NotebookLM を英会話学習アプリにする拡張機能を作ってみた。
最近、Google の NotebookLM が話題ですね。資料をアップロードするだけで、AI がその内容に基づいて回答してくれる素晴らしいツールです。
私も英語学習やドキュメントの読み込みに活用しているのですが、「もっとハンズフリーで対話したい」「英語の回答をリスニングしたい」と思うことが増えてきました。
そこで、NotebookLM のチャット画面に音声入力、読み上げ(TTS)、さらに翻訳機能を追加する Chrome 拡張機能 "NotebookLM Talk" を自作してみました。
この記事では、拡張機能の機能紹介と、開発にあたっての技術的なポイント(特に Shadow DOM への対応)について紹介します。
何ができるのか?
この拡張機能を導入すると、NotebookLM の UI にいくつかのボタンが追加され、以下の機能が使えるようになります。
1. 音声入力 (Speech-to-Text)
マイクボタンを押して話しかけるだけで、テキストを入力・送信できます。
Web Speech API を使用しているため、ブラウザ標準の高精度な音声認識が利用可能です。
2. 回答の読み上げ (Text-to-Speech)
AI の回答メッセージに「スピーカーアイコン」が追加されます。クリックすると回答を読み上げてくれます。
また、自動読み上げ機能(実験的) も搭載しており、AI からの返答が来ると自動的に読み上げを開始することも可能です。
英語学習においては、「自分の発音が通じるか試す」→「AI の英語回答をリスニングする」というサイクルがこれ一つで完結します。
3. システムプロンプトの自動付加
音声入力時に、あらかじめ設定した「システム指示」を自動的に付与して送信できます。
例えば:
- 英語学習用: "Correct my grammar and explain why."(文法を訂正して解説して)
- 要約用: "Answer within 100 characters."(100文字以内で答えて)
- レベル調整: 「初心者向け」「上級者向け」などの難易度設定も可能です。
4. インライン翻訳
回答メッセージに追加される「翻訳アイコン」をクリックすると、その場で日本語訳を表示します。
英語のドキュメントを扱っている際、AI の回答が難解でもすぐに意味を確認できて便利です。
技術的なポイント
開発において特に工夫が必要だった点を紹介します。
1. Shadow DOM との戦い
Google の最近の Web アプリケーション(NotebookLM 含む)は、Web Components を多用しており、主要な要素が Shadow DOM の中に隠蔽されています。
通常の document.querySelector では要素が見つけられず、拡張機能からの操作が非常に困難です。
そこで、Shadow DOM を再帰的に探索するヘルパー関数を実装しました。
// Shadow DOM を再帰的に探索して要素を見つける関数
function findElementDeep(root, tagName) {
if (!root) return null;
// 1. 現在のルート内で検索
let found = root.querySelector ? root.querySelector(tagName) : null;
if (found) return found;
// 2. 現在のルート内の全要素のShadowRootをチェック
const allElements = root.querySelectorAll ? root.querySelectorAll('*') : [];
for (let el of allElements) {
if (el.shadowRoot) {
found = findElementDeep(el.shadowRoot, tagName);
if (found) return found;
}
}
return null;
}
この関数を使って、入力エリア(Omnibar)やチャットメッセージのコンテナを特定し、ボタンを注入しています。
2. スタイルの注入 (Injected Styles)
Shadow DOM 内に要素(ボタンなど)を追加しても、外部の CSS ファイル(styles.css)のスタイルは Shadow DOM のカプセル化によって適用されません。
そのため、JavaScript で動的に <style> タグを生成し、ターゲットとなる Shadow Root 内に直接注入する処理を行っています。
function injectStylesToShadowRoot(shadowRoot) {
const style = document.createElement('style');
style.textContent = `
.read-aloud-btn {
/* ボタンのスタイル定義 */
}
`;
shadowRoot.appendChild(style);
}
3. MutationObserver による動的要素の監視
AI の回答は非同期でストリーミング生成されます。
MutationObserver を使用してチャットパネルの DOM 変化を監視し、新しいメッセージが追加された瞬間に「読み上げボタン」と「翻訳ボタン」を即座に注入しています。
また、自動読み上げ機能においても、"Thinking..." や "Generating..." といった一時的なステータス表示を無視し、回答が確定したタイミング(あるいは十分な長さになったタイミング)を判定するロジックを組み込んでいます。
4. 不要なテキストのクリーニング
AI の回答テキストをそのまま Web Speech API に渡すと、UI 上のアイコンテキスト("content_copy" や "thumb_up" など)や、ソースの引用番号("[1]")まで読み上げてしまいます。
正規表現を用いてこれらを除去し、人間が聴きやすいテキストに整形してから読み上げさせています。
let cleanText = text
.replace(/\b(copy_all|thumb_up|...)\b/gi, '') // アイコン名除去
.replace(/[\[][\d\s,]+[\]]/g, ''); // 引用番号 [1] 除去
インストール方法
Chrome ウェブストアで公開しています。以下のリンクから直接インストールしてご利用いただけます。
NotebookLM Talk - Chrome ウェブストア
まとめ
NotebookLM はそのままでも強力ですが、音声インターフェースを加えることで、語学学習パートナーや、歩きながらのアイデア出しツールとしても活用できるようになります。
Shadow DOM を活用したモダンな Web アプリへの拡張機能開発の参考になれば幸いです。
Discussion
これ素晴らしいですね。ただ英会話だけじゃ無くて就職面接や1on1、おデートの会話練習,
士業なら顧客との相談練習、営業ならセールストークの練習などなど、人それぞれに対話のやり取りのニーズがあると思うので、それをユーザーが個別調整できるならもっとよかったのにと思いました。
ご意見、ありがとうございます。
汎用的に使えるように、NotebookLM Consult として開発してみます。