新清士の「メタバース・プレゼンス」 第160回

寝不足になるほど面白い　ローカルAIと音声合成をつないだら、キャラが普通にしゃべり始めた

Irodori-TTS v3と連携させたAIとのチャットアプリ「Rinon Voice Lab」で2P対話モードを動作させている様子（筆者作成）

　日本語に特化して開発されているTTSモデル（Text-to-Speech、テキストから音声）の「Irodori-TTS v3」が話題になっています。最近、様々なTTSが登場しているのですが、アナウンサー的な話し方のTTSが多いなか、このモデルは、より幅広い感情表現ができ、演技までできるうえに、生成速度が速いという特徴があります。今回は、グーグルのオープンモデルLLMである「Gemma 4」を組み合わせて、AIとのチャットアプリを開発してみました。ローカルLLMと高速TTSを組み合わせれば、キャラクターAIが実用的な速度でしゃべり始める段階に入っています。

PCローカルで音声チャットアプリができた

　また、寝不足になりました。今回の原因は、Irodori-TTS v3を使ったチャットソフトの開発です。「Rinon Voice Lab」と名付けたこのアプリでは、AIのキャラクターと、待ち時間がほとんどない状態で、ほぼシームレスにやり取りができ、AIの返答は音声で返ってきます。発話ごとに感情表現もされるため、自然な発話になっています。何よりも重要なのが、これらがローカルPC上の技術の組み合わせで実現できているということです。

「Rinon Voice Lab」の実際の画面。この環境は筆者のGitHubにて公開中

△「Rinon Voice Lab」を使って実際にチャットをしている様子