始めるつもりでいる。予定の確認、未読メールの件数。ここで確認フローの出方を掴んでから、変更を伴う操作に進めばいい。順番を逆にすると、仕組みを理解する前に外へ影響が出る。
無料プランとの差
モデルを選べるのは有料プランで、無料プランは Haiku のままになる。言語の拡張は無料プランにも適用されるので、日本語で話せる点は共通だ。
この差の意味は、用途で変わる。短い問い合わせや読み上げなら、Haiku で困る場面は少ない。設計の相談を音声でしたいなら、モデルを選べることが前提になる。
音声会話がテキストと同じ使用量枠を消費する点も、プランの選択に効く。長時間話す使い方をするなら、枠の消費速度を一度測っておきたい。
モデルを選べることの意味
Haiku 固定だった頃の音声モードは、用途が「軽い問い合わせ」に限られていた。上位モデルを選べるようになると、話しながら設計の相談をする使い方が視野に入る。
ただし、筆者はモデルを常に最上位にする運用をしていない。難度で使い分けるのが既定で、音声でも同じ基準を持ち込むつもりだ。予定の確認や短い質問に Opus を割り当てる理由はない。
音声会話はテキストと同じ使用量枠を消費する。話している時間が長いほど、やり取りの回数も増える。上位モデルで長く話すと、体感より枠を使う点は頭に置いておきたい。
筆者ならどこで使うか
デスクの前にいるときは、これまで通りテキストで指示を出す。手が空いていて画面も見えるなら、打ったほうが速いし、出力を読み返せる。
使い道があるとしたら、手が塞がっている場面だ。移動中に予定を確認する、作業しながら仕様の要点を聞く。ここはコネクタが効いてくる。カレンダーとメールを音声で確認できるなら、机に戻る前に判断が終わる。
実装作業そのものを音声で進める使い方は、当面しない。AI の出力は読んでから受け取る前提で使っているので、コードを耳で受け取っても検算にならない。読める形で残るテキストのほうが、後から見返せる。差分を目で追えることの価値は、話す速さでは埋まらない。
この線引きは、文字起こしツールを作ったときの経験に近い。音声から作った文章は、必ず目で確認する工程を挟む前提で組んだ。耳だけで完結させると、聞き逃しに気づけない。
よくある疑問
日本語の認識精度はどの程度か。英語以外はベータ扱いとされている。技術用語や英略語が混ざる会話でどう振る舞うかは、自分の話し方で試すのが早い。1分ほど話して、聞き返される回数を数えれば見当がつく。
会話の途中でモデルを切り替える意味はあるか。ある。軽い確認を Haiku で進めて、込み入った相談になった時点で上げる使い方ができる。切り替えの手間より、枠の消費を抑えられる効果のほうが大きい場面がある。
文字起こしアプリは不要になるか。用途が違うので、置き換えにはならない。会議の記録を残したいなら、ローカルで動く文字起こしのほうが向く。音声モードは、その場で処理を進めたいときの手段になる。
コネクタの権限はどこまで渡るか。接続済みのコネクタが対象になるので、事前にどれをつないでいるかを確認しておきたい。使わないコネクタを外しておけば、音声から触れる範囲もそのぶん狭くなる。
まとめ
音声モードの更新で変わったのは、話しかけたあとに何が起きるかだ。モデルが選べるようになり、コネクタが呼べるようになったことで、音声は入力手段から実行手段へ移った。
使うかどうかの判断は、手が空いているかで決まる。画面の前にいるならテキストが速い。手が塞がっている時間が長い人ほど、今回の変更は効いてくる。通勤や移動が長い人、作業しながら確認したい場面が多い人が該当する。
試すなら、まず自分の予定を1つ音声で確認するところから始めるといい。コネクタの確認フローがどう出るかが、その1回で分かる。読み上げられる情報の量と速さが自分に合っているかも、同時に判断できる。合わないと感じたら、そこで止めればいい。使わない機能を無理に運用へ組み込む理由はない。
