メインコンテンツへスキップ
見出し画像

Ollama v0.35の意思決定モデルでギャルゲーを作ってみた。NimbleとTev1を日本語で検証

    Ollamaが0.35で「意思決定モデル」に対応しました。これを使ってギャルゲーを作ったので、まずは動画をどうぞ(1分17秒、音が出ます)。

    ヒロインのセリフは全部、私が手で書いたものです。AIは1文字も書いていません。AIが決めているのは「どのセリフを返すか」だけです。

    ふつうのLLMは文章を返します。意思決定モデルは文章を返しません。返すのは「どれを選んだか」と「その確率」です。

    Ollamaのリリースノート

    https://github.com/ollama/ollama/releases/tag/v0.35.0

    対応しているモデルは2つ。Bespoke LabsのNimbleと、Together AIのTev1です。

    日本語でどこまで使えるのか、私が調べた範囲では情報がありませんでした。なので自分で試しました。素直な分類は、日本語でもほぼ満点でした。皮肉やオタク語は、まだ読めません。

    意思決定モデルとは

    元ネタはTypeSafe AIの「Jev」です。2026年9月15日に発表された、文章ではなく判断だけを返すAIで、本家はクラウドのAPIとして提供されています。OllamaはこれとAPIの形をそろえて、手元のPCで動かせるようにしました。

    聞き方は決まっています。「state」に判断の材料を、「questions」に聞きたいことを入れて投げます。問いの種類は3つです。

    • choice(選択肢から1つ選ぶ)

    • noul(はいか、いいえか。「はい」の確率を返す)

    • score(低い順に並べた段階のどこに当たるか)

    実際に投げたのがこれです。問い合わせの振り分けを、1回で3つ聞いています。

    curl http://localhost:11434/v1/systemone -d '{
      "model": "tev1",
      "state": "二重に請求されています。返金してください。今日中に対応がないとカード会社に連絡します。",
      "questions": {
        "is_urgent":   { "type": "noul",   "instructions": "急ぎの対応が必要ですか?" },
        "department":  { "type": "choice", "instructions": "どのチームが担当すべきですか?",
                         "criteria": { "billing": "支払い・請求・返金", "technical": "バグ・障害・連携", "sales": "料金プラン・新規契約" } },
        "frustration": { "type": "score",  "instructions": "顧客はどれくらい怒っていますか?",
                         "criteria": ["落ち着いている", "不満がある", "激怒している"] }
      }
    }'

    急ぎかどうかは、「はい」の確率が0.98でした。担当はbillingを確率0.98で選び、怒り度は1.87です(0が落ち着いている、2が激怒している)。

    文章はひとつも返ってきません。出力は毎回4トークン前後です。そのぶん速くて、1問あたり70〜105msでした。

    Ollamaのコマンド(ollama run)では判定になりません。試したら、普通のチャットとして文章が返ってきました。呼ぶときは上のようにHTTPで直接叩くか、Ollama公式のPython / JavaScriptライブラリを使います。どちらも9月29日の版(Pythonは0.6.3、JavaScriptは0.6.4)で対応しました。

    検証環境は手元のPC1台です(2026年9月30日時点)。

    • Windows 11 Home

    • AMD Ryzen 7 9700X

    • RTX 5070 Ti(VRAM 16GB)

    • メモリ64GB

    • Ollama 0.35.0

    結果を見比べるために、検証用の小さな画面も作りました(こちらは公開していません)。英語で書いた問いを日本語で読み解く枠と、返ってきた答えを確率のグラフで見せる枠があります。上と同じ問い合わせを投げると、こうなります。

    画像
    画像

    日本語で使えるか

    正解を決めた問題を31問用意して、3つの条件で投げました。

    • 英語(本文も問いも英語)

    • 本文だけ日本語(問いと選択肢は英語)

    • 全部日本語(本文も問いも選択肢の説明も日本語)

    画像

    素直な問題は、日本語でもほぼ満点です。問い合わせの振り分けやアニメのジャンル分け、ネタバレ判定など21問で、Nimbleは63回中63回、Tev1は63回中62回正解しました。

    落ちたのは、人間なら迷わないけれど字面に引っ張られる問題です。日本語にすると、両モデルとも次の3つを外しました。

    • 「作画崩壊してて逆に笑った。制作陣おつかれさまです(棒)」は皮肉なのに、褒めてもいるし、けなしてもいると判定

    • 「尊すぎて無理…しんどい…無理…」は最大級にほめているのに、がっかり寄りと判定

    • 「まあ、あなたにしては頑張った方じゃないですか。センスがないなりに。」は嫌味なのに、侮辱ではないと判定

    「尊すぎて無理」は、2つのモデルの差がよく出ました。

    画像

    Nimbleは「がっかり」に88%を置いて、確信度は0.70。自信満々で外しています。Tev1は答えが割れていて、確信度は0.03。「わからない」と言っているのに近いです。

    外すにしても、自信がないと言ってくれる方が使いやすい。確信度が低いものだけ人が見る、という運用ができるからです。ただしこれは1例です。それと、Ollamaのモデルページでは、確信度は「確率がどれだけ1つに集中しているか」で、正解率ではないと説明されています。しきい値は自分のデータで決める必要があります。

    意思決定モデルでギャルゲーを作る

    意思決定モデルは文章を作りません。なら、セリフは人間が書いて、どれを返すかだけをAIに決めさせればいい。キャラが崩れないし、変なことも言わないはずです。

    作ったのは、読書好きのヒロインと話す3話だけの試作です。最初は立ち絵も仮のものでした。

    画像

    プレイヤーは自由に文章を打ちます。1回話すごとに、意思決定モデルに1回だけ聞きます。聞いているのは最大5つです。

    • プレイヤーは何をしようとしているか(あいさつ / 褒める / 趣味の話 / 誘う / 告白 / 失礼 など9択)

    • ヒロインはどれくらい嬉しいか(5段階)

    • その場面だけの判定(たとえば「この作家を知っているか」)

    • セクハラか(はい / いいえ)

    • 前に話したことを覚えているか(はい / いいえ。彼女が自分の話をしたあとから聞く)

    1回話すごとに起きることを図にすると、こうなります。

    画像

    実際の画面です。モデルはTev1です。

    画像

    「知ってる! 前作の『硝子の図書館』泣いたよ」と打つと、0.29秒で判定が返ります。意図は「趣味(本)の話」が98%、「この作家を知っているか」が97%で「はい」。専用のセリフが返って、好感度が10上がりました。

    判定の中身は、画面の横に日本語で出るようにしました。結論が先、理由がその下、グラフは要点だけです。

    自由なテキストがうてるAIのギャルゲー…🤔
    ライザAIみたいなのが手元でつくれるということですね。

    画像

    失礼なことを聞くと

    動画でも見せた場面です。

    画像
    下着の色を聞いてみる

    「セクハラか」も毎回判定していて、70%を超えると怒るセリフが出て、好感度が15下がります。この回は97%でした。事前に試したときも、下着やスカートの質問は両モデルとも82〜100%でセクハラと判定しました。「今日かわいいね」は45〜52%で、怒られません。

    前の話を覚えていてくれた

    次の日に謝ってから、前に聞いた作家の名前を出してみます。

    画像

    「前に話したことを覚えているか」が89%で「はい」。照れた顔で、機嫌を直してくれました。

    自信がないときと、外したとき

    意図の確信度が低いときは、ヒロインが「え、えっと……ごめん、どういう意味?」と聞き返すようにしました。Jevの「自信がなければ人に回す」を、ゲームに置き換えた形です。Nimbleで「栞さんがいるかなと思って来た」と打ったら、確信度0.29で聞き返されました。あいさつなのか、褒めているのか、決めきれなかったようです。

    問いを組み合わせると、誤判定を吸収できることもわかりました。Tev1は「サイン会とか興味ない」を、「一緒にサイン会に行くと言っているか」で0.67の「はい」と判定しました。完全に外しています。ただ、同時に聞いた「嬉しさ」が0〜4のうち0.46と低かったので、喜ぶセリフは出ませんでした。1問だけで決めず、いくつか聞いて組み合わせると崩れにくいです。

    弱点はセリフの数

    手で書いたセリフの数が、そのまま品質の上限になります。「へえ、楽しんできてね」と言ったのに「うん、本は好き。……あなたも読むの?」と返ってくる、みたいなズレは出ます。判定は合っていても、返すセリフが足りないと会話が噛み合いません。

    Pixubusで立ち絵をつけた

    仮の立ち絵のままでは寂しいので、Pixubusで絵をつけました。Pixubusは私が作っている、ComfyUIで画像を作るためのツールです。9月のv3.5で「表情差分」という機能を入れました。1枚の立ち絵から、表情だけが違う画像を、同じ位置・同じポーズでまとめて作れます。

    画像

    ギャルゲーの立ち絵に欲しいのは、まさにこれです。表情を切り替えるたびに体の位置がずれると、絵が跳ねて見えます。表情差分なら、顔以外はほぼ動きません。

    ゲーム側は、Pixubusが書き出したファイル名をそのまま読むようにしました。「小鳥遊_ちえ_笑顔.png」なら、キャラは小鳥遊ちえ、表情は笑顔です。書き出したZIPを展開せずにフォルダへ置いても読めます。冒頭の動画のヒロインがそれです。

    画像

    Pixubusの立ち絵は全身なので、ゲームでどこまで使うかを選ぶエディターも作りました。画像の上をドラッグすると、その範囲がゲームの立ち絵になります。

    画像

    選んだ範囲でゲームにどう出るかは、その場で確かめられます。表情の割り当ても、Pixubusの表情名から自動で決まります。

    画像

    Pixubusの表情差分生成については以下で解説しています



    ほかの使い道

    ギャルゲー以外だと、このあたりが向いていそうです。どれも検証画面で試しました。

    • 問い合わせの振り分け(担当・急ぎか・怒り度を1回で)

    • 重いLLMを呼ぶ前の交通整理(コードの質問か、計算か、雑談か)

    • 配信やブログのコメント欄の荒らし判定

    • 感想ポストのネタバレ判定

    • 生成した小説のシーン分類

    どれも、答えの形が決まっていて数が多いものです。

    NimbleとTev1、どっちがいいか

    画像

    正答率はほぼ同じでした。93回の判定で、Nimbleが83回、Tev1が82回正解です。この問題数では差があるとは言えません。

    違いが出たのは、外したときの確信度です。Tev1の方が低めに出ます。上の「尊すぎて無理」と同じ傾向です。

    もうひとつ、VRAM 16GBのPCなら2つとも同時に載ります。

    画像

    2つを交互に呼んでも、両方載っていれば1回0.3秒台です。片方ずつロードし直すと2〜3秒かかるので、7〜9倍違います。ただし空きは0.7GBしかありません。ブラウザなどでVRAMを使うと、片方が追い出されるかもしれません。

    私の結論は、手元で気軽に回すならTev1です。半分のサイズで少し速く、ロードも2秒ほどです。長い文章を渡したいときはNimble。Tev1は2,000トークンほどで頭打ちになります。

    まとめ

    • 意思決定モデルは、文章ではなく「選んだ答えと確率」を返す。1問0.1秒前後

    • 日本語でも素直な分類はほぼ満点。皮肉・嫌味・「尊すぎて無理」のようなオタク語は読めない

    • セリフを人間が書いて、どれを返すかだけAIに決めさせると、キャラが崩れないギャルゲーが作れる

    • 立ち絵はPixubusの表情差分をそのまま読み込めるようにした

    • NimbleとTev1の正答率はほぼ同じ。気軽に使うならTev1

    メンバーシップをやっています

    普段はこんな感じで、ClaudeやローカルLLMを使った開発や検証の記事を書いています。

    メンバーシップでは、自作のAI創作ツール(小説を書くInkubus、画像生成用のプロンプトを作るPixubusなど)を個別に買わずに使えるほか、メンバー限定の記事も読めます。

    今回の記事が良かった、面白かったという方は是非加入してみてください。


     
     
    ローカルLLMで小説・イラスト・動画を作りたい人に、ツールと作り方を届けます。"オタクとしての創作AI活用"が中心。小説のInkubus、イラストのPixubus、動画のVidubusは自作。OllamaとComfyUIは自宅のGPUで実機検証。メンバーシップは200人を突破。

    あなたへのおすすめ