Even G2 レビュー：話者認識アプリを開発して見えた実力と限界

SECTION 01なぜ Even G2 なのか：「映さない・鳴らさない」設計思想

最初に筆者の立場を明らかにしておきます。筆者は Even G2 向けに話者認識を扱うアプリを開発している個人エンジニアです。つまりこの記事は「量販店で各社の製品を借りて横並びで採点するレビュー」ではなく、毎日このデバイスに向き合ってコードを書いている人間の視点からのレビューです。その分、対象への思い入れによる偏りがあり得ることは先にお断りしておきます。だからこそ、弱点もセクション5でできる限り率直に書きます。

スマートグラスというカテゴリには今、大きく分けて3つの流派があります。カメラとスピーカーを載せて「撮る・聞く」に寄せた音声カメラ型（Ray-Ban Meta が代表）、大画面映像を目の前に映すディスプレイ型（XREAL One Pro などが代表）、そして文字情報の表示に特化した HUD 型です。Even G2 は3つ目の HUD 型に属し、しかもカメラもスピーカーも搭載しないという、現行製品の中でもかなり思い切った設計です。

これは機能の「欠落」ではなく、明確な思想です。カメラがないということは、職場や学校、打ち合わせの席で掛けていても「撮られているのでは」という相手の警戒を生みにくいということです。スピーカーがないということは、音を出すための部品と電力をすべて省けるということです。その結果として、メーカー公称で約36gという、一般的なメガネに近い軽さに収まっています。常時掛けておく前提のデバイスにとって、この軽さと「相手に身構えさせない佇まい」は本質的な価値だと筆者は考えています。

そして「映さない・鳴らさない」設計の帰結として、Even G2 の体験はほぼすべて「視界に文字を出すこと」に集約されます。会話の字幕、翻訳、通知。音声でも映像でもなく、ことばを目で受け取る。当サイトの名前「グラスとことば」は、まさにこの体験を指しています。

SECTION 02ハードウェアの特徴を公称スペックで整理する

まず前提として、本記事に記載するスペックはすべてメーカー公称値・公式発表に基づくものです。筆者は開発者としてデバイスに触れていますが、重量やバッテリーを自前の機材で計測したわけではないため、「実測値」と称する数字は書きません。

表を眺めると、このデバイスの性格がよく分かります。「非搭載」が2行も並ぶスペック表は珍しいですが、その引き算によって約36gという数字と、文字表示への集中が成立しています。翻訳が33言語に対応し、かつ日本語の表示に対応している点は、海外設計のHUD型グラスでは当たり前ではないので明記しておきます（システム言語まわりの細かい注意点は後述します）。

SECTION 03Conversate：話者判別＋リアルタイム字幕を開発者視点で読み解く

Even G2 を語るうえで外せないのが、話者判別とリアルタイム字幕を組み合わせた機能「Conversate」です。会話の内容を文字に起こすだけでなく、「いま誰が話しているのか」を区別して表示する点がこの機能の核です。イメージとしては、視界の隅にこんな字幕が流れる感覚です。

ここで開発者として少し技術の話をさせてください。「文字起こし」と「話者判別」は、似ているようでまったく別の処理です。前者は音声認識（speech recognition）、つまり「何を言ったか」をテキストに変換する技術。後者は話者ダイアライゼーション（speaker diarization）と呼ばれる、「誰がいつ話したか」を音声の特徴から切り分ける技術です。筆者はまさにこの話者認識を扱うアプリを Even G2 向けに開発していますが、この2つを同時に、しかも会話のテンポを壊さない速度で動かすのは、技術的にかなり難易度の高い仕事です。複数人が同時に話す。声質の似た人が交ざる。環境音が被る。現実の会話は、この種の処理にとって意地悪な条件のオンパレードだからです。技術的な背景は話者認識（話者判別）とは何かの解説記事で詳しく書いています。

その難しいタスクを、メーカーが標準機能としてデバイスに統合してきたこと自体が、Even G2 の独自性です。単なる文字起こし字幕であれば「誰の発言か」は文脈から推測するしかありませんが、話者が区別されていれば、複数人の会議や雑談でも会話の構造を目で追いやすくなります。聞き取りに不安がある場面で会話内容を文字で確認する助けになる、という方向の使い方については聴覚サポート・字幕用途の記事で掘り下げています。

SECTION 04Even Hub と SDK：「アプリが増えるメガネ」であることの意味

筆者が数あるスマートグラスの中から Even G2 を開発対象に選んだ最大の理由が、この Even Hub の存在です。Even Hub は Even Realities が展開する開発者プラットフォームで、サードパーティの開発者が Even G2 向けのアプリを作り、配信できる仕組みが用意されています。

これが意味することを、少し引いた視点で考えてみます。スマートグラスの多くは「買った時点の機能がすべて」で、その後はメーカーのアップデートを待つしかありません。一方、開発者プラットフォームを持つデバイスは、メーカーが想定しなかった使い方をサードパーティが開拓していく余地があります。スマートフォンがアプリストアの登場で化けたのと同じ構造です。もちろん、スマートグラスのアプリ市場はまだ生まれたばかりで、スマートフォンのような厚いエコシステムが育つかは未知数です。それでも「プラットフォームとして開かれているか、閉じているか」は、数年単位でデバイスを使うつもりなら無視できない分かれ目だと筆者は考えています。

開発者の目線で付け加えると、HUD 型グラスのアプリ開発は「画面が緑単色・文字中心・視界の隅」という強い制約の中で何を表示し、何を表示しないかを決める作業です。スマートフォンアプリとは設計の頭の使い方がまるで違い、これはこれで面白い領域です。開発環境のセットアップや具体的な始め方はEven G2 アプリ開発入門として別記事にまとめているので、手を動かしたい方はそちらをどうぞ。

SECTION 05緑単色表示・フィット・国内流通という制約も率直に

ここまで良い面を中心に書いてきたので、制約も同じ温度で書きます。毎日触っているからこそ言える「ここは割り切りが必要」という点が3つあります。

まず、表示は緑単色の文字情報に限られます。Even G2 のHUDは緑単色表示なので、写真や動画を見る用途にはそもそも使えませんし、色で情報を区別するような表現もできません。動画視聴や大画面作業が目的なら、これは弱点というより「カテゴリ違い」で、ディスプレイ型の XREAL One Pro などを検討すべきです。ただ、文字を読むという一点においては、単色であることは致命的ではありません。割り切れるかどうかが購入判断の最初の分岐点です。

次に、日本人の顔へのフィットに懸念が残ります。前世代の Even G1 に対しては、欧州設計のため日本人の顔には合いにくいというレビュー上の指摘が複数ありました。G2 で同じ問題がそのまま残っているとは断定しませんが、欧州メーカーの設計である以上、鼻パッドの高さや横幅の感覚が国産メガネとは異なる可能性は念頭に置くべきです。メガネは数ミリのズレが快適性を大きく左右する道具なので、この論点は日本人の顔に合うスマートグラスの記事で独立して扱っています。

そして、国内の流通経路が限定的です。Even G2 は日本で購入可能ですが、家電量販店の店頭にずらりと並ぶような流通状況ではありません。実物を試着できる機会が限られるというのは、フィットの懸念と掛け算で効いてくる制約です。また、システム言語まわりが欧州中心の設計である点など、日本語環境での細かな使い勝手には注意点が残ります（翻訳・字幕の日本語「表示」には対応しています）。

これらはいずれも「製品が悪い」という話ではなく、表示特化・欧州設計・新興メーカーという Even G2 の成り立ちから来る構造的な制約です。逆に言えば、この3点を理解したうえで選ぶ人にとっては、期待外れになりにくいデバイスだとも言えます。

SECTION 06Even G2 はどんな人に向くか

最後に、開発者としてこのデバイスと付き合ってきた立場から、向き不向きを整理します。

向いているのは、「会話やことばを文字で受け取りたい」という目的がはっきりしている人です。具体的には、会議や多人数の会話を字幕で追いたい人、翻訳字幕を日常の道具として使いたい人、カメラ付きデバイスを身に着けることに（自分や周囲が）抵抗を感じる人、そして Even Hub のアプリエコシステムに将来性を感じる開発者あたりでしょうか。約36g（公称）という軽さは「結局使わなくなる」リスクを下げる要素でもあります。

逆に向いていないのは、映像体験を求める人です。動画視聴・ゲーム・大画面作業が主目的なら、緑単色HUDの Even G2 ではなくディスプレイ型を選ぶべきです。また、試着せずにメガネを買うことに強い不安がある人は、フィットの論点を先に確認しておくことをおすすめします。カメラ・スピーカー型の Ray-Ban Meta（Gen 2）とどちらが「ことば」用途に向くか迷っている方は、字幕・翻訳・聴覚サポートの一点で並べたEven G2 vs Ray-Ban Meta 比較記事もあわせてご覧ください。

スマートグラスはまだ「全員に1台」の段階にはありません。しかし Even G2 は、機能を足すのではなく削ることで「ことばを目で受け取る」という一点を成立させた、現時点で数少ない筋の通ったデバイスだと筆者は評価しています。話者判別付きのリアルタイム字幕という、技術的に最も難しい部分に正面から取り組んでいる点も含めて、このカテゴリの行き先を占う一台です。

SOURCES主な参照元