首輪のマイクで吠え声を拾い、音響特性を解析して「楽しい」「フラストレーション」など6つの感情に分類し、約100種類の定型文に変換して液晶画面に表示する仕組みでした。
日本中で大きなブームを巻き起こしましたが、当時から専門家は冷ややかな評価をだしていました。
コロラド州立大学の獣医行動学教授Dr. Rolan Trippは、獣医学メディア『dvm360』の取材でこう語っています。

「飼い主はボディランゲージと吠え声から直感的に、そしておそらくより正確に犬の感情を読み取ることができる。このデバイスはお金の無駄になる可能性がある」（出典：dvm360）

2016年頃には、犬の脳波を測定してテキスト化すると主張した「No More Woof」というプロトタイプが海外で注目を集めましたが、実用化には至らず頓挫。

そして2026年現在、生成AIやLLM（大規模言語モデル）の急速な普及とともに、この系譜は新たな局面を迎えています。

2002年

BowLingual（バウリンガル）

主張
吠え声の音響解析から6つの感情、100の定型文に分類。

科学的根拠
玩具レベル。文脈を無視した音響のみの判定であり、当時から専門家による懐疑的な指摘がありました。
2016年頃

No More Woof（プロトタイプ）

主張
ヘッドセットで脳波を測定し、英語のテキストに変換。

科学的根拠
なし。実用的なデータや検証はなく、製品化に至らず頓挫しました。
2026年

PettiChat（ペティチャット）

主張
LLM（大規模言語モデル）＋音声データにより「1.2秒でスマホに翻訳」「精度94.6%」と発表。

科学的根拠
社内テストのみ。第三者検証や査読論文の公開はなく、SNS上で根拠の薄さを指摘するコミュニティノートが付与されました。

LLM搭載で話題の「PettiChat（ペティチャット）」とは？

PettiChatの画像 — 引用：https://pettichat.com/

2026年4月14日、Kickstarterにあるペットテック製品が登場し、世界のガジェット愛好家やペットオーナーの間でたちまち話題になりました。

中国・杭州のスタートアップが開発した「PettiChat」です。

最大の特徴は、アリババが開発したLLM「Qwen AI」を搭載している点です。
メーカーによると、100万件超の犬の音声・行動データでAIを学習させており、「吠え声をわずか1.2秒でスマホアプリ上に翻訳する」と謳っています。
翻訳精度は「94.6%」とも。
なお、価格は119ドル。

固定の定型文ではなく、状況に応じた自然な文章をAIが生成するというストーリーが多くの飼い主の心を掴みました。

ただ、94.6%という根拠はあくまでメーカーの社内テストによるもので、査読論文も独立した第三者検証もありません。

2026年5月24日、Xでこの製品を絶賛するバイラル投稿に「メーカーが独立した検証や公開研究なしに主張しているものである」というコミュニティノートが付いたことで、信頼性が議論されました。（出典：Explainx）

なぜ音声だけでは無理？動物行動学から見た感情翻訳の「3つの限界」

どれだけAIが進歩しても、音声だけから感情を言葉に翻訳するアプローチには無理があります。動物行動学の観点から見ると、そこには3つの高い壁があります。

① 文脈のない音声解析の限界（正答率はコインの裏表レベル？）

2023年に学術誌『Animal Cognition』に掲載されたメタ分析では、周囲の文脈情報なしに吠え声だけを聴いて感情カテゴリを識別しようとした場合、人間でも正答率は52〜58%にとどまるとされています。

コインの裏表を当てる確率とほぼ変わりません。

② 犬には人間の主語・述語のような「文法」が存在しない

獣医行動学者のDr. Sarah Heathはこう述べています。

「犬は霊長類や鳥のような参照的発声（特定の対象を指し示す鳴き声）を持たない。吠え声は覚醒度・動機・環境によって形成された情動シグナルであり、文法ではない」

犬の鳴き声は「お腹が空いた」「散歩に行きたい」という意味を持つ言葉ではなく、その瞬間の感情の高ぶりを示すシグナルとのこと。
これを主語・述語のある文章に翻訳することは、生物学的に無理があります。

③ 犬の感情シグナルの70%以上は「ボディランゲージ」にある

犬の感情シグナルの70%以上はボディランゲージ（尾の姿勢、耳の位置、体重移動、視線の向き、筋肉の緊張度など）から発信されています。

音声だけをトリガーにする翻訳モデルは、こうした情報の大部分を最初から捨てています。

加えて、多くの商用翻訳モデルは感情1カテゴリあたり200件未満という少ないデータで学習されており、データ元もシェルターや特定の実験用ビーグルに偏っているという問題も指摘されています。

犬の感情シグナルの内訳（概念図）

ボディランゲージ 70%以上

音声等

ボディランゲージ（70%以上）：
尾の姿勢、耳の位置、体重移動、視線の向き、全身の筋肉の緊張度など。

音声・その他（20〜30%）：
吠え声、唸り声、クンクン鳴く声など。

⚠️ 音声（吠え声）のみをトリガーにする翻訳モデルは、犬が発信しているコミュニケーション情報の大部分（7割以上）を最初から捨てていることになります。

科学的に正しいペットテックのあり方。「翻訳」ではなく「逸脱検知」

愛犬と会話したいという気持ちはよくわかります。

しかし、科学的に妥当なペットテックであれば、そもそも「犬語を翻訳する」というゴールを設定していません。
（ボタンを使って愛犬と会話しているYouTubeチャンネルもありますが、今回は触れません）

現在目指すべきは、多角的なデータによる日常からの逸脱検知です。

近年のスマート首輪の研究では、音響解析ではなく、複数センサーを組み合わせたマルチモーダルAI（複数種類のデータを組み合わせて解析するAI）が主流になっています。

2024年に学術誌『Frontiers in Veterinary Science』に掲載された論文では、
・HRV（心拍変動：拍動間隔のゆらぎ。ストレス状態の指標になる）
・加速度計
・サーマルセンサー
を組み合わせた首輪を用い、使役犬の急性ストレスを感度 89% で予測することに成功しています。

ヘルシンキ大学の研究では、吠え声の倍音成分のわずかな変化を検出するモデルを訓練し、シニア犬の初期変形性関節症による慢性的な痛みを、獣医師の歩行評価データと照らし合わせて検証する試みも進んでいます。

「足が痛い」と翻訳させるのではない、「いつもと周波数成分が違う＝痛みのサインかもしれない」という異常の検知にテクノロジーを使う。
これが現在の科学的に正しいアプローチです。

科学の進歩はすさまじいので、現在の、と強調しておきます。

CES 2026で注目を集めたSATELLAI Collar Goが示した「翻訳しない誠実さ」

SATELLAI Collar Goの画像 — 引用：https://satellai.com/pages/how-it-works

この逸脱検知というアプローチを体現し、CES（世界最大級のテクノロジー見本市） 2026で注目を集めたのが「SATELLAI Collar Go」です。

大手テクノロジーメディアCNETが選ぶ「Best of CES 2026」のペットテック部門を受賞しました。

搭載AI「Petsense™ AI」は、犬の感情を人間の言葉に翻訳することを明確に否定しています。

代わりに、以下5つのデータを24時間統合して解析します。

活動量
睡眠の質
動きのパターン
周囲の気温
位置情報

これらを犬種・年齢・体重に応じた標準値と常時比較し、その個体の日常からの逸脱を検出します。

昔、夜中に愛犬とは別の子の呼吸音がどこかおかしくなり、一晩中付き添ったことがありました。
夜間なので近くの動物病院も開いていません。
幼いながらも恐怖で眠れませんでした。

結局、翌朝にはすっかり元通りに解消していたのですが、もしかしたら「呼吸の異常が出る前に、目に見えない別の兆候があったのではないか」考えています。
動物は極力体調不良を隠しますので。

SATELLAIにはRAG（データ検索・要約）技術が使われており、アプリに「今日の調子は？」と質問するだけで、主観的な感情翻訳ではなく、蓄積された活動量や睡眠などの客観的な実データを分かりやすくまとめて教えてくれます。

SATELLAI Collar Goのハードウェア価格は79.99ドルで、追加のサブスクリプションなしで全機能が利用できます。

将来的には、蓄積データから愛犬の状態をデジタル空間上に再現するデジタルツインを用いた疾患予測も構想されています。

CEOは「これまで臨床研究室の中にしかなかった高度な解析技術を、そのまま飼い主に届ける」と語っています。
※SATELLAI Collar Goは2026年現在、日本国内では未発売です。（出典：PRNewswire）

「翻訳」と「逸脱検知」のアプローチ対比

感情翻訳型（例：PettiChat）

① 犬の吠え声をマイクで取得

▼

② 音声データのみをAI解析

▼

「お散歩に行きたいな！」
（定型文やLLMによる言語化）

⚠️ 問題点と限界：
コミュニケーションの7割を占めるボディランゲージを無視。文脈のない叫び声を人間の言葉に直すため、科学的根拠が薄い。

逸脱検知型（例：SATELLAI）

① 活動・睡眠・動き・気温を計測

▼

② 品種標準や過去データと比較

▼

「活動量が平均より30%低下。
室温の高さが原因の可能性」

💡 特徴とメリット：
「翻訳」はせず、客観データから普段の状態との“ズレ”を算出。体調の異変や疾患リスクの早期発見につながり、獣医学的に妥当。

今後の展望

動物学を専攻し、ITエンジニアとして働き、長年ペットと暮らしている私の立場から率直に言えば、「動物の感情翻訳」という機能には抵抗があります。

そもそも「動物の感情とは何か」という定義自体、現代のトップクラスの研究者たちの間でも議論が続いている領域です。
それを1.2秒で人間の言葉に置き換えるなど、現在の科学では不可能でしょう。

PettiChatが主張する「94.6%」という数字も、どのような検証を行ったのかデータが不透明であり、現時点でそのまま信用することはできません。

一方で、「愛犬の気持ちを知りたい」という飼い主の願いそのものは否定されるべきではないとも思っています。
その純粋な気持ちがあるからこそ、新しい技術に期待を寄せるわけです。

その観点において、SATELLAIのアプローチは誠実です。
感情を人間の言葉に翻訳することはできないという限界を認めた上で、センサーから得られる活動量や睡眠の質の「いつもとの違い」を飼い主に伝えることに特化しているからです。

ITエンジニアの視点で見ても、LLMを翻訳エンジンとして使うのではなく、RAGの仕組みで飼い主が行動ログを自然言語で読み解くためのUI（ユーザーインターフェース）として活用している設計は合理的です。
デジタルツインによる疾患予測という構想はまだ膨大な臨床データの蓄積が必要であり、現段階では一歩引いて見る必要がありますが、日々の体調変化を客観的に記録するツールとしては、現時点でとても良い設計だと考えます。

📌 この記事のまとめ

犬語翻訳の歴史： 2002年のBowLingual以降、音声による感情翻訳の試みは続いていますが、行動学的な根拠は当時から不足していると指摘されています。
PettiChatの現在地： LLMを搭載し「精度94.6%」を謳うものの、査読論文や第三者検証はなく、2026年5月にはXでコミュニティノートが付くなど信頼性に課題が残ります。
音声解析の限界： 犬は特定の対象を指し示す参照的発声を持たず、感情シグナルの70%以上はボディランゲージに依存するため、音声のみの翻訳には生物学的な無理があります。
本物の技術へのシフト： 現代のペットテックの主流は感情の翻訳ではなく、HRVや加速度センサーを用いた日常データからの逸脱検知です。
SATELLAIの誠実さ： CES 2026で受賞したSATELLAI Collar Goは翻訳を否定し、標準値との比較によるデータ分析とRAGによる事実の要約を提供しています（日本未発売）。
飼い主が持つべき目： 「愛犬が喋る」というエンタメ的な魅力に惑わされず、科学的根拠に基づき愛犬の健康と異変を真にサポートしてくれる技術を選ぶ視点が求められています。

👇あわせて読みたい👇