Googleの新特許、閲覧履歴や記事をAIが通勤用ポッドキャストに自動生成

Googleが出願した特許出願「US 2026/0360349 A1」が、2026年11月12日に公開されました。ユーザーが選んだ記事や写真、閲覧履歴などをもとに、AIが合成音声でポッドキャストを作る仕組みです。この記事では、特許の内容と、指摘されている課題を整理します。

Googleの特許出願「US 2026/0360349 A1」の概要

特許分析サイトのPatentlyzeが、Google LLCの特許出願を紹介しています。ユーザーが読んでいるコンテンツから、ポッドキャストなどの音声を作る技術に関するものです。出願日は2025年5月6日で、2026年11月12日に公開されました。

  • 公開番号:US 2026/0360349 A1
  • 出願人:Google LLC
  • 発明者:Clement Dickinson Wright氏、Sarah Fay Smith氏、Daniel Paik氏、Rosemary Margaret La Prairie氏
  • 出願日:2025年5月6日
  • 公開日:2026年11月12日
  • 米国特許分類:704/251
  • 審査官:Zeeshan Mahmood Shaikh氏(Art Unit 2658)
  • 請求項:20項、図面:18枚

審査の状況です。2026年9月23日に審査官が異議(objections)を示しており、出願人はこれに応答できます。

読んでいるコンテンツをAIが「番組」に変える発明

この発明は、ユーザーが選んだコンテンツをもとに、ポッドキャストのような音声を作るシステムです。ユーザーは、写真や記事の一部を丸で囲んだり、ハイライトしたりして対象を指定します。音声や文字でプロンプトを入力することもできます。

指定を受けると、AIが番組を作り、音声にします。番組は多くの場合、合成音声のホストと専門家による構成になります。

このシステムは、閲覧履歴、位置情報、カレンダーのデータといったコンテキスト(文脈情報)も使えます。たとえば、ナビゲーションで45分の運転が予定されているなら、その時間に収まるように音声の長さを調整できるとされています。

「コンテンツ」「ユーザー入力」「コンテキスト」の3要素で生成

請求項1では、音声を作るための入力が次の3つの要素で構成されると書かれています。

  • コンテンツ:画像、テキスト、音声、動画
  • ユーザー入力:プロンプト、タップ、丸で囲む操作、スワイプ
  • コンテキスト:使用中のアプリ、検索履歴、位置情報、時間帯

これらの入力を機械学習モデルに渡すと、モデルが入力内容に合わせた合成音声を作ります。「何について」「どんな指示で」「どんな状況で」という3つの情報を組み合わせて音声を作る仕組みです。

音声を最適化する4つの機能

出願書類には、音声の内容や聞きやすさを高めるための機能も書かれています。

物体認識

写真に写っている建物や絵画、動物などを見分け、それを題材にした音声を作ります。

検索拡張生成(RAG)

元のコンテンツにない関連情報を、文書やWebページから検索して取り込みます。

トーン・テンポ・読解レベルの調整

話し方のスタイル、ペース、語彙を調整します。ペースは朝は速め、夕方は遅めにできます。また、子ども向けにはより簡単な言葉を使う例が挙げられています。

再生時間の調整

カレンダーやナビゲーションのデータを使って、音声の長さを決めます。

ナレーションからフィクションまで、多様な出力形式

出力形式は次のとおりです。ナレーター1人の語り、ホストと専門家のペア、パネルディスカッション、インタビュー、ドキュメンタリー、ニュース形式のまとめ、効果音付きのフィクションが挙げられています。

出願書類には具体例も載っています。ホッキョクグマをテーマにしたポッドキャスト、都市のスカイライン写真から作る超高層ビルの歴史番組、音楽プレイリストから作るドキュメンタリーなどです。また、本人の声の音声データを学習に使う場合は、その人の同意が必要だと書かれています。

Patentlyzeが指摘する3つの課題

Patentlyzeはこの技術を、読みかけの記事や開いたままのブラウザタブを音声に変え、通勤や料理、散歩の時間に聞けるようにする手段として紹介しています。そのうえで、主な課題(トレードオフ)を3つ挙げています。

プライバシー

パーソナライズの精度を高めるほど、カレンダー、位置情報、閲覧履歴、場合によっては音声データへのアクセスが必要になります。

正確性

合成音声のホストは、内容が間違っていても自信があるように聞こえるおそれがあります。また、音声では、確かめられる出典が示されません。出願には検索で外部の情報源を加える仕組みがありますが、事実をどう検証するのかは具体例から読み取れない、と記事は指摘しています。

権利範囲

請求項の範囲は広く書かれています。審査官の最初の拒絶は通常の手続きの範囲内で、最終的な権利範囲はまだ決まっていません。

まとめ:利便性と個人データ提供のバランスが焦点

今回のGoogleの特許出願は、写真や記事、閲覧履歴などをもとに、ポッドキャスト形式の音声をAIが自動で作るというものです。音声の長さや話し方は、ユーザーの状況に合わせて変わります。Patentlyzeは、通勤時などにはこの便利さに価値があるかもしれないとしています。一方で、本当に問われるのは、ユーザーが個人データの利用をどこまで許すかだ、という見方を示しています。

なお、本件は公開された特許出願で、まだ審査中です。製品として提供されるかどうかは、元記事では触れられていません。

参照元:https://patentlyze.com/patent/google-ai-podcasts-built-what-you-read/