90 ページの PDF を明日の朝までに理解しなければならない。1 ページずつ読み、線を引き、メモを取り、難解な段落を何度も読み返す——という道もあります。あるいはその PDF を音声概要（Audio Overview）に渡し、通勤中もジムでも料理中でも、二人の AI ホストが要点を案内してくれるのを聴くという道もあります。

音声概要は NotebookLM を象徴する機能です。PDF、Markdown のメモ、ウェブページ、YouTube の字幕、録音データといった資料から、ポッドキャスト風の対談を生成します。二人の AI ホストが自然な会話のテンポであなたの資料を語り合い、具体的な箇所を引用し、含意について議論を交わし、見落としがちなつながりを掘り起こします。出来上がる音声は、機械的な読み上げではなく、しっかり作り込まれたポッドキャストのように聴こえます。

この機能は、過去 12 か月にわたる NotebookLM の Google トレンド上昇のかなりの部分を支えてきました——人が同僚に NotebookLM を勧めたくなる理由そのものです。そして GeminiDesktop は、この体験をデスクトップに持ち込みました。ローカルファイルから生成し、MP3 をそのまま手元に保存し、Mac・Windows・Linux でネイティブに動く。ブラウザのタブは要りません。

要点まとめ

手元の資料から二人語りのポッドキャストを生成——会話の流れを設計する工程と、二人分の声を描き分ける AI 音声合成の工程が組み合わさっています。
80 以上の言語に対応。翻訳調ではなく、その言語のネイティブが話しているように聴こえます。
4 つのスタイル：対談・ディベート・インタビュー・講義。3 つの長さ：2〜4 分、5〜10 分、15〜20 分。
インタラクティブモードでは、ホストが話している最中に割り込んで質問し、そのまま会話を再開できます。Gemini Live のリアルタイム通信とネイティブな割り込み（barge-in）が土台です。
NotebookLM はブラウザの中で完結しますが、GeminiDesktop は MP3 をローカルに保存するので、Apple Music・CarPlay・iPhone 同期・Spotify のローカルファイルがそのまま認識します。
真の競合が存在しない：ElevenLabs、Descript、Spotify AI DJ はそれぞれ隣接する課題を解きますが、「自分の持っている資料から二人語りの対談を作る」ことはどれもできません。
Windows の空白——Google はネイティブの Gemini Windows アプリを出しておらず、GeminiDesktop が唯一のネイティブ選択肢です。詳しくはネイティブ Gemini Windows アプリをご覧ください。

NotebookLM の音声概要では何が生成される？

生成されるのは、二人の AI ホストによる完成された音声対話そのものです。単なる読み上げや要約とは、次の点で決定的に違います。

声が二つある。 ホストごとに話す速度も役割も違います。一方は話題を持ち出し背景を補う役、もう一方は突っ込み、前提を疑い、内容どうしのつながりを見つける役。この掛け合いのダイナミクスがあるだけで、一人語りのナレーションより格段に聴きやすくなります。

会話が自然に流れる。 ホストは互いに割り込み、言葉を補い、考え込んで間を置き、時には意見が合いません。原稿を読んでいるのではなく、同じ資料を読んだ二人が本当に議論しているように聴こえます。

資料に根拠がある。 ホストのどの発言も、あなたがアップロードした資料までたどれます。具体的な章を引用し、重要な段落を抜き出し、資料が曖昧だったり矛盾していたりする箇所も指摘します。作り話のポッドキャストではなく、資料の中身に忠実な統合です。

80 以上の言語。 中国語、日本語、韓国語、スペイン語、フランス語、ドイツ語、アラビア語、ヒンディー語——対応言語なら品質は揃っています。翻訳を読み上げるのではなく、その言語で自然に話します。

音声概要はどこまでカスタマイズできる？

長さ・スタイル・言語という 3 つの軸を自分で指定できます。画一的な出力ではありません。

長さ

短め（2〜4 分）：最上位の要点だけを押さえた凝縮版。メール向けブリーフィング、会議前の準備、その資料を精読すべきか判断したいときに向きます。
中くらい（5〜10 分）：既定のフォーマット。主要な論点、重要な根拠、そこから導かれる示唆までカバーします。通勤中に聴くならたいていこの長さです。
長め（15〜20 分）：資料を節ごとに深く読み解いていきます。学術論文、法務文書、細部が必要なあらゆる資料に向きます。

スタイル

対談（Conversational）：既定の二人語りディスカッション。くだけていて分かりやすく、幅広い相手に向きます。
ディベート（Debate）：中心となる主張について、二人のホストが賛否に分かれて論じます。論証の強さを見極めたいとき、研究論文の弱点を洗い出したいときに向きます。
インタビュー（Interview）：一方が鋭い質問を投げる聞き手、もう一方が著者や専門家を演じます。書き手の視点がはっきりした資料に向きます。
講義（Lecture）：一人語りで構成された解説。資料の構成順に沿って進みます。より形式的で直線的なので、順を追って吸収したい内容に向きます。

言語

80 以上の言語から選べます。英語の論文から日本語の音声概要を作ることも、中国語のレポートからスペイン語版を作ることもできます。ホストは指定した言語で議論しながら、元の内容を忠実に伝えます。

音声概要はどうやって作られている？

台本を書く工程と、それを声にする工程の 2 段階で作られています。この分業が品質を支えています。

第 1 段階：対話の台本を設計する

資料はまず、対話の台本をまるごと書き起こす専用の指示とともに処理されます。単なる要約ではありません。どう切り出し、どこを深掘りし、いつ一歩引いて背景を補い、どう締めるか——会話全体の起伏が設計されます。そして台本は二人の話者に割り振られ、自然な相づち、突っ込み、話題の転換までが織り込まれます。

長大な文脈を扱えるため（最大 200 万規模）、膨大な資料の束でもまるごと処理できます。資料を途中で打ち切ったり、抜き出した断片だけに頼ったりしません。全体を読み切ったうえで、内容全体に基づいて考えます。

第 2 段階：AI 音声合成で声にする

出来上がった台本は、複数話者に対応した AI 音声合成にかけられます。声は二種類。

Kore——落ち着いた、説得力のある声。背景説明や解説パートを担うことが多い声です。
Puck——より快活で表情のある声。質問、リアクション、コメントを担当します。

組み合わさった音声は、二つの読み上げエンジンが交互に段落を読んでいるのではなく、生身の二人が会話しているように聴こえます。抑揚もテンポも強調も、台本の内容に応じて生成されます。

品質の上限は NotebookLM のウェブ版と変わりません。GeminiDesktop の違いは、その周りに組んだ仕組み——ローカルファイルをそのまま入力にでき、MP3 として出力され、ファイルシステムと繋がること——にあります。

NotebookLM の音声概要はダウンロードできる？

NotebookLM のウェブ版ではできません。音声概要はブラウザ内で再生され、聴くこともリンクを共有することもできますが、「MP3 として保存」してローカルに書き出すネイティブな操作がありません。音声はプロダクトの画面の中に閉じ込められています。

GeminiDesktop はこれを二つのレイヤーで変えました。

ローカルファイルを直接読む、アップロード不要

資料はすでに Mac の中にあります。GeminiDesktop はディスクから直接読むので、アップロードの工程がありません。PDF が 50 本入ったフォルダは、ファイルシステムを走査する時間だけで Notebook になります。音声概要を生成するときは、資料の中身が手元のマシンから送られ、処理が済んだ音声がそのまま返ってきます。

MP3 をローカルに保存

生成された音声概要は MP3 ファイルとして、macOS なら ~/Music/GeminiDesktop/、Windows なら Music\GeminiDesktop\、あるいは自分で設定した任意のフォルダに保存されます。保存されたあとは——

Apple Music が自動的に取り込みます。ふだんの音楽やポッドキャストと並んでライブラリに現れます。
iPhone に iCloud ミュージックライブラリ経由で同期されます。移動中に聴くのに手動転送は不要です。
CarPlay でそのまま再生できます。朝の通勤が、昨日調べた内容のブリーフィング時間になります。
Spotify のローカルファイル はそのフォルダを指定するだけで認識します。
Overcast / Pocket Casts には iOS 上でローカル取り込みできます。
どんなプレーヤーでも 読めます。VLC、Winamp、foobar2000、ウェブプレーヤーにドラッグするだけです。

ファイルはあなたのものです。ファイルシステム上のごく普通の MP3 なので、名前を変え、移動し、同僚にメールで送り、CMS にアップロードし、アーカイブできます。ブラウザのセッションにもクラウドにもサブスクにも依存せず、ずっとアクセスし続けられます。

再生中にホストへ質問し返せる？

できます。インタラクティブモード（Interactive Mode）を使えば、あらかじめ生成された対話を受け身で聴くのではなく、自分がその会話に加わります。

インタラクティブモードを有効にすると、二人の AI ホストがあなたの資料について話し始めます。いつでも割り込めます——文字どおり話の途中で遮って、質問できます。「ちょっと待って、手法のセクションに戻って。サンプルサイズはいくつ？」ホストは一度止まり、あなたの資料からの具体的な引用で答え、それから自然な位置から会話を再開します。

これは Gemini Live のリアルタイム API の上に作られており、割り込み（barge-in）にネイティブ対応しています。遅延が十分に小さいので、一問一答ではなく本物の会話のように感じられます。

GeminiDesktop では、インタラクティブモードはグローバルショートカット（Mac は Cmd+Shift+L、Windows / Linux は Ctrl+Shift+L）で起動します。特定のタブに切り替えたり、特定のウィンドウを開いたりする必要はありません。マシン上のどこにいてもキーを押せば、会話が始まります。

音声概要はどんな場面で役立つ？

論文の選別から通勤中のブリーフィングまで、「読む時間はないが中身は把握したい」場面すべてです。

論文の選別。 arXiv に新着論文が 20 本。それぞれ 3 分の音声概要を生成し、朝のランニング中に聴き切ります。価値がありそうなものだけ精読し、残りは飛ばす。かかった時間は一日ではなく、一回のランニング分です。

会議前の準備。 午後 2 時の会議までに 40 ページの戦略資料に目を通す必要がある。10 分の音声概要を生成し、昼食中に聴き終える。会議室に入る時点で、中心となる提案、リスク要因、未決の論点を把握できています。

語学学習。 英語の教材を持っていて、日本語を学んでいるとします。日本語の音声概要を生成すれば、ホストが英語の資料を日本語で議論してくれるので、内容理解とリスニング訓練を同時に得られます。

コンテンツの再利用。 長文記事やホワイトペーパーがあるなら、音声概要を生成してポッドキャストの一話として配信できます。ながら聴きの読者にも同じ内容を届けられます。

通勤ブリーフィング。 監視フォルダを設定しておけば、日中に届いた新しい資料から夜のうちに音声概要が自動生成されます。朝起きると、通勤のためのできたてブリーフィングが音楽フォルダに並んでいます。手作業はゼロです。

法務文書のレビュー。 契約書の束をひとつのフォルダにまとめ、「ディベート」スタイルで 10 分の音声概要を生成します。ホストが対立する解釈をそれぞれ主張するので、黙読では読み飛ばしてしまう曖昧な箇所を突いてもらえます。

調査報道。 証言、リーク文書、情報提供者へのインタビュー。「インタビュー」スタイルで生成すれば、一方のホストが調査者として意地の悪い質問を投げ、話の綻びや前後の矛盾をあぶり出してくれます。

ElevenLabs や Descript とは何が違う？

音声 AI としては隣接していても、「自分の資料から二人語りの対談を作る」という一点で置き換えにはなりません。

機能	NotebookLM	ElevenLabs Studio	Descript Overdub	Spotify AI DJ	GeminiDesktop
二人語りポッドキャスト生成	対応	非対応（台本は自分で）	非対応（台本は自分で）	非対応（音楽向け）	対応
自分の資料が出発点	対応	非対応	非対応	非対応	対応
根拠つきの引用	対応	該当なし	該当なし	該当なし	対応
自然な会話（割り込み・リアクション）	対応	限定的	限定的	非対応	対応
インタラクティブ / barge-in モード	対応	非対応	非対応	非対応	対応
80 以上の言語	対応	29 言語	限定的	該当なし	対応
ローカルへの MP3 保存	非対応	対応（生成ごと）	対応	非対応	対応
音声クローン	非対応	対応（強力）	対応	非対応	非対応
ネイティブデスクトップアプリ	非対応	ウェブのみ	対応（Mac / Win）	モバイル優先	対応（Tauri）
一般的な価格	無料 + Pro	月 $5〜	月 $19〜	Spotify Premium に付属	無料 + API

ElevenLabs Studio は市場で最高水準の音声合成品質を持ち、複数話者モードで二人分の音声も作れます——ただし台本は自分で書く必要があります。音声制作のインフラであって、「資料をポッドキャストに変える」ツールではありません。

Descript Overdub は音声クローンとポッドキャスト編集を提供します。こちらも台本ありきです。音声概要が生成した MP3 を Descript に取り込んで仕上げる、という組み合わせはごく自然なワークフローになります。

Spotify AI DJ は AI パーソナリティが音楽のおすすめをナレーションしてくれる機能です。まったく別のカテゴリで、あなたの資料は読みません。

NotebookLM が最も直接的な同類です。生成品質は同じ。違いは構造の側にあります——ブラウザ限定か、ネイティブデスクトップ + ローカルファイルか。

なぜ Google はデスクトップ版の音声概要を出さない？

Google Labs が NotebookLM を「ウェブ前提のプロダクト」として出荷しているからです。公開 API がなく、チームは小規模で、プラットフォーム網羅の目標も課されていません。音声概要は非常によく作り込まれ、Google も看板機能として力を入れてきましたが、デスクトップの空白だけはずっと埋まらないままです。Google 自身のデスクトップ入口が生まれるには、完全なネイティブ NotebookLM アプリ（作られていません）か、NotebookLM の API（公開されていません）のどちらかが必要です。GeminiDesktop はこの空白を、複数の先進 AI モデルを切り替えて使える構成と、手元のマシン上でネイティブに動くファイル入出力によって埋めています。構造的な分析の全文はなぜ NotebookLM にはネイティブアプリがないのかにまとめています。

Windows や Intel Mac でも音声概要は使える？

GeminiDesktop ならどちらでも使えます。Tauri 2.x が Intel + Apple Silicon のユニバーサルバイナリを生成し、加えてネイティブの Windows ビルドも提供しているためです。Windows の状況はさらに厳しく、Google はネイティブの Gemini アプリを一切出しておらず、2026-04-14 の Google App for Windows は NotebookLM の入口を持たない薄い検索シェルにすぎません。Intel Mac でも、2026-04-15 の Gemini for Mac は Apple Silicon にしか対応していません。参考：なぜ Google は Gemini Windows アプリを作らないのか、Intel Mac 向けの代替手段。

機能比較

機能	NotebookLM ウェブ版	GeminiDesktop
二人語りポッドキャスト生成	あり	あり
80 以上の言語対応	あり	あり
長さの指定（2〜20 分）	あり	あり
スタイル指定（対談 / ディベート / インタビュー / 講義）	あり	あり
インタラクティブモード（割り込み質問）	あり	あり
ローカルファイルシステムへの MP3 保存	なし	あり
アップロード不要でローカルファイルから生成	なし	あり
Apple Music / CarPlay 連携	なし	あり（ローカルファイル経由）
監視フォルダによる自動生成	なし	あり
グローバルショートカットで起動	なし	あり
Intel Mac で利用可能	ブラウザ	あり（ネイティブ）
Windows で利用可能	ブラウザ	あり（ネイティブ）
生成後にオフラインで MP3 再生	なし	あり

音声概要の制限は？

音声概要の生成は Gemini API の利用枠を消費します。長め（15〜20 分）の高品質な音声は、短い要約より多くの枠を使います。音声クローンには対応していないので、自分の声でナレーションしたい場合は Descript Overdub や ElevenLabs を使ってください。「ディベート」と「インタビュー」のスタイルは、立場のある資料（論評、コラム、ケーススタディ）でよく効き、中立的なリファレンス文書ではあまり映えません。インタラクティブモードは Gemini Live のリアルタイム通信に依存するため、安定したネット接続が必要です。200 万規模を超える資料は、まるごと含まれずサンプリングされる場合があります。80 以上の言語に対応しているとはいえ音質は言語によって差があり、英語・中国語・スペイン語・日本語が最も強く、話者数の少ない一部の言語は改善途上です。

よくある質問

NotebookLM にデスクトップ版の音声概要はありますか？ ありません。NotebookLM の音声概要は notebooklm.google.com のブラウザ内でしか再生できません。MP3 ダウンロードも、ネイティブのデスクトッププレーヤーも、ファイルシステムへの保存もありません。GeminiDesktop.app が現時点で唯一のネイティブデスクトップ選択肢です。

音声概要において、NotebookLM と Gemini は何が違いますか？ 音声概要は NotebookLM の機能であって、汎用 Gemini の機能ではありません。標準の Gemini アプリは、あなたの資料から二人語りのポッドキャストを作りません。GeminiDesktop はそのワークフローをデスクトップ側で再現しています。

音声概要はオフラインで使えますか？ 生成にはネット接続が必要です。MP3 としてローカルに保存したあとは、再生は完全にオフラインで行えます。

NotebookLM の音声概要は無料ですか？ NotebookLM は無料プランでも音声概要を提供しており、1 日あたりの生成上限があります。NotebookLM Plus（Google AI Pro）では上限が引き上げられます。GeminiDesktop での生成は自分の Gemini API 利用枠に計上されますが、無料枠でも日常的な利用には十分です。

音声概要はどんなファイル形式に対応していますか？ PDF、プレーンテキスト、Markdown、YouTube の URL、ウェブページ、録音データ（先に文字起こし）、画像（マルチモーダル）です。GeminiDesktop も同じ範囲を読み込み、さらに自分の Gemini API キーで扱える形式にも対応します。

自分の声で音声概要を作れますか？ 作れません。音声概要は Google の Kore と Puck という二つのホスト音声を使います。音声クローンが必要なら ElevenLabs や Descript Overdub と組み合わせてください。

生成にはどのくらい時間がかかりますか？ 台本の生成は資料の長さ次第で 30〜90 秒。音声の合成は中程度の長さで 10〜30 秒。全体としてはたいてい 2 分以内に完了します。

使ってみる

GeminiDesktop をダウンロードし、資料の入ったフォルダを渡して、最初の音声概要を生成してみてください。MP3 は Mac、Windows、Linux にそのまま保存されます。いつでも、どこでも、好きな方法で聴けます。

geminidesktop.app/app

NotebookLM 音声概要（Audio Overview）完全ガイド：資料が AI ポッドキャストになる