Google Creative Lab、音声翻訳アーキテクチャ Gemma Translator を公開──Raspberry Pi 5 で完全オフライン動作
Raspberry Pi 5 と軽量モデルを組み合わせ、クラウド接続なしでリアルタイム音声翻訳を 80 ドル相当のハードウェアで実現した。
リリース: 2026-08-05 · 読了 3 分記事の要約
1. 核心（What）
- Google Creative Lab は、オフラインで音声翻訳を行う DIY デバイス向けのオープンソースアーキテクチャ Gemma Translator を公開した。
- ハードウェア構成として Raspberry Pi 5 (8GB RAM) やバッテリー、タッチスクリーン、スピーカーなどを採用し、3D プリント用 STL ファイルも提供される。
- AI スタックとして、音声認識に Moonshine、翻訳に LiteRT-LM (Gemma 4 E2B)、音声合成に Kokoro をローカル実行する。
- Gemma 4 E2B は 2-bit/4-bit/8-bit の混合量子化により 1.5GB 未満の RAM で動作し、Moonshine は Whisper Tiny 比で最大 5 倍高速に動作する。
2. 影響（Why）
- エッジ AI の検証コストが劇的に低下: API コストを一切かけずに完全ローカルの多言語音声パイプラインを構築できるため、検証フェーズのインフラ予算を大幅に圧縮できる。
- 国内エッジ開発への波及効果: 工場や医療現場など通信環境が制限される日本の現場向けプロダクトを開発する中小規模の SIer にとって、Raspberry Pi 5 ベースのプロトタイピングの有力なリファレンスになる。
3. 根拠・詳細（How）
- 推論エンジンと量子化の仕組み: LiteRT-LM フレームワークにより gemma4-e2b モデルを制御し、mixed 2-bit/4-bit/8-bit 量子化で 8GB RAM の Raspberry Pi 5 でも 1.5GB 未満のメモリ領域に収める設計。
- 音声認識パイプラインの実装: Moonshine ASR モデルを採用することで、Whisper Tiny と同等の単語誤り率を維持しながら最大 5 倍のスループット向上を達成している。
4. 展望・課題（Next）
- 対応言語とハードウェアの拡張: 今後のアップデートでは対応言語の拡充や、他のシングルボードコンピュータへの移植スクリプトの追加が予定されている。