WhatsAppの音声コマンド：Siri、Gemini、Voice Access、FoneClawで送信・通話を使い分ける

スマホと操作別にWhatsApp音声ルートを選ぶ

WhatsAppの音声コマンドは、端末と操作で選びます。AndroidでWhatsAppメッセージやWhatsApp通話を自然言語で頼みたいなら、現在はGemini mobile on Androidのconnected app経路を確認します。iPhoneで「SiriでWhatsAppの連絡先に電話できる？」という問いには、WhatsAppがSiriのメッセージ・VoIP intentに対応し、端末上で連絡先を解決できる場合に使える、という答えになります。画面に見えているWhatsAppを声で操作したいなら、Android Voice Accessはラベル、番号、グリッド、音声入力で進める経路です。

このページでは、連携アプリ経由、画面ナビゲーション、一般的なAndroid操作を混ぜません。WhatsAppの中で正式に扱える操作、Androidの画面を声で動かす操作、FoneClawが隣接して支援できる操作は、それぞれ別の層です。SMSやRCSのハンズフリー送信を整理したい場合は、Android ハンズフリー SMS：Galaxyでも使える音声入力、確認、送信の安全な流れで通常メッセージ側の確認手順を扱っています。

AndroidのGeminiでWhatsAppメッセージと通話を使う

Androidで「GeminiでWhatsAppメッセージを送れる？」と聞かれたら、要件を満たすGemini mobileでは、WhatsApp connected appを通じて連絡先へのメッセージ送信やWhatsApp通話を開始できます。GoogleのGemini Apps HelpのWhatsApp calls and messages説明では、Gemini mobile on AndroidがWhatsAppを使って連絡先へcallまたはmessageできることが案内されています。ここでの対象はGemini mobile on Androidであり、Gemini web、Google Messages内のGemini、Gemini Live chatなどへ広げて考えません。

準備では、Geminiの利用環境、WhatsAppのインストールとログイン、連絡先、Google appやassistant設定、connected appの状態を確認します。コマンドは「Gemini、WhatsAppで田中さんに『10分遅れます』と送って」「WhatsAppで佐藤さんに電話して」のように、WhatsApp、相手、本文または通話を明示します。過去に別のcommunication appでその相手へ連絡していた場合、Geminiが直近の連絡アプリを使うことがあるため、WhatsAppと明示するのが安全です。

制限もはっきり分けます。GeminiのWhatsApp connected appは、WhatsApp履歴を直接読んだり要約したりする経路ではありません。WhatsApp経由で画像、音声、動画を送る経路としても扱いません。通知を読み上げたり返信したりする話は、GeminiのUtilitiesやAndroid通知の経路であり、WhatsApp connected appそのものとは別です。Geminiの音声操作全体を確認したい場合は、Gemini Android 音声操作ガイド：設定、アプリ連携、FoneClawでの実行と復旧が隣接する参考になります。

実用上は、最初に低リスクの短いメッセージで試します。同名連絡先がある場合、個人とグループの候補が近い場合、本文に数字や日時が入る場合は、画面で確認してから送ります。通話では、通常の電話かWhatsApp callかを言い分けます。音声で始めることは便利ですが、相手へ届く操作では、宛先と内容の確認が体験の中心になります。

iPhoneでSiriとWhatsAppを使う

iPhoneでSiriとWhatsAppを使う場合は、アプリ側のSiri対応、iOS、WhatsAppのインストール状態、連絡先の解決がそろっているかを端末上で確認します。AppleのSiriKit Messaging documentationでは、対応するmessaging appsがSiriでmessage compositionやsending intentsを扱える枠組みが示されています。また、messaging app interactionsに関するAppleの説明では、messagingやVoIP appsがアプリ固有のinteractionをdonateし、連絡先を解決する考え方が説明されています。

ユーザー側の言い方は、「Hey Siri、WhatsAppで田中さんにメッセージ」「Hey Siri、WhatsAppで田中さんに電話」のように、アプリ名と相手を入れます。うまくいかないときは、WhatsAppを省略せずに言う、相手の連絡先名を端末上の表示名に合わせる、WhatsApp側の権限を確認する、Siriの設定でWhatsAppが使えるかを見る、という順で確認します。

SiriでWhatsAppの連絡先に電話できるかは、端末上の実際の候補で確かめます。Appleのframeworkがあることは、すべてのiPhone、すべてのOS、すべての言語、すべてのWhatsApp buildで同じ挙動を保証するものではありません。同名の連絡先、複数番号、WhatsAppに登録されていない番号、グループ名に近い個人名があると、解決がずれることがあります。Siriが候補を読み上げたり画面に出したりしたら、通話または送信前に確認します。

将来のSiri関連機能やAI機能の話題と、現在端末上で使えるWhatsAppコマンドは分けます。ここで判断するのは、今のiPhone、今のWhatsApp、今の連絡先で、メッセージ作成や通話開始が成功するかです。音声コマンドは短く、アプリ名と相手名を明示し、最後に画面結果を確認するのが実用的です。

Android Voice AccessでWhatsAppを手放し操作する

Android Voice Accessは、WhatsApp専用APIではなく、画面に見えているAndroid UIを声で操作するアクセシビリティの経路です。GoogleのVoice Access commands説明では、アプリを開く、ラベルや番号を選ぶ、グリッドを使う、ジェスチャーを行う、音声入力と編集をする、設定や通話を扱うといった操作が説明されています。WhatsAppでも、見えているUIを声で操作する用途に向きます。

流れは、まずVoice Accessを起動し、「WhatsAppを開いて」のようにアプリを開きます。次に、連絡先やチャットが画面に見えていれば、ラベル、番号、またはグリッドで選びます。入力欄へ移動したら本文を音声入力し、必要なら「削除」「置き換え」「カーソルを移動」のような編集コマンドで整えます。最後にSendボタンを画面で確認し、音声で押します。

この経路の強みは、アプリがconnected appに対応していない場面でも、画面上の操作として進められることです。弱点は、UI変更、言語、表示サイズ、チャットリストの状態、未読表示、キーボードの違いに影響されやすいことです。Voice AccessはWhatsApp履歴を意味的に読んで要約するものではありません。画面に見えているものを、ラベル、番号、グリッド、dictationで操作する仕組みです。

Voice Accessの詳しい設定、言語、手が離せない場面での使い方は、Android 音声操作の始め方：安全な設定、手が離せない場面、FoneClawの対応ワークフローにまとめています。WhatsAppで使う場合は、必ず最後にSendボタンの位置と本文を確認します。音声操作は速い一方、誤タップや誤認識が起きるため、相手へ届く直前の確認が重要です。

宛先、本文、権限、自動送信を確認する

WhatsAppの音声操作で確認すべきものは、抽象的なプライバシー注意ではなく、実際の送信条件です。第一に宛先です。同じ名前、同じ読み、複数の電話番号、個人チャットとグループチャットがある場合、音声だけで決めると誤送信しやすくなります。第二に本文です。固有名詞、日時、金額、住所、否定表現は認識ミスの影響が大きいため、画面で見てから送ります。

第三に権限です。連絡先へのアクセス、マイク、通知、アシスタント設定、connected app設定は別の経路です。GeminiでWhatsAppへ送るにはconnected appと連絡先解決が関わります。通知の読み取りや返信はUtilitiesや通知権限の経路です。Voice Accessは画面操作の権限と音声入力の経路です。これらを一つにまとめて「WhatsApp権限」と考えると、原因の切り分けが難しくなります。

第四に自動送信です。経路によって、送信前の確認の出方が異なる場合があります。すべての音声操作が必ず同じ形で確認を求めるとは限りません。周囲に人がいる場所、ロック画面、車内、仕事の会話では、話した内容がそのまま相手へ届く前に、画面で確認できる経路を選ぶほうが安全です。WhatsAppへ送る依頼では、WhatsAppがその依頼の実行に必要なデータを受け取る点も理解しておきます。

通話も同じです。通常の電話番号へ発信するのか、WhatsApp callなのか、誰へかけるのかを明確にします。AIエージェントやMCP電話ツールとAndroidダイヤラーの違いを深く見たい場合は、AIエージェントの電話発信：MCP電話ツールとAndroidダイヤラー操作の違いで、通話の実行経路を分けて説明しています。

FoneClawでWhatsApp前後のAndroid手順を整える

FoneClawについては、現在の範囲を正確に伝えます。FoneClawはAndroid phone-agent runtimeとして、アプリ起動、ユーザー操作による現在画面の文脈添付、見える画面上の支援、下書き準備、タスク状態、承認、停止、権限回復を扱います。一方で、WhatsApp専用の送信Toolや通話Tool、WhatsApp履歴へのバックグラウンドアクセス、WhatsAppとのnative integrationを主張しません。System SMS toolsはWhatsApp messageとは別です。

私たちがFoneClawで大切にしているのは、ユーザーの目的をAndroid上の見える手順へ変えることです。たとえば「この内容をWhatsAppで送る準備をして」と頼まれた場合、モデルは本文の整理、相手の候補、言い方の調整を手伝います。FoneClawはWhatsAppを開く、ユーザーが選んだ現在画面を文脈にする、画面上で見える手順を支援する、といった隣接するAndroid操作を扱います。送信のように相手へ届く操作では、ユーザーが画面で確認する流れを前提にします。

この設計は、GeminiやSiriのnative connected routeを置き換えるものではありません。AndroidでGeminiがWhatsApp connected appを使えるなら、その経路が送信や通話の第一候補になります。iPhoneではSiriとWhatsAppの対応を確認します。FoneClawは、その前後で本文を整える、相手候補を考える、アプリを開く、現在画面をユーザー操作で添付する、見える結果を確認しながら進める、対応外なら代替手順を返す、という隣接領域を担います。

FoneClawでの実用テストは、送信ではなく準備から始めます。例として、WhatsAppを開き、対象チャットをユーザーが確認し、FoneClawで短い返信案を作り、本文を画面で見て、最後のSendはユーザーが確認します。UIが変わった、対象が曖昧、権限が足りない、画面内容が読めない場合は、FoneClawが次の手順や代替案を返します。私たちは、速さだけでなく、ユーザーが相手と内容を見て判断できる形を重視しています。

WhatsApp音声操作が失敗するときの直し方

WhatsApp音声操作が失敗するときは、最初にどの経路を使っているかを名前で分けます。Gemini connected appなのか、SiriのWhatsApp intentなのか、Voice Accessの画面ナビゲーションなのか、FoneClawの隣接手順なのか。経路を分けないまま設定を触ると、原因が見えません。Androidなら、GeminiとWhatsAppのconnected app設定、Google appやassistant設定、WhatsAppのログイン、連絡先、マイク、通知、ネットワークを確認します。

Geminiで別アプリへ送られる、通常SMSになってしまう、別の連絡先が出る場合は、コマンドにWhatsAppを明示します。「WhatsAppで田中さんに送って」「WhatsAppで田中さんに電話して」のように、アプリ名を入れます。Googleのヘルプでも、最後に使ったcommunication appが選ばれる可能性があるため、アプリ名指定は実用上重要です。連絡先が複数ある場合は、表示名、読み方、登録番号、WhatsApp登録状態を見直します。

Siriで失敗する場合は、WhatsAppがSiriで使える設定になっているか、連絡先名が解決できるか、通常の電話やMessagesへ流れていないかを確認します。Voice Accessで失敗する場合は、ラベルが見えているか、番号表示やグリッドが使えるか、キーボードが入力欄に入っているか、Sendボタンが画面内にあるかを見ます。Voice Accessは見えるUIを操作するため、画面が変わればコマンドの順番も変わります。

FoneClawで止まる場合は、それが正常な停止かを見ます。WhatsApp専用Toolが必要な操作、バックグラウンド履歴アクセス、送信結果の保証が必要な操作は、現在のFoneClawの範囲として扱いません。FoneClawは、対応できる隣接Android手順、見える画面の支援、下書き準備、確認、復旧に進みます。うまくいかないときは、送信ではなく「WhatsAppを開く」「返信案を作る」「この画面の内容を整理する」のような低リスク手順へ戻して検証します。