両耳それぞれが撮影:Apple のカメラ搭載 AirPods が判明、Visual Intelligence で1枚の画像に合成

片方のイヤホンが1枚ずつ写真を撮り、2枚を合成して1枚にする——これは単なるコンセプトデザインではなく、Appleが未発表のカメラ搭載AirPodsが誤って流出した後、現時点で読み取れる実際の動作ロジックだ。

今週初め、Appleはうっかり macOS Tahoe 26.7 ベータ版にデモ映像を流出させてしまい、この長らく噂されていたイヤホンの存在が明らかになった。今ではさらに多くの詳細が、同じ初期バージョンのコードの中に隠されている:各イヤホンに独立したレンズが搭載されており、撮影された映像はVisual Intelligenceソフトウェアによって同期・統合され、1枚の完全な画像となる。レンズのスペックは驚くほどのものではなく、最大100万画素のRGB静止画のみ撮影可能だ。

頭部が絶えず動くことを考慮し、システムには対応する仕組みが設計されている:AirPods自体には複数の加速度センサーが内蔵されており、コードによれば、激しい動きや視界の遮蔽によってブレた画像は検知して破棄する仕組みになっている。一部の演算はイヤホン本体で直接完了しているようで、コード内には「peripheral inference」という記述があり、これはすべてをiPhoneやクラウドに任せるのではなく、デバイス上でリアルタイムに判読する方式であることを示している。

はっきりさせておくべき点として、このAirPodsは動画を録画せず、あくまで「定期的な写真撮影」を行うのみで、Appleはこの程度の情報量でVisual Intelligenceが目の前の状況を理解するには十分だと考えているようだ。デバイスにはアクティブモードとパッシブモードの2種類が用意されており、アクティブモード時の画質はより高い。コードによれば、各イヤホンには撮影中であることを知らせる撮影インジケーターランプが搭載されている可能性もある。

レンズはAIのためだけに存在し、あなたの世界を撮るためではない

Bloombergの記者Mark Gurman氏はSNS上で補足し、このレンズペアの用途は始めから終わりまでただ一つ、AIとVisual Intelligenceに情報を提供することだけであり、写真や動画として保存することはできないと説明。「この点について人々が心配する必要はない」とした。つまり、これは気軽に日常を記録できるウェアラブルデバイスの新種ではない。撮影インジケーターランプの存在はプライバシーへの配慮ではあるものの、その本来の役割は、Appleが刷新を進めながらも一向にリリースされないマルチモーダルSiriアシスタントに情報を提供することであり、装着者本人のアルバムのためではない。

現時点で判明している唯一の実際の使用シーンは、あの流出映像から来ている:ある男性が手に持った本に向かって話しかけ、Siriにこの本の内容を記憶するよう依頼する場面だ。ナレーションはすぐにこう説明する。「Visual Intelligenceがあれば、あなたが見た世界はすべて記録できます。気に入ったものがあれば、先に保存しておくよう頼んでください」。

低画素レンズとAI判読の組み合わせでは、精度が今後最大の疑問符となるだろう——鮮明で完全な画像を処理する場合でさえ、AIモデルは決して安定しているとは言えない。ましてやこのようにスペックが限られたデバイス上での撮影であればなおさらだ。

Appleは来月、iPhone 18の発表イベントを開催予定であり、加えてデモ映像がすでに macOS 26.7 内に登場していることから、その場でさらなる手がかりが得られる可能性もある。しかしMark Gurman氏は先に、このカメラ搭載AirPodsは2027年までは正式発売されない見込みだと述べている。