Gemini API 連携

Gemini は Ayumi の任意のクラウド文字起こしエンジン2つを支えています。プロンプトで録音を整形する Gemini と、言語・話者・語彙のオプションを持つ Google の文字起こし専用モデル Gemini Transcribe です。どちらも同じキーを使います。自分の API キーを使う BYOK（Bring Your Own Key）方式なので、コストと使用量を完全にコントロールできます。

ヒント

最初から必要なわけではありません。Ayumi はインストール直後からキーもアカウントもなしでデバイス内で文字起こしできます（音声録音 を参照）。逐語の文字起こしではなく、サマリー・議事録・書き起こした日記といった形に 整形 したくなったとき、あるいは言葉以外に音が伝えていることも残したくなったとき（下記）に Gemini を設定してください。

Gemini は言葉以外も聞いている

AI の音声メモツールの多くは2段階で動きます。まず文字起こしエンジンが音声を言葉に変え、そのあと言語モデルがその言葉を書き直します。足音、雨音、駅のアナウンス、隣の部屋で歌う子どもの声、自分の声の調子など、言葉でなかったものは AI に届く前に消えてしまいます。

Gemini エンジンは、この1段目を飛ばします。Ayumi は録音そのものをプロンプトと一緒に Gemini に送り、マルチモーダルモデルである Gemini が音声を直接聞きます。そのため、音からしかわからないことをプロンプトで頼めます。

音声に含まれるもの	Gemini が書き取れることの例
背景の音	外を歩いている、カーナビの案内が流れる車内、雨、混んだ駅
他の人の声	誰かに話しかけられた、ポッドキャストやラジオが流れている（自分の言葉とは分けて扱われます）
自分の声	ひそひそ声、急いでいる、疲れている、弾んでいる

音声日記で真っ先に薄れるのは、たいてい「何を話したか」ではなく「どこにいて、どんな時間だったか」のほうです。文字起こし専用のエンジンはテキストしか返さないので、これを取り戻せません。残したい場合は、プロファイルのプロンプトに1行足します。

文字起こしのあとに「## 状況」の見出しを付け、音声から聞き取れる場面を1〜2文で書いてください。
話し手がいそうな場所、背景の音、他に話している人、声の調子を含めてください。

Ayumi は位置情報や天気を Gemini に送りません。それらは Ayumi がエントリーのフロントマターに自分で記録します。Gemini が書く場面の説明は、音とプロンプトだけから来ています。

場面の説明は Gemini の推測です

場面の説明は音から推測したものです。間違うこともあり、同じ録音を文字起こしし直すと変わることもあります（たとえば地名が別のものになる、など）。記録というより彩りとして扱ってください。音声はエントリーに添付されたままなので、確かめたいときは聞き直せます。また、背景に入った他の人の声も、あなたの声と一緒に Google に送られます。

これはプロンプトを使う Gemini エンジンの話です。Gemini Transcribe は、オンデバイスや他の文字起こしエンジンと同じく、文字起こしだけを返します。

Gemini API キーの取得

1. Google AI Studio にアクセス
2. Google アカウントでサインイン
3. API キーを作成 をクリックし、Ayumi 用のプロジェクトを作ってキーを作成
4. キーをコピー

キーの作成から課金の設定までを画面ごとに説明した Gemini API キーの取り方（画像つき） もあります。

注意

API キーは秘密にしてください。公開しないようにしましょう。

Google によるデータの扱い

Ayumi が送る音声やプロンプトを Google がどう扱うかは、API キーの属する Google Cloud プロジェクトで課金（請求先アカウント）が有効かどうかで決まります。キーをどこで作成したかは関係ありません。これは Ayumi ではなく、Google の Gemini API 追加利用規約（2026-04-28 更新）が定めているルールです。

	無料（Unpaid Services）	有料（Paid Services）
適用される条件	キーのプロジェクトに有効な Cloud Billing アカウントが紐付いていない	キーのプロジェクトが有効な Cloud Billing アカウントに紐付いている。Google AI Studio で作成したキーも含みます
プロンプトとレスポンス	Google のプロダクトや機械学習技術の改善に使われることがあります。人間のレビュアーが読み、注釈を付け、処理することがあります	Google のプロダクトの改善には使われません。禁止されている使用に関するポリシーへの違反を検出・防止する目的でのみ、55 日間ログに記録されます
Google の案内	機密情報や個人情報を送信しないこと	—

規約本文の記載は「限られた期間」だけです。55 日という日数は Google の Abuse monitoring のページ（2026-06-09 更新）にあり、プロンプト、一緒に送ったコンテキスト、レスポンスを、ポリシー違反の検出・防止のために 55 日間保持すると書かれています。このページは有料と無料を区別していないため、無料枠のキーでも 55 日間のログは残ります。この目的で保持されたデータは、ポリシー違反の検出に使うモデル以外の学習には使われません。

欧州経済領域（EEA）、スイス、英国にいる場合は、無料枠を使っていても有料サービスのデータ規約が適用されます。

日記には個人的な内容が多く含まれるため、Ayumi で使うキーのプロジェクトでは課金を有効にすることをおすすめします。プロファイルで Override API Key を設定している場合は、そのキーのプロジェクトも同じです。個人の日記程度の利用なら、通常は費用もわずかです。最新の料金は Google の 料金ページ を確認してください。

Google AI Studio で課金を有効にする

画面ごとの説明は、ガイドの 課金を有効にする を参照してください。

1. Google AI Studio で API keys ページ（または Projects ページ）を開く
2. Ayumi のキーが属するプロジェクトを探し、請求階層 列の お支払い情報を設定 をクリック
3. 既存の請求先アカウントを選ぶか、連絡先と支払い方法を入力して新しく追加する。Google の請求先アカウントを使ったことがない場合は、最初に国を選んで規約に同意します
4. アカウントによって、前払い（5 ドルから）を求められる、前払い（Prepay）と後払い（Postpay）から選べる、または後払いになる、のいずれかです。ここまで済めば、プロジェクトは有料になります

AI Studio の表示言語によっては、ボタンなどの表記が異なる場合があります。

既存のキーはそのまま使えるので、Ayumi 側で変更する必要はありません。前払いでは利用額がクレジット残高から差し引かれ、残高がゼロになると、クレジットを追加するか自動チャージを有効にするまで Gemini へのリクエストが失敗します。オンデバイスの文字起こしはどちらの場合も使えます。詳しくは Google の 課金ガイド を参照してください。

Ayumi での設定

macOS

1. Ayumi > 設定（または Cmd+,）を開く
2. 文字起こし タブに移動
3. Gemini セクションに Gemini API キーを貼り付け
4. Gemini のプロファイル（Clean Transcript など）に★を付けて既定にするか、録音ごとに選ぶ

iOS

1. ジャーナル右上の その他 ボタン（…）から 設定 > 文字起こし を開く
2. Gemini セクションに Gemini API キーを入力
3. Gemini のプロファイルに★を付けて既定にするか、録音ごとに選ぶ

Gemini セクションのキーはプロバイダの基本キーです。Gemini と Gemini Transcribe のすべてのプロファイルがこれを使い、プロファイル側で Override API Key を設定した場合だけそのキーで上書きされます（特定のプロファイルだけ別プロジェクトに課金したい場合など）。エンジン・モデル・プロンプト・文字起こしオプションはプロファイルに属します。

キーは入力するそばからデバイスの Keychain に安全に保存されます。保存ボタンはありません。

対応モデル

モデル	説明
gemini-3.8-flash	最新の安定版 Flash。デフォルト
gemini-3.6-flash	ひとつ前の安定版 Flash
gemini-3.5-flash-lite	軽量モデル、より高速で低コスト
カスタム	任意の Gemini モデル ID を入力可能（プレビュー版や提供終了予定のモデルも、Google 側で停止されるまで動作します）

gemini-3.7-flash は Google 側で gemini-3.8-flash に転送されるようになり、2.5 世代のモデルは利用実績のあるアカウントに限定されたため、一覧から外しました。すでにこれらを使っているプロファイルは、カスタムモデルとしてそのまま動作します。利用できるモデル ID は Google の モデル一覧、提供終了日は 非推奨・提供終了スケジュール を参照してください。

新しいモデルを使う

ここに載っているものより新しいモデルを Google がリリースしたら、Ayumi のアップデートを待たずにすぐ使えます。プロファイルエディタで Model を Custom にし、Google の モデル一覧 に載っているモデル ID をそのまま入力してください（例: gemini-3.8-flash。models/ は付けません）。音声入力に対応したモデルを選んでください。

Gemini Transcribe

組み込みの Gemini Transcribe プロファイルが Google の文字起こし専用モデルを言語自動検出・Smart スタイルで使います。★を付けて既定にするか、複製して上記のオプションを設定してください。同じ API キーで動作し、プロンプトは受け付けません。オプションは専用セクションに表示されます。

オプション	値
Language（言語）	自動、または85以上の言語から選択
Style（スタイル）	Smart（整形）または Verbatim（一語一句）
Label Speakers（話者ラベル）	Verbatim のみ、最大8人
Word Timestamps（単語タイムスタンプ）	Verbatim のみ、段落ごとに [mm:ss–mm:ss] の区間
Custom Vocabulary（カスタム語彙）	改行区切りの Markdown ファイル（iCloud Drive など）、プロファイルに入力した語、またはその両方

使用されるモデルは gemini-3.5-transcribe です。各オプションが文字起こしにどう影響するかは 音声録音 を参照してください。

プロファイル

プロファイルはエンジンと「何をさせるか」をひとまとめにしたもので、名前ひとつで設定全体を選べます：

1. 設定 > 文字起こし に移動
2. Add Profile をタップ
3. 名前を付ける
4. Engine を選ぶ（オンデバイス、Gemini、Gemini Transcribe）。Gemini なら Model も選ぶ
5. プロンプトの指示を記述（Gemini の場合）、または言語・スタイル・話者ラベル・追加語彙を設定（Gemini Transcribe の場合）
6. 保存

プロファイルは録音ビューに表示され、ショートカットからも一覧で選べます。初期プロファイルも通常のプロファイルなので、編集・複製・並べ替え・削除が自由にできます。

オンデバイスに戻す

On-device プロファイルに★を付ければ、既定では音声が Google に送信されなくなります。Gemini のキーとプロファイルはそのまま残るので、Gemini のプロファイルを選べば引き続き動き、いつでもエントリーを文字起こしし直せます。

データプライバシー

いずれかの Gemini エンジンの使用時：

• 音声データは処理のために Google のサーバーに送信されます
• Ayumi は最初の API 呼び出し前に同意ダイアログを表示します
• Ayumi のサーバーにはデータは保存されません — API 呼び出しはデバイスから Google に直接行われます
• Google がそのデータをプロダクトの改善に使うかどうかは、キーのプロジェクトで課金が有効かどうかで変わります。Google によるデータの扱い と Google の Gemini API 利用規約 を参照してください