Voice Changer + Apple Intelligence Siri 2.0: Mac セットアップガイド

Apple Intelligence 音声チェンジャー のセットアップは、ほとんどのガイドが相互に排他的として扱う 2 つの異なるオーディオテクノロジーの交点にあります。そうではありません。Apple Intelligence と Siri 2.0 — 2025 年にリリースされ、2026 年を通じて改善された Apple の LLM 駆動アシスタント層 — はリアルタイム音声変調とは根本的に異なるオーディオパスで動作します。この分離を理解することが、Mac 上で両者を同時に機能させるための全体的な鍵です。

このガイドは、Mac 側の音声チェンジャーチェーンを完全に説明します: BlackHole 仮想オーディオルーティング、Loopback 集約デバイスの構築、Apple Intelligence の個人コンテキストと Private Cloud Compute がオーディオパイプラインとどのように相互作用するか (またはしないか)、および App Intents がどこで Siri 2.0 音声コマンドの統合ポイントを開くかを説明します。他の AI アシスタントセットアップを相互参照する場合、基盤となるアーキテクチャは ChatGPT-5 Voice Mode 用音声チェンジャーおよび Claude Voice Mode 用音声チェンジャーでカバーされるものと同様です。

要約

Apple Intelligence と音声チェンジャーは別のオーディオパスで動作します - 競合しません
Mac チェーンは: 物理マイク → 音声チェンジャー (Windows VM または専用 PC) → BlackHole → 集約デバイス → アプリケーション
Siri 2.0 はデフォルトでハードウェアマイクから自然音声を読み取ります。変更された音声はアプリのみに行きます
Private Cloud Compute はテキスト/ビジュアル AI タスクを処理します — オーディオストリームに触れることはありません
App Intents は、音声チェンジャーが macOS で公開している場合、プリセット変更をトリガーできます
Mac 上の Apple Intelligence オンデバイス推論は 50〜200 ミリ秒です。音声チェンジャー DSP は 20 ミリ秒未満を追加します
BlackHole + Loopback は標準的なオープンソースルートです。Loopback のみ (有料) はより簡単ですが、より高価です

Apple Intelligence が 2026 年に実際に何であるか

Apple Intelligence は単一のモデルではなく、macOS Sequoia、iOS 18、visionOS 2 全体に統合されるシステムレベルの AI レイヤーです。2026 年半ばまで、それは以下を包含します:

Siri 2.0: 大規模言語モデル基盤に再構築された、マルチステップリクエスト、個人コンテキスト認識、アプリ間タスク実行が可能
ライティングツール: システムワイドのテキストリライト、要約、トーン調整
スマート返信とメール優先順位付け: コンテキストメール応答下書き
Image Playground と Genmoji: オンデバイス生成画像ツール
個人コンテキスト: カレンダー、メッセージ、メール、メモのオンデバイスインデックス化 — Siri がそのデータをクラウドに送信せずに文脈的な質問に答えるために使用されます

アーキテクチャは推論を 2 つのレベルに分割します:

タスク種別	実行場所	プライバシーモデル
短い、プライベートクエリ (カレンダー検索、メッセージ下書き)	オンデバイス (M シリーズ Neural Engine)	デバイスを離れることはありません
オンデバイス容量を超える複雑なタスク	Private Cloud Compute	Apple サーバー; データは保持されません
機密の個人コンテキストクエリ	オンデバイスのみ	明示的にクラウドルーティングから除外

オーディオへの影響は直裁的です: Apple Intelligence はテキスト、画像、セマンティックコンテンツを処理します。オーディオストリームを処理またはルーティングすることはありません。Siri が音声コマンドをリッスンするとき、簡潔なオーディオクリップをキャプチャし、オンデバイスでテキストに変換し、テキスト表現を LLM に送信します — 生オーディオは送信されません。マイク信号を変更してアプリケーションに送信する継続的な音声チェンジャー出力は、Siri キャプチャパスから完全に分離しています。

オーディオパスが競合しない理由

このトピックに関するフォーラムの混乱が広く存在するため、これを正確にすることは価値があります。

macOS は CoreAudio を介してオーディオを管理します。これはハードウェアデバイス、仮想デバイス、アプリケーション間のオーディオをルーティングする低レベルフレームワークです。オーディオグラフは高レベルでは次のようになります:

ハードウェア マイク
    ├── CoreAudio 入力パス A → Siri / 音声入力 (OS レベル キャプチャ)
    └── CoreAudio 入力パス B → アプリケーション オーディオ (Discord、Zoom など)

Siri 2.0 は、パス A 経由で wake ワード検出とコマンド処理のためのオーディオをキャプチャします。これは指定された音声入力デバイス (通常はマイク内蔵またはハードウェアオーディオインターフェイス) から直接読み取られます。このパスは OS レベルで動作し、アプリケーションがオーディオを見る前に行われます。

音声チェンジャーは パス B に挿入されます。マイク入力をキャプチャし、処理し、修正信号を仮想オーディオデバイス (BlackHole または VoxBooster Virtual Microphone など) に出力します。そのデバイスを使用するように設定したアプリケーションは、処理されたオーディオを聞きます。一方、Siri はパス A から読み取り続けます — 生ハードウェアマイク。

結果: Siri は自然音声を聞き、コマンドに正しく応答します。Discord サーバーは変更された音声を聞きます。両者は設定競合なく共存します。

知るべきエッジケース: System Settings → Sound でシステム全体のデフォルト入力として仮想オーディオデバイスを設定し、Siri の入力を “入力と同じ” に設定した場合、Siri は変更された音声を受け取ります。これは Siri にとってはめったに望ましくありません (重く処理されたオーディオではコマンド認識が低下します) が、プライバシーに焦点を当てた音声入力シナリオでは意図的である可能性があります。ほとんどのセットアップでは、Siri の入力をハードウェアデバイスパスのままにしてください。

Mac 音声チェンジャーチェーンの構築

このセットアップの Mac 音声ルーティングは、BlackHole (無料、オープンソース) または Rogue Amoeba の Loopback (有料、$99) のいずれかを使用します。BlackHole ルートはより多くの手動 Audio MIDI Setup 構成が必要です。Loopback は GUI でこれを抽象化します。両者は同じ機能的結果を達成します。

オプション A: BlackHole + 集約デバイス (無料ルート)

必要なもの:

BlackHole 2ch — Existential Audio の無料仮想オーディオドライバー、macOS Sonoma 以降でカーネル拡張なしでインストール可能 (DriverKit を使用)
Audio MIDI Setup (macOS に組み込まれ、/Applications/Utilities/ にあります)
Windows で実行されている音声チェンジャー (専用 Windows PC または Mac 上の Parallels VM のいずれか)

ステップ 1 — BlackHole をインストールします。 BlackHole 2ch インストーラーをダウンロードします。実行し、要求された権限を付与します。“BlackHole 2ch” という名前の新しいオーディオデバイスが System Settings → Sound および Audio MIDI Setup に表示されます。

ステップ 2 — マルチ出力デバイスを作成します。 Audio MIDI Setup を開きます (Cmd+Space → “Audio MIDI Setup”)。左下の + ボタンをクリック → “マルチ出力デバイスを作成します。” “BlackHole 2ch” と Mac の組み込みスピーカー (またはヘッドフォン出力) の両方をチェックします。これにより、スピーカー経由でのオーディオ再生と同時に BlackHole へのルーティングが可能になります。“Speakers + BlackHole” と名前を付けます。

ステップ 3 — 集約デバイス入力を作成します。 再度 + をクリック → “集約デバイスを作成します。” 物理マイク (内蔵マイクまたは外部 USB/オーディオインターフェイス入力) と “BlackHole 2ch” の両方をチェックします。時計ソースをマイクに設定します。“Mic + BlackHole In” と名前を付けます。

ステップ 4 — 音声チェンジャー出力を構成します。 Parallels で VoxBooster を使用している場合、VoxBooster 出力を Windows 仮想マイク → Parallels オーディオブリッジ → Mac 上の BlackHole 2ch を通じてルーティングするように設定します。Parallels の Windows オーディオが Mac の BlackHole 入力に表示されます。

ステップ 5 — アプリケーションオーディオを設定します。 Discord、Zoom、またはストリーミングソフトウェアで、マイク入力を “Mic + BlackHole In” (作成した集約デバイス) に設定します。これらのアプリケーションは、Windows 音声チェンジャーから BlackHole を通じて入ってくる処理されたオーディオを受け取るようになります。

ステップ 6 — Siri をハードウェアに残します。 System Settings → Siri → Microphone で、ハードウェアマイクに設定されていることを確認します — 集約デバイスではなく。これにより、Siri がコマンドの自然音声を聞くことが保証されます。

オプション B: Loopback (有料、より簡単)

Rogue Amoeba の Loopback ($99、ワンタイム) は、手動 Audio MIDI Setup 作業なしで、ドラッグアンドドロップ GUI を通じて仮想オーディオパイプラインを作成します。Loopback デバイスを作成し、物理マイクと BlackHole (または Parallels Windows オーディオ出力) をソースとして追加し、単一の仮想マイクとしてアプリケーションにルーティングします。

機能的結果は BlackHole 集約ルートと同一ですが、構成は macOS 更新間でより耐久性があり (Rogue Amoeba は各 macOS リリース後すぐに DriverKit 互換ビルドを保守)、より簡単に変更できます。

Rogue Amoeba の Audio Hijack を録音に既に使用しているコンテンツクリエーターの場合、Loopback は既存のオーディオグラフに直接統合されます — プロダクションセットアップの効率的な選択。複雑なオーディオチェーンの詳細については、コンテンツクリエーター向け音声チェンジャーを参照してください。

シグナルチェーンダイアグラム

物理マイク
    │
    ▼
VoxBooster (Windows VM または Windows PC)
    │  [DSP エフェクト: ピッチ、EQ、フォルマント、ノイズ抑制]
    │  [または AI 音声クローニング: 200–350ms]
    ▼
BlackHole 2ch (仮想オーディオ パイプ)
    │
    ├──▶ Discord / Zoom / ストリーミング アプリ (変更された音声を聞く)
    └──▶ Siri / 音声入力 (生マイクを読み取る — 個別パス)

Siri 2.0 と個人コンテキスト: プライバシー上の影響

Siri 2.0 の以前の Siri からの最も重大なアップグレードは、個人コンテキスト認識 — “パートナーが先週送ってくれたフライト番号は何でしたか?” や “月曜日の電話の前に注記したことを思い出させてください” のような質問に答える能力です (ローカルデータのインデックス化による)。

この機能は、理解する価値のあるプライバシーに関する懸念を生み出します: Siri 2.0 はメッセージ、メール、カレンダーイベント、ドキュメントにアクセスして文脈的な回答を形成できます。これは音声チェンジャーのプライバシー使用例とどのように相互作用しますか?

個人コンテキスト境界: 個人コンテキストデータはオンデバイスで完全にインデックスおよび保存されます。クラウド支援機能に明示的にオプトインしていない限り、Private Cloud Compute リクエストで使用されることはありません。Siri のローカルモデルはパーソナルコンテキストクエリを処理しますが、個人データをオフデバイス送信することはありません。

音声チェンジャー + 個人コンテキストシナリオ: 通話プライバシーのために音声変更を使用する専門家は、Apple Intelligence の個人データへの深いアクセス (自分の質問に答えるため) と発信通話のための音声変更が建築的に分離されていることを知ることで恩恵を受けます。Siri はあなたを支援するためにあなたの個人データを読みます。呼び出し元は変更された音声を聞きます。これらは異なるシステムであり、データを共有しません。

Private Cloud Compute が受信しないもの:

音声オーディオ (簡潔な Siri コマンドクリップでさえローカルに留まります; テキスト転写のみがさらに処理されます)
個人コンテキストデータ (設計上、クラウドルーティングから明示的に除外)
Keychain データ、Health データ、財務データ

Private Cloud Compute が受信するもの (トリガーされたとき):

複雑な書き込みまたは推論タスク用のテキストプロンプト
画像生成リクエスト
匿名化された集約機能改善データ (オプトインした場合)

音声チェンジャーユーザーにとって、実用的な要点は単純です: オーディオ処理パイプラインは Private Cloud Compute と交差することはありません。

App Intents と Siri 2.0 の統合

App Intents は、Apple がアプリケーションアクションを Siri、Shortcuts、システムに公開するためのフレームワークです。macOS Sequoia 以降では、App Intents 駆動アプリにより、Siri 2.0 は自然言語コマンド経由でアプリ内アクションをトリガーできます — “音声をディープナレータープリセットに切り替える” または “音声チェンジャーをミュートする”。

音声チェンジャーソフトウェアが App Intents をサポートするには、App Intents フレームワークでアクションを登録する macOS ネイティブアプリケーションである必要があります。これは Mac ネイティブ音声チェンジャーアプリに固有に適用されますが、Windows アプリケーション (VM でも実行中) には直接適用されません。

現在の統合パス:

シナリオ	App Intents サポート	Siri 2.0 トリガー
Mac ネイティブ音声チェンジャーアプリ	完全 — 開発者が実装した場合	”Hey Siri、ロボット音声に切り替える”
Parallels VM の Windows アプリ	なし — Windows アプリは macOS App Intents を登録できません	手動プリセット変更のみ
ネットワーク上の専用 Windows PC	ネイティブではなし	Mac 側オートメーションスクリプト + ソケット呼び出し経由で可能
Mac Shortcuts オートメーション	間接 — ショートカットはスクリプトを呼び出せます	”Hey Siri、[ショートカット名] を実行する”

Mac Shortcuts 回避策は実用的です: ローカルソケットまたは REST エンドポイント経由で VM にコマンドを送信するAppleScript または shell スクリプトを実行するショートカットを作成します。音声チェンジャーにローカル API またはホットキーシステムがある場合、Mac ショートカットはそれをトリガーできます。その後、Siri 2.0 は名前でショートカットを呼び出すことができます: “Hey Siri、音声プリセットを切り替える。”

Windows での VoxBooster は、AutoHotkey などのツールで呼び出すことができるホットキートリガーをサポートしています。VM では、Mac Automator ワークフローはキューのうえで VM ウィンドウにキー押下を送信できます — 間接的ですが機能的な App Intents ブリッジ。

オンデバイス vs クラウドルーティング: オーディオレイテンシー影響

Apple Intelligence とリアルタイム音声処理を組み合わせるときの一般的な懸念: Apple Intelligence はオーディオ処理を遅くしますか?

答えはいいえです。なぜなら、異なる計算パスを使用するからです:

操作	計算パス	典型的なレイテンシー
音声チェンジャー DSP (ピッチ、EQ、リバーブ)	CPU/GPU オーディオ処理	5–15 ms
AI 音声クローニング	GPU ニューラル推論	200–350 ms
Apple Intelligence オンデバイス (Siri コマンド、テキストリライト)	Neural Engine (M シリーズ)	50–200 ms
Apple Intelligence Private Cloud Compute	Apple サーバー + ネットワーク	300–800 ms

M3 および M4 チップの Neural Engine は ML 推論専用に設計されており、メイン CPU/GPU 上のオーディオ処理と競合しない専用コプロセッサとして動作します。Private Cloud Compute をトリガーする Siri コマンドを実行すると、その Siri 応答に 300–800 ms のレイテンシーが追加されます — ただし、これは音声チェンジャー出力を処理するオーディオチャネルから完全に分離しています。音声チェンジャーは、Siri が何をしているかに関わらず、通常の 5–15 ms DSP レイテンシーで処理を続けます。

例外は AI 音声クローニング: 音声チェンジャーがリアルタイム音声変換にニューラル推論を使用し、Apple Intelligence が重いタスクに使用している同じ GPU で実行されている場合、リソース競合の可能性があります。40 以上の GPU コアと 16 コア Neural Engine を備えた M3 Max および M4 Pro/Max チップでは、競合は最小限です。低い GPU コア数の M3 または M4 ベースでは、重い Apple Intelligence タスク中に同時実行すると、オーディオグリッチが発生する可能性があります。実用的な修正: ソフトウェア設定で音声チェンジャーのニューラル推論を特定の GPU 優先度レベルに割り当てるか、同時実行タスクの Apple Intelligence 複雑度を低下させます。

Mac での音声チェンジャーアプローチの比較

アプローチ	コスト	複雑度	レイテンシー (DSP)	AI 音声クローニング	Apple Siri 互換性
Parallels VM の VoxBooster	VM ライセンス + VoxBooster	中	15–25 ms (VM オーバーヘッド)	はい (GPU パススルー)	Siri はネイティブ Mac マイクを読み取ります; 完全互換性
別の Windows PC 上の VoxBooster	VoxBooster のみ	低 (ハードウェア)	<10 ms	はい	Siri は Mac マイクを読み取ります; 競合なし
Mac ネイティブ DSP 専用音声チェンジャー	異なります (無料–$30)	低	<10 ms	いいえ (ほとんど)	完全 App Intents が可能
BlackHole + ピッチスクリプト (DIY)	無料	高	15–40 ms	いいえ	手動のみ; Siri は生マイクを読み取ります

Mac 上で Apple Intelligence + 音声チェンジャーを組み合わせている大多数のユーザーにとって、別の Windows PC ルートは最小設定複雑度で最高のパフォーマンスを提供します: VoxBooster は完全 GPU 機能で Windows でネイティブに実行され、出力は BlackHole 経由で Mac にルーティングされ、Siri は Mac ハードウェアマイクを読み取り続けます。アーキテクチャはボイスオーバープロダクションの音声クローニングで専門家が使用するのと同じです。

このチェーンで Apple Vision Pro を使用する

Apple Vision Pro も所有している場合、Mac 音声チェーンは自然に空間コンピューティングに拡張されます。Mac 上の Discord に供給される同じ BlackHole 集約デバイスは、Mac Virtual Display がアクティブな場合、Vision Pro 上の FaceTime にも供給されます — Vision Pro は Mac の Mac 側アプリケーションのオーディオ入力を継承します。

完全なチェーンはその後:

物理マイク → VoxBooster (Windows PC) → BlackHole (Mac) 
    → Mac アプリ: Discord、Zoom、Teams (変更された音声)
    → Mac Virtual Display 経由 Vision Pro FaceTime (変更された音声)
    → Mac および visionOS 上の Siri 2.0: 生ハードウェア マイク (自然音声)

これは、この投稿および Apple Vision Pro ガイド用音声チェンジャーで扱われる完全スタックです。

実践的なセットアップチェックリスト

このチェーンをライブにする前に、各段階を確認してください:

BlackHole がインストールされて表示 される Audio MIDI Setup および System Settings → Sound
集約デバイスが作成 される物理マイク + BlackHole 入力を組み合わせます
マルチ出力デバイスが作成 されるスピーカー + BlackHole 出力を組み合わせます (監視用)
VoxBooster (または Windows VM) 出力 BlackHole にルーティングされます
ターゲットアプリケーション (Discord、Zoom、OBS) がマイク入力として集約デバイスを使用するように設定されます
Siri マイク System Settings → Siri でハードウェアマイクに設定 — 集約デバイスではなく
テスト: Siri 音声入力を使用して Mac でボイスメモを開始 — Siri が自然音声を正しく転写することを確認
テスト: Discord テスト通話に参加 — 反対側が処理された音声を聞くことを確認
Monitor CPU/GPU 同時 Apple Intelligence タスク中に処理競合を確認します

Parallels VM バリアントの場合、ステップ 3 と 4 の間にステップを追加: Parallels オーディオ設定が Windows 仮想マイクを Mac ホストと共有することを確認し、macOS で選択可能な入力として表示されることを確認します。

よくある質問

Apple Intelligence 音声チェンジャーは 2026 年に Mac で動作しますか?

Apple Intelligence 自体は音声チェンジャーではなく、LLM 駆動のアシスタント層です。ただし、VoxBooster のようなリアルタイム音声チェンジャーを Windows で実行でき、Mac 上で Parallels VM でも Apple Intelligence と共に実行できます。両者は個別の音声パスで動作します: Apple Intelligence は Siri コマンドと音声入力のために自然音声を読み取ります。一方、音声チェンジャーは通話およびストリーミングアプリへの発信オーディオを変更します。

BlackHole を使用して Mac に音声チェンジャーを設定する最良の方法は何ですか?

BlackHole 2ch (無料、オープンソース) をインストールし、Audio MIDI Setup でマルチ出力デバイスを作成して、オーディオを BlackHole とスピーカーに送信してから、BlackHole 入力とマイクを組み合わせた集約デバイスを作成します。集約デバイスをシステム入力として設定します。Discord、Zoom、ストリーミングソフトウェアなどのアプリは、Windows VM で実行される VoxBooster から処理されたオーディオを受け取ります。これは BlackHole パイプを通じて配信されます。

Siri 2.0 は音声チェンジャーから変更された音声をピックアップしますか?

いいえ。Siri 2.0 は macOS の指定された音声入力を OS レベルで読み取ります。これはデフォルトでハードウェアマイクの生入力を指します。音声チェンジャーはアプリが受け取るオーディオを変更します - 別のパスです。Siri が自然音声を読み取っている間、通話が変更された音声を聞くようにするには、音声チェンジャー出力をシステム全体のデフォルトマイクではなく、特定のアプリのみの入力として設定します。

Private Cloud Compute とは何ですか?音声チェンジャーオーディオに影響を与えますか?

Private Cloud Compute は、オンデバイスモデル容量を超える Apple Intelligence タスク用の Apple のプライバシーアーキテクチャです。これは Apple が運営するサーバーに推論をルーティングします。ここでデータは保存されたり Apple によってアクセスされたりしません。テキストおよびビジュアルタスクを処理します - オーディオストリームではありません。音声チェンジャーオーディオが Private Cloud Compute を通過することはありません。処理されたオーディオは完全にローカルオーディオグラフ内に留まります。

App Intents を使用して Siri 2.0 で音声チェンジャープリセットをトリガーできますか?

音声チェンジャーソフトウェアが App Intents を公開している場合はい - Siri 2.0 は macOS Sequoia 以降の音声コマンドを介してプリセット変更をトリガーできます。2026 年半ば時点では、VoxBooster は Windows ネイティブアプリケーションであるため、App Intents 統合には Siri が直接呼び出せない Windows VM で実行する必要があります。別の方法は、Automator ショートカットまたはローカルソケット経由で VM を呼び出してプリセットを変更する Mac 側スクリプトを使用することです。

Apple Intelligence でのオンデバイス vs クラウドルーティングは音声レイテンシーにどのように影響しますか?

Apple Intelligence オンデバイス推論 (Siri 2.0 コマンド、テキストリライト、優先順位付け) は M シリーズチップで 50〜200 ミリ秒で完了します (ネットワークラウンドトリップはありません)。Private Cloud Compute 経由のクラウド支援タスクは、タスク複雑度に応じて 300〜800 ミリ秒を追加します。どのパスも音声チェンジャーのオーディオレイテンシーに影響を与えません - 音声処理は CPU/GPU オーディオ処理パイプラインで独立して実行され、Apple Intelligence が何をしているかに関わらず 5〜20 ミリ秒で動作します。

Apple Intelligence で音声チェンジャーを使用することは Apple の利用規約に違反していますか?

いいえ。仮想オーディオデバイスまたは音声処理ソフトウェアの使用は、専門家、ストリーマー、および障害のあるユーザーにとって標準的な慣行です。Apple の利用規約は音声処理を禁止していません。倫理的な線は同意です: 知識のない人になりすまし目的での音声変更は、ソフトウェアライセンスとは関係のない行動の問題です。

結論

Apple Intelligence 音声チェンジャー の質問は、Apple Intelligence と音声変更がオーディオインフラストラクチャを共有しない並列システムであることを理解することで消失します。Apple Intelligence はテキスト、コンテキスト、意図を読み取ります。音声チェンジャーはマイク信号を読み取り、変更します。どちらも相互をブロックまたは競合しません。

Mac 音声チェーン — 物理マイク → VoxBooster (Windows) → BlackHole → アプリケーション — は、Siri 2.0 がコマンドの自然音声を読み取るのと共存しており、クリーンで低レイテンシーです。個人コンテキストはローカルに留まります。Private Cloud Compute はオーディオに触れません。App Intents は、ツールチェーンが対応している場合、自動化されたプリセット変更の統合ポイントを提供します。

Apple Silicon チップを搭載した Mac でこのセットアップを構築し、Parallels VM で VoxBooster を実行する場合、M3 Pro 以上でのパフォーマンスは堅牢です — GPU パススルーは AI 音声クローニングモデルに現実的なニューラル推論レイテンシーを提供します。専用 Windows PC がある場合、その機械から Mac への直接 BlackHole パイプはさらにクリーンです。

VoxBooster は Windows 側をカバーします: 10 ミリ秒未満の DSP エフェクト、フォルマント制御を備えた AI 音声クローニング、統合ノイズ抑制、カーネルドライバーを必要としない仮想マイク。3 日間の無料試験版、クレジットカード不要。