手のひらが「マイク」になる日──GMOペパボと横浜国大、声を出さずに話せるウェアラブルを開発

2026.7.13

AIアシスタントが日常に溶け込むにつれ、「声で操作する」という行為そのものに、私たちは少しずつ不自由さを感じ始めている。満員電車でSiriに話しかける気にはなれないし、オフィスで機密案件を音声入力するわけにもいかない。手術室では声を出しにくく、工場の騒音下ではそもそも声が届かない。

GMOインターネットグループとGMOペパボの研究開発組織「ペパボ研究所（以下、ペパ研）」、横浜国立大学・太田研究室が共同開発した新たなデバイスは、この「声を出す」という前提を静かに覆す可能性を持っている。

6月9日、同研究チームグループの研究成果が国際学術誌「Advanced Intelligent Systems（Wiley）」に掲載された。発表されたのは、声を出さずに言葉を認識できる手装着型の柔らかい筋電位（Electromyography、EMG）インターフェース。指先を口元に近づけるだけで、口周辺のごく微細な筋肉の変化を機械学習が解析し、単語を読み取る──いわば「無音のマイク」だ。

なぜ「サイレント音声認識」がいま注目されるのか

サイレント音声認識（Silent Speech Recognition、SSR）は、新しい概念ではない。MITメディアラボの「AlterEgo」プロジェクトをはじめ、Meta（旧Facebook）などのテック大手も関連研究を進めてきた領域だ。だが多くの先行研究は、顔や顎、首にセンサーを常時貼り付ける構成であり、装着負担と見た目の違和感が社会実装の壁になっていた。

研究チームが今回採用したのは、「常時装着」ではなく「オンデマンド型」のアプローチだ。普段は手のデバイスとしてなじませておき、無音で伝えたいときだけ指先を口元にかざす。マスクを少し下げる、メガネを直す──その程度のジェスチャーで無音入力モードに入る、と考えるとわかりやすい。装着性、プライバシー、心理的ハードルという、SSRが長らく抱えてきた三重苦への明快な回答だ。

単語認識精度97.2%──ドローン制御まで実証

今回の研究成果は技術的にも興味深い。指の曲げ伸ばしに追従させるため配線には液体金属を採用し、口元に接触する電極には透明なフレキシブル基板（FPC）を使った。全体は柔らかいエラストマーで封止することで、自然な手指の動きを妨げない構造に仕上げた。

研究の概要と試作デバイス（手装着型の柔らかいEMGインターフェース）

肝心の認識性能は、深層学習モデルによる解析で平均97.2％、ばらつきもわずか±1.3ポイントという高い単語識別精度を達成した。さらに研究チームは、この無発声コマンドを使ったドローンのリアルタイム制御まで実証。「研究室の中だけで完結する話」から「実用デバイスを設計する段階」へと一歩踏み出したといえるだろう。

手術室から工場、AR／VRまで──広がる応用領域

手術中の外科医、騒音下の建設・製造現場、機密保持が求められるオフィス、声を出せない病室、AR／VR環境での「無音チャット」──いずれも音声入力の限界がすでに明らかになっているシーンだ。

そして見落とせないのが、生成AIエージェントの急速な普及だ。AIに話しかける機会が増えるほど、「声を出さずにAIを動かす」という選択肢の価値は相対的に高まる。プライバシーと利便性の両立は、これからのHCI（ヒューマン・コンピュータ・インタラクション）における中心的な論点になるはずだ。

日本発のウェアラブルAIとして

ペパ研は、機械学習・自然言語処理・ヒューマンインターフェースを軸に、人びとの創作とコミュニケーションを拡張する技術を継続的に発信してきた。一方、横浜国立大学・太田研究室は、液体金属や柔らかい導電材料を駆使した先端的なウェアラブル研究で、国内外から評価を受けている。

「ウェアラブル× AI×プライバシー」──今後10年で重要度が増す交差点に、日本発の研究チームが具体的な実装で一歩を踏み出した意義は大きい。研究室レベルの実証から社会実装フェーズへ。サイレント音声認識は、いよいよ「プロダクトの段階」に入る。