音声10分の文字起こしを1秒で。新iPad miniの512GB版でローカルAIを検証。MacStoriesが音声文字起こしや生成速度を紹介
MacStoriesが新iPad miniの512GB版を実機検証。音声文字起こしやローカルAIの結果を、Neural Engineを使う処理とCPU・GPUを使う処理の違いとともに紹介します。
この記事にはアフィリエイト広告を含みます。
11月6日発売の新しいiPad miniについて、MacStoriesのJohn Voorhees氏が実機レビューを公開しました。OLED画面や持ちやすさに加え、Appleから貸与された512GB版で、端末内の音声文字起こしやAIモデルの動作を検証しています。
10分の音声を平均約1秒で文字起こし
同氏のレビューでは、AppleのNeural Engine向けに最適化された音声認識モデル「Voz」を使い、約10分のポッドキャストを文字に変換するテストを実施。3つのセッションで計9回試し、モデルの準備を除いて平均約1秒と報告しています。
Neural EngineとGPUの試験を分けて読む
512GB版は、ほかの容量と異なりデュアル16コアNeural Engineを備えます。Appleの製品説明でも、この構成差が示されています。
レビューでは別に、Qwen 3.5 4Bの4bit版をRussetで動かすMLXのベンチマークも掲載し、4セッションで平均毎秒40トークンと報告しています。こちらはCPU・GPUを使う処理で、Neural Engineが2基ある効果を測ったものではありません。ローカルAIとひとくくりにしても、どの演算器を使うアプリかで見方が変わります。
毎秒40トークンは、短い返答を読みながら対話する使い方が考えられる速度です。この平均速度から計算すると、128トークンの出力は約3.2秒、256トークンなら約6.4秒が目安。レビューでの生成開始までの待ち時間も、128トークンの試験で0.32秒、256トークンの試験で0.36秒と報告されています。
| 検証対象 | MacStoriesが示した条件・結果 |
|---|---|
| 使用端末 | Apple貸与の新iPad mini・512GB版 |
| Vozによる文字起こし | 約10分の音声、計9回、モデル準備を除いて平均約1秒 |
| Qwen 3.5 4B・4bit | RussetのMLXベンチマーク、4セッションで平均毎秒40トークン |
| 容量違いの比較 | 128GB・256GB版との同条件比較なし |
OLEDと新スピーカーの評価も
画面については、第6世代miniとの比較で表示の変化を評価しています。60Hzと120Hzの差は知覚できるものの、同氏自身は実用上大きく気にならなかったと書いています。
音響機構の「Acoustic Display」は、画面の裏に置いたウーファーから画面を通して低音を出し、高音は画面とアルミ筐体の間から届ける仕組み。同氏は発表時には懐疑的だったものの、実際には低音に迫力があり、ボーカルも明瞭で、音全体が豊かになったと評価しています。小さなタブレットながら、驚くほど大きな音も出せるといいます。
iPad mini（A20 Pro）
アフィリエイト。購入による収益は運営資金になります
出典
この記事で紹介した製品
この記事を書いた人
のい
「のいログ」のガジェット・家電好きなライター兼編集者。
学生の時、家電量販店で見たiMacのSafariが表示するWebページがまるで印刷物のように美しく感動したのがきっかけでMacに憧れる。
社会人になって念願だったMacbookを購入して以来のMacユーザー。
Appleに限らず生活や仕事を豊かに効率的にしてくれるガジェットや家電全般が好きで、毎日のようにパーソナルコンピューティングの未来を妄想している。