Insta360 GO Ultra に Kira が登場：Qwen と Gemini を搭載した AI 音声アシスタント

はじめに

Insta360は、GO Ultraポケットカメラをハンズフリー録画デバイスを超えたスマート製品に変貌させようとしている。

同社は、GO Ultra専用に設計された新しいAI音声アシスタントKiraを予告している。Insta360中国公式サイトには「Hey, Kira」イベントページが公開されており、イベントは2026年8月5日午後8:00に開催される予定だ。また、現在のGO Ultra製品ページでは、音声QAとリアルタイム翻訳がカメラの新しいAI旅行機能として宣伝されている。

内部関係者を引用したメディア報道によると、この音声アシスタントは地域によって異なる基盤モデルを使用する：

• 中国本土： 阿里巴巴（アリババ）のQwenモデル。
• 香港・マカオ・台湾および海外市場： Google Gemini。

報道によると、このシステムはInsta360独自の音声アシスタント技術とサードパーティのマルチモーダルモデルを組み合わせたものだ。簡単な音声認識と意図検出はデバイス側で完了し、より複雑なタスク（質問応答、翻訳、カメラモード切り替えを含む）はクラウドサービスを通じて処理される。

翻訳された応答は、カメラ内蔵スピーカーから直接再生できる。

Kiraの幅広い機能は、現在Insta360の公式予告編と製品ページによって裏付けられている。具体的なQwen/Geminiのルーティング割り当てや詳細なエッジ/クラウドの分担は、依然として主にメディア報道によるものであり、本稿執筆時点では、Insta360、阿里巴巴、Googleのいずれからも完全な共同技術発表は行われていない。

KiraはまずGO Ultraに搭載

GO Ultraは、Kiraと公式に関連付けられた最初のInsta360製品である。

Insta360は2025年8月21日にこのカメラを世界市場に向けて発表し、小型ウェアラブルGOシリーズの最新モデルとして位置づけた。カメラ単体の重量は53グラムで、衣類、アクセサリー、車両、その他の表面にマグネットで取り付けることができる。

その公式仕様は以下の通り：

当初のAIBase報道によると、標準キットは中国本土で2,598人民元で販売されている。海外発表時、Insta360は標準キットを449.99米ドルと価格設定した。現在の小売価格は、国、キット、プロモーション活動、時期によって異なる場合がある。

このカメラにはすでに通常の音声コントロール機能が搭載されている。Kiraは、この対話を小さな固定コマンドセットから、より幅広い対話型アシスタントへと拡張することを目指している。

固定音声コマンドからAIアシスタントへ

Kira以前のGO Ultraの公式マニュアルには、従来の音声コントロール機能が記録されている。

この機能は英語、中国語、日本語に対応しており、以下のコマンドを認識できる：

写真を撮る
録画を開始
録画を停止
ここをマーク
カメラの電源をオフ

このシステムは、ユーザーの両手がふさがっているときに非常に便利だが、コマンドベースで動作する。

カメラは既知のフレーズを聞き取り、それを事前定義されたアクションにマッピングする。

Kiraは、異なるカテゴリーの対話方法として位置づけられている。

固定コマンドに応答するだけでなく、以下のような対応が期待されている：

• オープンエンドな音声質問。
• リアルタイム翻訳。
• カメラを通じた音声応答。
• より柔軟なカメラ操作。
• 旅行中や撮影中の状況認識リクエスト。

Insta360の現在の製品ページは、この体験をAI旅行パートナーとして要約しており、ユーザーが移動中に会話を翻訳し、質問に答えることができるとしている。

これは、通常のカメラコントロールメニューというよりも、マルチモーダルAIアシスタントに近い。

カメラスピーカーを通じたリアルタイム翻訳

翻訳は、Kiraの最も明確に確認されたユースケースである。

このワークフローは、カメラを対面での会話に参加させることを目的としている：

1. ユーザーがアシスタントを起動する。
2. カメラが音声入力をキャプチャする。
3. リクエストが認識・解析される。
4. クラウドモデルが翻訳を生成する。
5. 翻訳結果がカメラスピーカーから再生される。

これにより、カメラは入力デバイスと出力デバイスの両方の役割を果たす。

旅行者は、以下の必要がなくなる：

• スマートフォンを取り出す。
• 翻訳アプリを開く。
• 画面を二人の間に掲げる。
• テキストを他のサービスにコピーする。
• デバイスを行き来して渡す。

本稿でレビューした公式資料には、対応言語、遅延、オフライン動作、会話の制限などの詳細は完全には記録されていない。

これらの内容は、Insta360が最終的なKiraサポートドキュメントを公開した後に検証する必要がある。

移動中の音声QA

Insta360は、このAIアシスタントが質問に回答できるとも述べている。

これにより、より幅広い旅行・撮影シナリオが生まれる。

ユーザーは以下のようなことを尋ねるかもしれない：

• 特定の場所。
• 環境内の特定の物体。
• 特定の翻訳フレーズ。
• 特定の撮影設定。
• 一般的な旅行の質問。
• 次のカメラ操作。

当初のメディア報道では、このアシスタントがマルチモーダルモデル機能を備えているとされているが、どのような視覚コンテキストがモデルに送信されるかを確認するのに十分な技術的詳細は提供されていない。

Kiraが以下の内容について常に推論できるかどうかは、現時点では不明である：

• リアルタイムのカメラプレビュー。
• 撮影済みの写真。
• 最近のビデオ。
• 音声のみ。
• カメラの状態と設定。

「マルチモーダル」という言葉は、このシステムがテキスト以外の複数の入力形式をサポートするように設計されていることを示唆しているが、最終的な入力パイプラインとプライバシーコントロールについては、公式ドキュメントで説明される必要がある。

中国本土では阿里巴巴の通義千問（Qwen）を使用するとされる

地域別デプロイメント戦略は、この報道の中で最も注目すべきポイントの一つである。

中国本土では、Kiraは阿里巴巴のQwenモデルシリーズを使用すると予想されている。

Qwenには、言語、視覚、音声、翻訳、プログラミング、推論、エージェントモデルが含まれる。阿里巴巴は、自社プラットフォームを通じてオープンウェイトモデルとマネージドAPIを提供している。

これにより、Qwenはカメラアシスタントの実用的な基盤となる。なぜなら、以下のような能力が必要となる可能性があるからだ：

• 自然な音声リクエストを理解する。
• 視覚コンテキストを解析する。
• 言語を翻訳する。
• 簡潔な回答を生成する。
• ツールやカメラ機能をトリガーする。

メディア報道は、この連携を以下の組み合わせとして説明している：

Insta360自社アシスタントフレームワーク
+
Qwenマルチモーダルモデル能力

この表現は、Insta360が単に汎用のQwenチャットインターフェースをカメラに埋め込むのではなく、モデルを中心に自社のプロダクトレイヤーを構築していることを示唆している。そのレイヤーには以下が含まれる：

• ウェイクアップと音声対話。
• デバイスコントロール。
• 意図のルーティング。
• カメラ専用ツール。
• リージョナルクラウドアクセス。
• 音声出力。

本稿執筆時点では、Kiraが使用する具体的なQwenモデルを確認する詳細な技術ケーススタディは、阿里巴巴からまだ公開されていない。

したがって、大陸版は報道によるとQwenを使用していると述べるのがより慎重な表現であり、特定のQwenチェックポイントやAPIを指定するべきではない。

その他の地域ではGoogle

Gemini

香港、澳門、台湾および国際市場向けには、KiraはGoogle Geminiを使用するとメディアが報じています。

GeminiはGoogleのマルチモーダルモデルシリーズであり、テキスト、画像、音声、動画、ツールの組み合わせをサポートし、Googleの消費者向けおよび開発者向け製品をカバーしています。

インフラストラクチャの観点から、このような地域区分は理解できます。

グローバルハードウェア企業は以下を考慮する必要があります：

• モデルの可用性
• ネットワークアクセス
• データの保管場所（データレジデンシー）
• レイテンシー
• 言語カバレッジ
• 規制要件
• 商業契約
• 地域クラウドインフラストラクチャ

中国本土ではあるモデルプロバイダーを、国際市場では別のプロバイダーを使用することで、可用性とコンプライアンスの問題を軽減できます。

ただし、最終的なモデルバージョン、エンドポイント、データ処理ポリシー、地域カバレッジは、完全な公式Kira仕様ではまだ公表されていません。

この報道は、海外のGO Ultraリクエストのすべてが特定の公開Geminiモデルに送信されることを確認するものとして解釈されるべきではありません。

端末側とクラウドのハイブリッドアーキテクチャ

関係者によると、Kiraはハイブリッドシステムとして説明されています。

一部の処理はGO Ultra本体で完了し、より複雑なモデルタスクはクラウドに送信されます。

報道による端末側タスク

デバイスが担当すると報じられているもの：

• 声紋または話者認識
• 初期意図検出
• 音声コマンドのローカル前処理

端末側での初期処理は以下に役立ちます：

• 高速なウェイクアップ
• 低レイテンシー
• 不要なクラウドリクエストの削減
• 基本的な本人確認またはコマンドフィルタリング
• 簡単なカメラ制御機能への継続的なアクセス

報道によるクラウドタスク

クラウドが担当するとされるもの：

• オープンな質問応答
• より複雑な意図理解
• エージェントロジックを必要とするカメラモード切り替え
• 翻訳
• マルチモーダルモデル処理

クラウドモデルの計算能力は、53グラムのカメラよりもはるかに高いものです。

デバイス内に大規模なローカルモデルを組み込むことなく、より強力な言語理解と複雑な推論をサポートできます。

この分割が重要な理由

ハイブリッド設計は、複数の制約のバランスを取る必要があります：

具体的な分割方法は現在報道のみであり、Insta360は完全なドキュメントをまだ公開していません。

公式のプライバシーポリシーとサポートページが公開されるまで、ユーザーはどの音声、画像、デバイス情報がローカルに保持されるかを軽率に想定すべきではありません。

カメラがAIハードウェアインターフェースに変貌

GO Ultraは元々、ハンズフリーでの映像撮影を目的として設計されました。

そのマグネット式の形状は、ユーザーがスマートフォンやタッチスクリーンを操作しにくいシチュエーションで特に有用です：

• サイクリング
• ランニング
• ハイキング
• スキー
• 家庭の記録
• 旅行
• ファーストパーソン撮影
• エクストリームスポーツ

音声インタラクションはこの製品形態と非常に適合しています。

身体に装着するカメラはすでに以下を備えています：

• 周囲の視界のキャプチャ
• マイク
• スピーカー
• プロセッサー
• バッテリー
• エコシステムを通じたネットワーク接続
• カメラ設定と録画モードへのアクセス権限

KiraはこれらのコンポーネントをAIサービスのインタラクティブインターフェースに変換します。

重要な変化は、カメラ内部に完全な最先端モデルが組み込まれていることではありません。

カメラが、デバイス端末とクラウドで動作するモデルの専用センサー兼コントロールエンドポイントになることこそが重要です。

カメラアシスタントがスマートフォンアシスタントと異なる理由

スマートフォンはすでに翻訳や音声QA機能を提供できます。

Kiraの価値は、カメラ使用時の操作の摩擦を軽減することにあります。

ユーザーはすでにカメラを装着している可能性がある

GO Ultraは衣類やアクセサリーにクリップで取り付けられます。

ユーザーは話す前に別のデバイスを取り出す必要がありません。

アシスタントが録画機能を制御できる可能性

スマートフォンアシスタントは質問に答えるかもしれませんが、カメラの現在のモードや録画状態を自動的に理解することはありません。

Kiraの位置づけは、AI推論とカメラ制御を接続することです。

カメラはすでに撮影シーンに正対している

ポケットに入っているスマートフォンと比較して、ウェアラブルカメラはより有用な視覚的コンテキストを持っている可能性があります。

Kiraが毎回のインタラクションでこのリアルタイムコンテキスト情報を使用するかどうかは、公式には明らかにされていません。

音声出力は完全ハンズフリー

内蔵スピーカーが直接回答や翻訳内容を返すため、ユーザーは画面を読む必要がありません。

これは運動中に非常に便利ですが、騒がしい環境やプライベートな環境では、音声出力が不便な場合があります。

Kiraはより広範なAIアップグレードの一部

Insta360の現在のGO Ultra製品ページでは、音声アシスタントが別のAI機能 Moments Pro と並んで紹介されています。

ページには、このアシスタントが音声QAと翻訳を処理し、Moments Proが撮影素材を完全な旅行ショートフィルムに変換できると記載されています。

これは、カメラハードウェアにおけるAIの2つの異なる応用経路を反映しています：

1. 撮影中のAI

• 音声コマンド
• 翻訳
• 質問
• カメラ操作

1. 撮影後のAI

• クリップの選別
• 編集
• ハイライト生成
• 思い出の整理

GO Ultraはすでに画像処理用の5nm AIチップを搭載し、PureVideoやInsta360アプリ内の自動編集などの機能を備えています。

KiraはAIを画像強調やポストプロダクションからリアルタイムインタラクションへと拡張します。

公式に確認されている内容

現在の情報はさまざまなレベルの証拠に基づいています。

プライバシーと接続性の問題は未解決のまま

AIカメラアシスタントは機密情報を処理する可能性があります。

最終的な設計によっては、Kiraが関与する可能性があるもの：

• 音声録音
• 話者識別
• 位置情報に関連する質問
• 視覚的なシーン
• 周囲の人々
• 翻訳会話
• カメラ設定
• アカウントおよびデバイス識別子

機密性の高い環境でこの機能を使用する前に、ユーザーはInsta360の最終ドキュメントを確認して、以下を把握する必要があります：

• どのデータがアップロードされるか
• 音声が保持されるかどうか
• 画像やビデオフレームがクラウドに送信されるかどうか
• どのモデルプロバイダーがリクエストを受信するか

データ保存領域。

• アカウント要件。
• 削除コントロール。
• 子どもと傍観者のプライバシー。
• 法人または専門用途の制限。

ハイブリッドアーキテクチャは、不要なデータをローカル処理でフィルタリングすることでプライバシーを改善できるが、「デバイス上」という意味は、やり取り全体がカメラに留まることを意味しない。

報道された設計では、複雑なタスクはクラウドモデルに送信される。

既存の音声コントロール機能は引き続き機能する可能性がある

Kira は、カメラの既存の固定コマンドシステムと混同すべきではない。

シンプルな音声コントロールは、以下の点で有用である可能性がある：

• 予測可能な指示。
• より低いレイテンシー。
• ネットワーク依存度の低さ。
• より小さなプライバシーフットプリント。
• 繰り返しの撮影フローでの操作性の向上。

クラウドAIアシスタントはより大きな柔軟性を提供するが、以下の点を導入する：

• ネットワークレイテンシー。
• 接続要件。
• モデルの不確実性。
• より多くのプライバシーへの配慮。
• 使用制限の可能性。

理想的な製品は、両方のレイヤーを保持する可能性がある：

固定のローカルコマンド
→ 即時のカメラ操作

オープンエンドのKiraリクエスト
→ AI解析とクラウド処理

Insta360 の最終的なリリースノートでは、どのコマンドがローカルで実行されるのか、またユーザーが従来の音声コントロールとKiraの間でどのように切り替えるのかを明確にすべきである。

正式リリース後に確認すべき事項

AIBaseの記事は8月5日夜のイベント前に公開されたため、実際の詳細の一部はまだ不明である。

ユーザーは最終ファームウェアとサポートページで以下を確認すべきである：

1. ファームウェアバージョン
2. 対応地域
3. 対応言語
4. アカウントとアプリの要件
5. ネットワーク要件
6. ウェイクワード
7. 翻訳の制限
8. データとプライバシーコントロール
9. バッテリーへの影響
10. 対応カメラモード
11. スタンドアロンカメラまたはAction Podが必要か
12. 将来のInsta360製品での利用可能性

これらの詳細により、Kiraが実用的な日常機能となるのか、それとも主にAIカメラ統合の初期デモンストレーションとなるのかが決まる。

よくある質問

Insta360 GO UltraのKiraとは？

Kiraは、GO Ultraポケットカメラ向けに提供されるAI音声アシスタントです。Insta360は、音声による質問応答とリアルタイム翻訳をサポートし、カメラの既存の固定音声コマンドを拡張すると述べています。

Kiraアップデートはいつ提供されますか？

Insta360中国公式サイトは、2026年8月5日午後8時の「Hey, Kira」イベントを告知しました。AIBaseの報道は同日午前に公開されたため、最終的なファームウェアの詳細は情報源では未公表です。

GO UltraはAlibaba Qwenを使用していますか？

メディア報道によると、中国本土版のKiraはAlibabaのQwenマルチモーダルモデル機能を使用しています。本稿執筆時点で、Insta360とAlibabaは、使用される具体的なQwenモデルを明示した完全な共同技術発表を行っていません。

Kiraは中国本土以外でGoogle Geminiを使用していますか？

香港、マカオ、台湾、および海外版はGoogle Geminiを使用すると報じられています。具体的なGeminiモデル、エンドポイント、および完全な地域別利用可能性は公式には確認されていません。

GO Ultraは翻訳された会話を読み上げることができますか？

Insta360公式製品ページはリアルタイム翻訳機能を宣伝しており、メディア報道によると、翻訳結果はカメラのスピーカーから再生できるとされています。対応言語と操作上の制限は、最終的なKiraドキュメントで確認されるべきです。

KiraとGO Ultraの音声コントロールは同じですか？

違います。既存の音声コントロールは、英語、中国語、日本語の限られた固定コマンドのみを認識します。Kiraは、より広範な自然言語による質問応答、翻訳、およびより柔軟なアシスタント動作を提供することを目的としています。

Kiraはオフラインで動作しますか？

接続？

報道されたアーキテクチャは、デバイス上で一部の認識とインテント処理を実行しますが、複雑なタスクはクラウドに送信します。完全にオフラインでのKira操作は確認されていません。

どのGO UltraハードウェアがKiraをサポートしますか？

情報源と公式ティーザーは、既存のGO Ultraシリーズが最初にサポートされるハードウェアであることを確認しています。ユーザーは最終版リリース後に、必要なファームウェア、地域、アプリバージョン、Action Pod要件を確認する必要があります。

関連ツール

• Insta360 GO Ultra：Kira AI音声アシスタントを搭載したコンパクトな4K60ポケットカメラ。
• Insta360 App：カメラ接続、ファームウェア更新、編集、コンテンツ管理のためのInsta360モバイルアプリ。
• Qwen：AlibabaのマルチモーダルAIモデルおよびアシスタントエコシステム。中国本土ではKiraが使用すると報じられています。
• Qwen APIプラットフォーム：Qwenモデルを使用してアプリを構築するためのAlibaba公式APIプラットフォーム。
• Google Gemini：GoogleのマルチモーダルAIアシスタントおよびモデルエコシステム。国際市場ではKiraが使用すると報じられています。
• Google AI for Developers：公式Gemini APIおよび開発者向けドキュメント。

関連リンク

• Insta360 GO Ultra 公式製品ページ：現在の機能、仕様、バンドル、および公式AIトラベルアシスタントの説明。
• 公式GO Ultra発表記事：ハードウェア、映像、バッテリー、ストレージ、発売価格を網羅したInsta360の元の製品発表。
• GO Ultra音声コントロールドキュメント：Kira以前に公式にサポートされていた言語と固定音声コマンド。
• GO Ultraよくある質問：カメラとAction Podの公式操作ガイド。
• Qwen公式サイト：Alibaba公式Qwen製品および研究ポータル。
• Qwen多言語翻訳概要：Qwen多言語翻訳モデルシリーズに関する公式情報。
• Gemini APIドキュメント：GeminiマルチモーダルモデルおよびAPIに関するGoogle公式ドキュメント。

概要

Insta360は、Kira AI音声アシスタントをGO Ultraに導入し、これまで主に固定音声コマンドに依存していたカメラに、オープンエンドの音声による質問応答とリアルタイム翻訳機能を追加しています。

公式ティーザーとGO Ultra製品ページは、この幅広いアシスタント体験を確認しています。メディア報道は、地域別モデル戦略を補足しています：中国本土ではQwen、香港、マカオ、台湾および海外市場ではGeminiを使用します。

報道されたアーキテクチャは、Insta360独自のアシスタントフレームワークと、ローカル認識およびクラウドベースのマルチモーダル処理を組み合わせています。このアプローチにより、53グラムのポケットカメラが、アシスタント全体をローカルで実行しようとせずに、より強力なモデルにアクセスできます。

モデルバージョン、対応言語、オフライン制限、データ処理など、重要な詳細はまだ確認待ちです。

Kiraは正確なカメラコントロールを提供します。

重要な変化は、GO Ultraが音声コマンドで制御されるカメラから、自然な会話を通じて聞き取り、翻訳し、回答し、場合によってはカメラを操作できるAIハードウェア端末へと進化することです。

請提供需要翻譯的內容。