「0.5秒の沈黙を消せ」時空壺、翻訳イヤホンで世界40万人の理由

1. スイスの救急病棟で突きつけられた「3秒の真空」——元ファーウェイ技術者の原点

2015年冬、スイス・アルプスの救急外来。

息苦しさに胸を押さえて倒れ込んだ母と、取り乱した父。高山病の疑いで急搬送された診察室で、現地のトリアージ看護師と両親の間には、冷酷な沈黙が流れていました。

手元にあったのは、旅行前に買い求めた最新型の携帯型翻訳機でした。しかし、父が震える手でボタンを押し、必死に症状を吹き込んでも、画面は数秒間の処理待ちで固まります。返ってきた合成音声は文脈が細切れに崩れ、現地の医療スタッフには意図が半分も伝わりません。スマートフォンを交互に差し出し合い、相手の発言が終わるのを待ってから機械に向かって喋る——その「3秒から5秒の真空」が、極限状態の病棟では永遠のような恐怖となってのしかかりました。

この光景を遠く中国で聞いた青年が、後に時空壺（Timekettle）を創業する田力（Leal Tian）でした。

当時、田力は通信機器大手ファーウェイ（華為技術）のグローバルセールス部門で働き、その後ロボット工学のスタートアップでハードウェア開発の現場を率いていました。世界中を飛び回る中で彼が痛感していたのは、「人間同士のコミュニケーションの本質は、単語の置き換えではない」という残酷な事実でした。

「人は互いの目を見て、表情を読み取り、相槌を打ちながら会話を深めます。スマホをマイクのように突き出し、数秒待って機械の声を聴かせる動作を挟んだ瞬間、それはコミュニケーションではなく単なるデータ入力になってしまう」

SF小説『銀河ヒッチハイク・ガイド』に登場する、耳に入れるだけで宇宙中の言語が理解できる小さな生物「バベルの魚」。それを現実世界のシリコンと音響技術で作り上げるため、田力は2016年、深圳の雑居ビルで時空壺を立ち上げました。

---

2. 0.5秒の同時通訳を阻む「音響の物理限界」——骨伝導とビームフォーミングの死線

時空壺が掲げた設計思想は極めて明快でした。「1台のスマホに、2つのイヤホン（1 App + 2 Earbuds）」。自分と相手が片耳ずつイヤホンを装着し、互いに母国語で同時に話し、同時に相手の訳出を耳で聴く——いわゆる「双方向同時通訳（Simultaneous Interpretation）」の完全な自動化です。

しかし、このアイデアをハードウェアとして具現化しようとした瞬間、音響工学の冷酷な物理限界が開発チームの前に立ちはだかりました。

最大の障壁は、「クロストーク（音声の回り込み）」でした。

対面で会話する2人の距離は、通常50cmから1m程度です。ユーザーAが日本語を話し、ユーザーBが英語を話すとき、ユーザーAのイヤホンに搭載されたマイクは、目の前にいるユーザーBの英語の生声も拾ってしまいます。 その結果、何が起きるのか。クラウドの翻訳エンジンに対し、「Aの日本語」と「背後からかすかに聞こえるBの英語」が混ざった音声データが送信され、AIは「Aが英語を喋った」と誤認。Bの耳元にA自身の発言の亡霊が送り返され、システム全体が無限の音声ループと誤訳のカオスに陥ったのです。

初期の試作機や、小型化を急ぎすぎた「ZERO」シリーズでは、実験室の無響室では完璧に動いたアルゴリズムが、騒がしい展示会やカフェに持ち出した途端、周囲の雑音と相手の声を拾い集めて完全に沈黙しました。ユーザーからの痛烈な酷評と返品の山。創業資金は底をつきかけ、チームは深刻な存亡の危機に直面しました。

田力たちが下した結論は、「ソフトウェア任せのノイズキャンセリングを捨て、ハードウェアの物理構造から集音を再構築する」ことでした。

この技術的突破口となったのが、自社開発の通信・音響アーキテクチャ「HybridComm™」でした。

フラッグシップ機「W4 Pro」では、空気の振動を拾うデュアル指向性マイクに加え、装着者の顎の骨の振動から声帯の震えを直接読み取る「骨声紋センサー（骨伝導ピックアップ）」を搭載しました。どれほど騒がしい居酒屋や駅の構内であっても、骨の振動をトリガーにして「装着者本人が発声した瞬間」だけをミリ秒単位で特定。外部の雑音や相手の生声を物理的にフィルタリングしたクリーンな音声波形だけをクラウドへ送る仕組みを完成させたのです。

さらに、文章が完全に終わる（句点「。」が打たれる）まで待つ従来の機械翻訳を根本から改め、文脈の意味の塊（チャンク）をリアルタイムにストリーミング処理する意味分割アルゴリズムを導入。発話開始からわずか0.5秒〜1秒で相手の耳に翻訳音声が流れ始めるという、プロの同時通訳者に迫るリズムを実現しました。

比較項目	一般的なスマートフォン翻訳アプリ	手持ち型専用翻訳機	時空壺（W4 Pro / HybridComm）
対話の様式	画面の文字を見せ合う / 交互に吹き込み	端末を相手に向けてボタンを押す	イヤホンを片耳ずつ装着し顔を見合わせて話す
通訳方式	ターン制（交互発話）	ターン制（交互発話）	完全双方向・同時通訳（同時発話可能）
平均応答遅延	3.0〜5.0秒（発言終了後）	2.0〜4.0秒（ボタン解放後）	0.5〜1.0秒（発話中にストリーミング訳出）
騒音耐性	周囲の会話や環境音を誤認識しやすい	指向性マイク依存（近接必須）	骨伝導センサー＋ビームフォーミング融合
相手側の負担	画面を覗き込む受動的な姿勢	マイクを向けられる心理的警戒感	自然なアイコンタクトと手ぶら対話

---

3. 世界40万人と年商40億円——クラファン発・ニッチ市場突破の経済圏

中国国内のコンシューマー市場では、百度（Baidu）や科大訊飛（iFlytek）といったAI音声の巨頭が、数千円台の格安翻訳機や無償のスマートフォンアプリを大量投入し、消耗戦を繰り広げていました。

このレッドオーシャンを横目に、時空壺が選んだのは最初からの「徹底したグローバル直販（D2C）」でした。

田力は米国のKickstarterやIndiegogo、そして日本の「Makuake」や「GREEN FUNDING」といったクラウドファンディングプラットフォームを主戦場に据えました。新しいテクノロジーへの感度が高く、かつ実際に海外とのビジネスやプライベートな言語障壁に悩んでいるアーリーアダプター層に直接プロダクトの思想を問いかけたのです。

特に日本市場での反響は際立っていました。

島国ゆえの英語コンプレックスと、急激に進むインバウンド観光客・外国人労働者の受け入れ拡大という二重の構造変化の中で、「英語が流暢に話せなくても、対等に商談を進めたい」という日本の中小企業経営者や海外事業部員の間で口コミが爆発。Makuakeでの調達額は億単位に達し、ヨドバシカメラやビックカメラの店頭、さらにはAmazon Japanのカテゴリーランキングでも上位の常連となりました。

時空壺の顧客基盤を支えているのは、単なる「年1回の海外旅行者」ではありませんでした。

1. 国際結婚・多言語ファミリー： 互いの母国語が異なり、家族の団欒や義両親との会話で「スマホを介さない日常的な会話」を求める家庭。
2. 多国籍工場の現場監督： ベトナムやフィリピンからの技能実習生が働く日本の製造ラインで、両手を塞がずに安全指示をリアルタイム伝達する現場。
3. 医療・法務・不動産仲介： 専門用語が飛び交い、誤訳が生命や契約の致命傷につながる高単価な対面接客シーン。

こうした「対話の頻度が高く、かつ失敗のコストが極めて重い」深掘りされた利用シーンを押さえたことで、時空壺は世界170カ国以上で累計40万人を超える有料ユーザーを獲得。年間売上高は2億元（約40億円規模）を突破し、翻訳イヤホンという極めて尖った特化市場において世界シェア首位の座を確立したのです。

先行して薄型AIボイスレコーダーで急成長するPLAUD NOTEが切り拓いた「スマホの外側に知能の受音部を逃がす」戦略と同様に、時空壺もまた、身体に最も密着したイヤホンという装着点に賭けることで、巨大プラットフォームの隙間を駆け抜けてきました。

---

4. 忍び寄る「スマホ無償化」の巨影——1台4万円の専用機が直面する生存の問い

しかし、時空壺の歩んできた道が順風満帆なサクセスストーリーに留まるわけではありません。ハードウェアスタートアップが避けて通れない冷酷な現実——「巨大テック企業による機能のコモディティ化」という巨大な影が、今まさに同社の足元に迫っています。

最大の脅威は、スマートフォンの基本機能としての「AI同時通訳の無償化」です。

サムスンは「Galaxy AI」で通話や対面のリアルタイム通訳をOSレベルで標準搭載し、アップルも「Apple Intelligence」とAirPodsの連携によって、iOSエコシステム内での翻訳機能を急速に強化しています。さらに、OpenAIが提供するChatGPTの「Advanced Voice Mode（高度な音声モード）」は、人間の相槌やイントネーション、感情の起伏までを驚くべき流暢さで即座に多言語変換してみせます。

ユーザーからすれば、極めて切実な疑問が突きつけられます。 「すでに手元にあるiPhoneやGalaxy、そして誰もが耳に入れているAirPodsで同じことができるなら、なぜわざわざ3万円〜5万円（約300〜500ドル）もの大金を払って、専用の翻訳イヤホンをもう1台買い足さなければならないのか？」

この問いに対し、時空壺はハードウェアの物理的な妥協と、ビジネスモデルの痛切な修正を余儀なくされてきました。

第一の妥協は、「衛生面と音響性能のトレードオフ」です。 初期のカナル型（耳栓型）イヤホンは、遮音性に優れ骨伝導の密着度も高い反面、欧米や日本のユーザーから「他人の耳から取り出したばかりの湿ったイヤホンを自分の耳穴に入れたくない」という強烈な生理的嫌悪感を受けました。この心理的摩擦を解消するため、最新の「W4 Pro」では耳を塞がないオープンイヤー（耳掛け型）構造への大転換を決断しました。 しかし、オープンイヤー化は新たな物理的欠陥を生み出します。大音量で鳴らした際の「音漏れ」のリスク、そして低音域の減衰を補うための大型ドライバーの搭載による「本体重量とバッテリー消費の増加」です。装着時の軽快さを追求すれば駆動時間が短くなり、長時間の国際会議でバッテリー切れを起こす——この二律背反との格闘は今も続いています。

第二の暗面は、「見えないクラウド費用の出血」です。 ハードウェアを1台売り切れば利益が出る従来の家電と異なり、時空壺の同時通訳は発話の1秒ごとにクラウドサーバー上の最先端LLMや音声認識APIを叩き続けます。ヘビーユーザーが毎日数時間通訳を利用すれば、その通信費とトークン課金は同社の粗利益をじわじわと侵食します。かといって完全オフラインモードに切り替えれば、内蔵チップの計算能力の限界から翻訳精度は目に見えて低下し、「誤訳だらけ」の低評価が下される。 売り切り型ハードウェアの限界を悟った同社は、専門分野の専門用語辞書や無制限のAI要約機能をサブスクリプション化するモデルへと舵を切りつつありますが、ハードウェア代金を払った後の追加課金に対する一般消費者の反発は小さくありません。

---

5. 「機能を足す大企業」と「文脈を削り出す専業」——共生と境界線の先にある未来

巨大プラットフォームが背後から迫る中で、独立系ハードウェア企業はどのようにしてその存在価値を証明し続けることができるのか。

時空壺の田力CEOの答えは、冷徹なまでの「フォーカス」にあります。

「アップルやサムスンの目的は、自社のスマートフォンエコシステムの中にユーザーを囲い込むことです。彼らにとって音声翻訳は、数千ある便利機能の1つに過ぎません。しかし私たちにとって、言語の壁を越える体験は存在理由そのものです。大企業が既存のスマートフォンの上に機能を『足す』とき、私たちは人間同士が向き合う物理的なシチュエーションから逆算して、不要なノイズを『削り落とす』のです」

日常会話のBGMを流すためのAirPodsと、相手の目を見つめて人生の重要な契約を結ぶためのW4 Pro。その2つは、同じ「耳にかけるデバイス」でありながら、背負っているコンテクストが根本から異なります。

日本の産業界に目を向ければ、ソニーが耳を塞がないイヤホン「LinkBuds」シリーズで現実世界とデジタルの常時接続を模索し、ソースネクストが「ポケトーク（POCKETALK）」で手持ち型翻訳機市場を愚直に開拓してきた歴史があります。しかし、対面での同時通訳という極めて狭く、かつ極めて深い「人間の生々しいコミュニケーションの溝」を埋める領域において、深圳のスピード感と音響・ハードウェア統合力を見せつけた時空壺のアプローチは、ハードウェアの存在意義を再考する上で鮮烈な示唆を与えています。

耳元での日常対話を狙うByteDanceのOla FriendがAIアシスタントの常時装着を目指す一方で、時空壺が目指すのは「相手と分かり合えた瞬間に、存在を忘れられるハードウェア」です。

画面を見つめることをやめ、機械の操作から解放され、母国語で笑い合える0.5秒の奇跡。巨大テック企業の巨大な引力圏の縁で、人々の視線を取り戻すための専用ハードウェアの戦いは、今まさに真の正念場を迎えています。