非英語話者のための栄養追跡：多言語AIフード認識
ほとんどの栄養データベースは英語で構築されています。お粥、ププサ、ボルシチを食べる場合、従来の追跡アプリは機能しません。多言語AIがどのようにこれを変えるのかをご紹介します。
家族との夕食後にカロリー追跡アプリを開くことを想像してみてください。今夜は、ダルマカニとジーラライス、サイドにキュウリのライタ、飲み物にマンゴーラッシーを用意しました。「ダル」と検索バーに入力します。アプリは「ドールバナナ」や「デールの調味料」を返します。「レンズ豆のカレー」に変更してみると、カロリー数が合わない一般的なエントリーが見つかり、諦めてしまいます。明日はログをつける気にもなりません。
これは小さな不便ではありません。世界中の数億人に影響を与える構造的な問題です。栄養追跡アプリの大多数は英語で設計され、英語の食品データベースに基づいて構築され、英語を話すユーザーによってテストされています。あなたの食事が西洋の食料品店の語彙にうまく当てはまらない場合、カロリー追跡のエコシステムから事実上締め出されてしまいます。
2026年、多言語AIフード認識がこの問題をついに解決しつつあります。この記事では、言語の壁がどのように機能し、なぜそれが多くの人が考える以上に重要なのか、そしてその解体に向けて技術がどのように進んでいるのかを説明します。
問題の規模
英語が栄養データを支配する
世界で最も大きな食品成分データベースは、USDA FoodData CentralとUK Nutrient Databankです。どちらも英語で構築されており、アメリカやイギリスで一般的に消費される食品を中心に構成されています。アプリ開発者がこれらのデータベースを基に製品を構築すると、オハイオ州で七面鳥のサンドイッチを食べる人にはうまく機能しますが、ラゴスでジョロフライスを食べる人や、チェンマイでカオソーイを食べる人には全く役に立ちません。
Ethnologueによると、世界には約7,168の言語が存在します。英語は約3.8億人の母国語ですが、栄養データのインフラをこれほどまでに支配しているため、世界で最も多く話されている母国語である普通話を話す人々でさえ、頻繁に英語で食事を検索せざるを得ません。
数字が物語る
Nutrolaの内部データからの統計を考えてみてください：
- 母国語で追跡するユーザーは、1日あたり平均2.8食を記録しますが、第二言語で検索を強いられるユーザーは1.9食にとどまります。
- 30日後の保持率は、母国語でアプリを利用するユーザーが41%高いです。
- 食品データベースがユーザーの母国語をサポートしている場合、1食のログにかかる平均時間は97秒から34秒に短縮されます。
これらは小さな違いではありません。機能するツールと放棄されるツールの間のギャップを示しています。
英語中心のデータベースが国際的な食品を見逃す理由
問題は翻訳だけではありません。何十億人もの人々が毎日食べる食品の中には、英語のデータベースには存在しないものが多く、名前を翻訳しても根本的なデータのギャップは解消されません。
翻訳できない食品
いくつかの料理は、調理法、食感、または材料の組み合わせを説明するため、英語に直接対応するものがないため、英語への翻訳が難しいです。
ダルはその良い例です。英語のデータベースでは「レンズ豆のスープ」として見つかるかもしれませんが、ダルはスープではありません。地域によって、ダルは薄いスープ状のラサムから、濃厚でクリーミーなダルマカニ、さらにはダルフライのような乾燥した調理法まで様々です。それぞれのカロリー密度は大きく異なります。単一の一般的な「レンズ豆のスープ」エントリーではこの範囲を捉えることはできません。
餅も同様の課題を呈します。「ライスケーキ」と翻訳されることがありますが、その英語の用語は健康食品店で売られている軽いスナックのイメージを想起させます。日本の餅は、アメリカのライスケーキの約3〜4倍のカロリー密度を持つ、密度の高いもち米の調理法です。間違ったものを記録すると、カロリー数が数百カロリーもずれてしまいます。
アレパは「コーンケーキ」や「コーンブレッド」として説明されることが多いですが、どちらの用語も実際の調理法を反映していません。ベネズエラのアレパは、グリルまたは揚げたマサケーキで、チーズ、豆、または細かく裂いた肉でよく詰められます。具材や調理法によってカロリーは150から500以上まで変わることがあります。一般的な「コーンブレッド」エントリーは常に間違っています。
お粥は、ほとんどの英語のデータベースでは「ライスポリッジ」としてラベル付けされています。しかし、お粥は地域によって大きく異なります。広東風のお粥は、米粒が完全に崩れるまで調理され、滑らかで低カロリーのベース（トッピング前で約50 kcal/カップ）を得ます。一方、韓国のジュクはより濃厚で密度があります。トッピングの内容（センチュリーエッグ、豚フロス、揚げパン、漬物など）は栄養プロファイルを完全に変え、これらは英語のトラッカーには標準オプションとして表示されません。
ボルシチはしばしば「ビーツのスープ」として簡略化されますが、サワークリーム、ジャガイモ、キャベツ、肉が加わることで、ウクライナやロシアの家庭でカロリー密度の高い主菜に変わります。フルボルシチの一杯は、スフマタとダークブレッドを添えると600 kcalを超えることがありますが、一般的な「ビーツのスープ」エントリーは120 kcalを示すかもしれません。
ププサはサルバドルの詰め物をしたトルティーヤですが、英語のデータベースで「詰め物をしたトルティーヤ」と呼ぶと、特定のマサの調理法や一般的な具材（チチャロン、ロロコ、ケシーリョ）を見逃してしまいます。英語のエントリーではこれを正確に捉えることはできません。
インジェラはエチオピアのサワードウのフラットブレッドで、皿と器の両方の役割を果たします。「フラットブレッド」として登録されることもありますが、このカテゴリーはナンから小麦のトルティーヤ、クラッカーまで幅広く、インジェラはテフ粉から作られ、栄養プロファイルが独特で、通常の小麦ベースのフラットブレッドよりも鉄分やカルシウムが豊富です。このように一般的なカテゴリーにまとめられると、その特性が失われてしまいます。
複合的なエラー効果
ユーザーが実際の食事を見つけられず、「近いもの」として英語のエントリーを代用すると、そのエラーはランダムではありません。非英語圏の国々の伝統的な食事を食べる人々は、常に同じ方向に食事を誤って記録し、カロリー密度の高い調理法を過小評価し、軽いものを過大評価する傾向があります。数週間、数ヶ月にわたってこれらのエラーが蓄積されると、ユーザーは「完璧に追跡しているのに体重が減らない」と疑問に思うかもしれませんが、実際の問題はアプリが彼らの食事を理解できないことです。
多言語AIが状況を変える方法
従来の栄養データベースはテキストベースです。食品名を入力すると、データベースが一致を検索し、結果を返します。このアプローチには、非英語話者にとって致命的な2つの弱点があります：英語名を知っている必要があり、英語のデータベースに正しいエントリーが含まれている必要があるのです。
多言語AIフード認識は、これらの問題を2つの並行したフロントで回避します。
ビジュアル認識：言語に依存しない識別
コンピュータビジョンモデルは言葉を読みません。ピクセルを分析します。ユーザーが料理の写真を撮ると、AIモデルは色、テクスチャ、形状、配置、文脈に基づいて料理を特定します。フォーのボウルは、ユーザーがベトナム語、フランス語、スワヒリ語を話すかどうかに関係なく、フォーのボウルとして見えます。
これは根本的な変化です。初めて、識別ステップは完全に言語から切り離されました。AIはユーザーに何も入力させる必要がありません。食べ物を見て認識し、正しい栄養データにマッピングします。
現代の食品認識モデルは、世界中の数百万のラベル付き食品画像でトレーニングされています。NutrolaのビジュアルAIは、120以上の料理からの料理をトレーニングしており、地域ごとのバリエーションも含まれています。システムは、写真だけでタイのグリーンカレーとタイのマッサマンカレーを区別し、それぞれに独自の栄養プロファイルをマッピングします。
自然言語処理：どの言語でも理解する
ユーザーが入力や発話を行うと、多言語自然言語処理（NLP）により、システムは数十の言語での入力を理解できます。ソウルのユーザーは韓国語で「キムチチゲ」と入力し、カイロのユーザーはアラビア語で「コシャリ」と言い、サンパウロのユーザーはポルトガル語で「フェイジョアーダ」と検索できます。AIは元の言語で入力を解析し、正しいデータベースエントリーに直接マッピングします — 英語の翻訳ステップは不要です。
これにより、食べ物を英語に翻訳してからログをつけるという不自然でエラーの多いプロセスが排除されます。また、サポートされている任意の言語で音声ログを取ることができ、摩擦が大幅に軽減されます。母国語で食事の名前を話す方が、英語の検索インターフェースを探すよりも速く、自然です。
文化に配慮したポーション推定
多言語AIは、文化的文脈を理解することでポーション推定も改善します。日本では、家庭で提供される標準的なご飯のボウルは約150グラムです。アメリカでは、レストランの「ご飯のボウル」はしばしば300グラム以上です。インドでは、ご飯は通常複数の料理と一緒に提供され、ポーションは200グラムのご飯に150グラムのダル、100グラムのサブジが付くことがあります。
AIが文化的文脈を知っていると（ユーザーの言語、場所、過去のログパターンから）、正しいデフォルトのポーションサイズを適用できます。これにより、英語中心のアプリが国際ユーザーに課す推測の層がさらに取り除かれます。
Nutrolaの国際食品データベースへのアプローチ
多言語栄養トラッカーを構築することは、英語のデータベースを他の言語に翻訳するだけの問題ではありません。Nutrolaのアプローチは、英語の名前からではなく、食品そのものから始まります。
地域別の栄養データ
Nutrolaは、異なる地域で調理された同じ料理に対して別々の栄養エントリーを維持しています。「チャーハン」については単一のエントリーはなく、中国のエッグフライドライス、インドネシアのナシゴレン、タイのカオパッド、日本のチャーハン、ナイジェリアのフライドライスなど、地域ごとに異なるカロリーとマクロのプロファイルを持つエントリーがあります。
このデータベースには、世界中の国家食品成分データベースから取得した100万以上の検証済み食品エントリーが含まれており、日本の食品成分標準表、インドの食品成分表、メキシコのINSP食品データベースなどからのデータが含まれています。
地元の栄養専門家による検証
Nutrolaのデータベース内の各地域エントリーは、その食品文化に精通した栄養士によってレビューされています。日本の栄養士が日本料理のエントリーを確認し、メキシコの栄養士がメキシコ料理のデータを確認します。この専門家レビュー層は、自動翻訳やアルゴリズムによる推定では見逃されるエラーをキャッチします — たとえば、メキシコシティの「ミディアム」トルティーヤは、オアハカの「ミディアム」トルティーヤよりもかなり大きいという事実です。
ユーザーログからの継続的な学習
世界中のユーザーが食事を記録することで、NutrolaのAIはデータから学習します。トルコのユーザーが朝食の写真を撮り、システムがトマト、キュウリ、オリーブ、白チーズ、パンの盛り合わせを一貫して認識すると、「トルコの朝食」がどのように見えるか、何を含むかの理解が洗練されます。このフィードバックループにより、システムは時間とともにより正確になります。特に学術的な食品データベースで過小評価されている料理に関しては、正確性が向上します。
ユーザープロファイル：3つの国、3つの体験
プリヤ、29歳 — インド、ハイデラバード
プリヤはソフトウェアエンジニアで、筋力トレーニングをサポートするために栄養を追跡し始めました。彼女の日常の食事は、家庭で調理された南インド料理を中心に構成されています：朝食にはイドリとサンバル、昼食にはライスとラサム、野菜カレー、夕食にはロティとダルの調理法です。
Nutrolaに切り替える前、プリヤは人気の英語のトラッカーを使用していました。彼女は食事に合うエントリーを見つけるのに5〜10分を費やしました。「サンバル」では結果がゼロでした。「ラサム」はデータベースにありませんでした。代わりに「レンズ豆のスープ」を記録しようとしましたが、アメリカのレンズ豆のスープは全く異なる料理で、材料やカロリー密度が異なるため、カロリー数が常に間違っていました。
Nutrolaでは、プリヤは英語とテルグ語の組み合わせで食事を記録します。彼女はサリーを写真に撮り、AIは各コンポーネント（ご飯、ラサム、ポリヤル、パパド、ピクルス）を個別に特定します。彼女の平均ログ時間は8分から20秒未満に短縮されました。さらに重要なのは、彼女のカロリーデータが実際に食べているものを反映するようになったことです。正確な追跡を始めてからの最初の3ヶ月で、彼女はタンパク質の目標を一貫して達成し、スクワットに12キロを追加しました。
「カロリー追跡はインド料理を食べる人のために設計されていないと思っていました」とプリヤは言います。「実際には、アプリが私たちのために設計されていなかっただけです。Nutrolaはそのためにあります。」
ケンジ、34歳 — 日本、大阪
ケンジは健康上の懸念から体重管理をしているグラフィックデザイナーです。医者から10キロ減量し、食事を記録するように言われました。ケンジの食事は伝統的な日本食で、焼き魚、味噌汁、漬物、ご飯、外食時にはラーメンや餃子を楽しみます。
英語のトラッカーは彼にとっては使い物になりませんでした。ケンジの英語は会話レベルですが、食材に特化したものではありませんでした。彼は日常の食事に含まれる多くの材料の英語名を知らず — 納豆、漬物、きんぴらごぼうなど — 、英語の用語を見つけても、ポーションサイズはアメリカのサービングに合わせて調整されていました。
Nutrolaの日本語インターフェースと日本特有のデータベースは、彼の体験をまったく変えました。彼は日本語で食事を記録し、家庭料理の写真認識機能を利用し、アプリは自動的に日本のポーションサイズを適用します。ご飯のボウルは150グラムがデフォルトで、300グラムではありません。味噌汁のサービングは200ミリリットルで、大きなアメリカサイズのボウルではありません。
11ヶ月でケンジは8.5キロ減量しました。彼は追跡の正確性が成功の要因だと考えています。「数字が間違っていると、アプリへの信頼を失います。数字が正しいと、プロセスを信頼できます。」
ソフィア、26歳 — コロンビア、ボゴタ
ソフィアは大学生で、エネルギーレベルを改善し、食事を飛ばさないようにしたいと考えています。彼女の食事は、都市部のコロンビアで典型的なもので、朝食にはチーズ入りアレパ、昼食にはバンデハパイサやコリエンタソ、夕食には軽めのもの（エンパナーダやアヒアコなど）を食べます。
彼女の最初の栄養追跡の試みは3日で終わりました。試したアプリにはアレパのエントリーがなく、「エンパナーダ」は単一の一般的なアイテムとして分類され、マクロが非常に不正確でした。「アヒアコ」を検索すると、アプリは「ガスパチョ」を提案しました。彼女はアプリをアンインストールしました。
友人がNutrolaを勧めたとき、ソフィアは懐疑的でした。しかし、初めてバンデハパイサの写真を撮り、アプリがご飯、赤豆、挽肉、揚げ卵、チチャロン、プランテン、アレパ、アボカドをそれぞれ正確に特定し、地域に適したカロリーデータを提供したとき、彼女は納得しました。
ソフィアは今、スペイン語でログをつけています。食事中に「アレパコンケソブランコ」や「エンパナーダデカルネ」と言って音声入力を使用し、AIは英語の翻訳層を経由せずに彼女の入力をネイティブに処理します。彼女のログの一貫性は、数日ごとに1食を記録することから、60日間連続して毎食を記録することに変わりました。
「私が食べるものを知っているアプリをやっと手に入れました」とソフィアは言います。「私の食べ物を何か別のものに変えようとはしません。」
多言語フード認識の技術的アーキテクチャ
技術がどのように機能しているのかに興味がある方のために、パイプラインの簡略化された概要を示します。
ステップ1：入力処理
システムは、写真、テキスト入力、音声の3種類の入力を受け付けます。写真は、食品画像に基づいてトレーニングされた畳み込みニューラルネットワークによって処理されます。テキストは、40以上の言語をサポートする多言語NLPモデルによって処理されます。音声入力は、まず多言語音声認識エンジンによってテキストに変換され、その後同じNLPパイプラインを通じて処理されます。
ステップ2：食品識別
写真入力の場合、ビジョンモデルは信頼度スコアを持つ候補食品のランク付けリストを出力します。テキストおよび音声入力の場合、NLPモデルは食品アイテムを特定し、言語と地域の文脈に基づいて曖昧さを解消します。メキシコのユーザーが「トルティーヤ」と入力すると、システムはこれをコーントルティーヤとして理解します。スペインのユーザーが「トルティーヤ」と入力すると、システムはそれをトルティージャ・エスパニョーラ（ポテトオムレツ）として認識し、全く異なる栄養プロファイルを持つものとして扱います。
ステップ3：データベースマッピング
食品が特定されると、システムはそれをNutrolaのデータベース内の適切な地域エントリーにマッピングします。このステップでは、ユーザーの位置、言語の好み、過去のログパターンを考慮します。バンコクのユーザーがパッタイの写真を撮ると、タイのストリートフードバージョンが得られます。ロサンゼルスのユーザーがパッタイの写真を撮ると、通常はより大きなポーションと多くの油を含むアメリカのレストランバージョンが得られます。
ステップ4：ポーション推定と確認
システムは、写真からの視覚的手がかり（利用可能な場合）と特定された食品の文化的デフォルトを使用してポーションサイズを推定します。ユーザーは、エントリーが保存される前に確認または調整できます。写真から確認されたログエントリーまでの全パイプラインは、通常3秒未満で完了します。
便利さを超えた重要性
多言語栄養追跡は、個々のユーザーにとっての生活の質の向上だけではありません。これは、世界規模での公衆衛生に影響を与えるものです。
健康格差の縮小
非英語話者の人口は、すでに健康技術によって十分にサービスを受けていません。栄養追跡ツールが英語でしかうまく機能しない場合、英語を話す人々に対して、糖尿病、肥満、心血管疾患などの食事関連の状態を管理するためのより良いツールを提供することで、既存の健康格差を広げてしまいます。これらのツールをすべての言語で機能させることは、健康の公平性に向けた一歩です。
グローバルな栄養研究のためのより良いデータ
世界中の何百万もの人々が自分の食事を正確に記録できると、その結果得られるデータセットは栄養研究にとって非常に貴重です。Nutrolaの匿名化された集計データは、すでに195カ国と120以上の料理をカバーしています。ユーザーベースが成長し、追跡の正確性が向上するにつれて、このデータは、英語のみのデータセットでは決して理解できなかった食事パターン、栄養不足、伝統的な食事の健康への影響を理解するのに役立ちます。
食文化の保存
祖母のレシピを外国語で説明しなければならないシステムには、微妙に腐食的なものがあります。そして、それが「一般的な野菜シチュー」として最も近いものを教えてくるのです。多言語追跡は、伝統的な食文化をそのまま認識することで、それを検証します。アプリがインジェラ、モレネグロ、ラクサを知っていて、それらが提供する栄養素を正確に教えてくれると、これらの食品が単なるエキゾチックな好奇心ではなく、実際の人々が食べる本物の食事であり、グリルチキンブレストと同じデータインフラを受けるに値することを示しています。
よくある質問
Nutrolaは何言語をサポートしていますか？
Nutrolaは現在、テキスト検索、音声ログ、AIコーチングを含むフル機能を40以上の言語でサポートしています。食品データベースには、120以上の料理からの食品の母国語名のエントリーが含まれています。アプリのインターフェース自体は25言語にローカライズされており、定期的に追加されています。
アプリを使用中に言語を切り替えることはできますか？
はい。多くの多言語ユーザーは自然に言語を混ぜて使用しており、Nutrolaはこれに対応するように設計されています。昼食には「チキンティッカマサラ」を英語で入力し、夕食には「ロティアウダル」をヒンディー語で記録することができます。NLPモデルは各入力の言語を自動的に検出します。
写真認識はあまり一般的でない料理に対しても正確ですか？
正確性は料理や料理の複雑さによって異なりますが、Nutrolaの写真認識システムは120のサポートされている料理全体で90%以上のトップ3の正確性を達成しています。日本料理、メキシコ料理、インド料理、中国料理、イタリア料理など、よく表現された料理では、トップ1の正確性は94%を超えます。エチオピア料理やペルー料理など、トレーニング画像が少ない料理では正確性が低いですが、ユーザーがより多くの食事の写真を提供することで急速に改善しています。
特定の料理がデータベースにない場合はどうなりますか？
任意の言語でカスタムエントリーを作成できます。Nutrolaは、認識されていない料理をレビューに提出することも許可しています。同じ料理を提出するユーザーが十分に集まると、それは検証済みデータベースへの追加が優先されます。このコミュニティ主導のアプローチにより、データベースはユーザーが最も必要とする分野で最も早く成長します。
多言語サポートには追加料金がかかりますか？
いいえ。すべての言語および地域データベース機能は、無料およびプレミアムの両方のティアで利用可能です。Nutrolaは多言語アクセスをコア機能として扱い、追加機能とは見なしていません。
同じ名前の食品が地域によって異なる調理法を持つ場合、アプリはどう対応しますか？
システムは、ユーザーの言語設定、位置、過去のログ履歴などの文脈信号を使用して、ユーザーが最も意味する地域のバリアントを特定します。曖昧さがある場合、アプリはトップ候補を提示し、ユーザーに選択させます。たとえば、「ビリヤニ」を検索すると、アプリはハイデラバードビリヤニ、ルッカウビリヤニ、コルカタビリヤニを別々のオプションとして表示し、それぞれに異なるカロリーとマクロデータを提供します。
英語を全く使わずにアプリを使用できますか？
はい。オンボーディングから食事の記録、AI栄養コーチング、進捗報告まで、すべての機能がすべてのサポートされている言語で利用可能です。どの時点でも英語と対話する必要はありません。
結論
栄養追跡における言語の壁は、ニッチな問題ではありません。これは世界の大多数に影響を与えています。数十年にわたり、伝統的な非西洋の食事を食べる人々は、不正確な追跡と全く追跡しないことの間で選ばざるを得ませんでした。どちらの選択肢も受け入れられません。
多言語AIフード認識は、真のブレークスルーを表しています。言語に依存しない視覚的識別と、数十の言語をネイティブに理解する自然言語処理を組み合わせ、地域ごとの栄養データベースを地元の専門家によって検証することで、Nutrolaのようなツールは、正確な栄養追跡をすべての人にアクセス可能にしています — 英語話者だけではなく。
もしあなたが自分の食事を理解できないために追跡アプリを放棄したことがあるなら、技術はついにあなたのキッチンに追いつきました。あなたの食事は、どの言語で呼んでも、正確に認識され、測定され、評価されるに値します。
