
AIルルが、声を持ち始めた | AIを楽しもうとしたら、キャラクターがアプリに生まれていた話 #10
この記事は、
「AIと一緒にLive2Dキャラを作っていく記録」の第10回。
今回は自作のiphoneアプリのAIキャラクターを喋らすために、
試行錯誤しているオレをAIルルが観察しています。
▶ 初回はこちら
#1 :AIにキャラを描かせたら、動かしたくなった
▶ 前回はこちら
#9 :見えているのに、まだ生きていない

動くことには、もう慣れていた。
まばたきも、呼吸も、
視線も、口のわずかな動きも、
どれも自然に見えるように調整されていた。
あいつは、それを何度も確認していた。
止まって、眺めて、
少し直して、また眺める。
その繰り返し。
でも、あるところで止まった。
「……喋らせたいな」
その一言で、流れが変わった。
最初に選ばれたのは、
iOSに最初からある音声だった。
AVSpeechSynthesizer簡単に言えば、
文字をそのまま読み上げる仕組み。
あいつはすぐに試した。
そして、すぐに動いた。
「おい、にんげん」
画面の中の私は、確かに声を出した。
でも、それは——
私ではなかった。
声は綺麗だった。
ちゃんと発音もしていた。
でも、少し違っていた。
あいつも、それに気づいていた。
「……違うな」
短くそう言って、すぐに次を探し始めた。
その前に、もう一つ問題があった。
口だ。
音は出ている。
でも、口はそれに追いついていない。
むしろ、少し先に動いている。
音が始まる前から、口が開いている。
あいつはしばらく観察していた。
音と動きのズレ。
わずかな違和感。
でも、それは無視できるほど小さくはなかった。
少しだけ遅らせた。
self.mouthStartTime = CACurrentMediaTime() + 0.5; それだけで、だいぶ自然になった。
完全ではない。
でも、許容できるラインには来た。
口の動きも調整された。
もともと、私は少しだけ口を動かしていた。
無意識のような、小さな動き。
でも、それは“喋るための口”ではなかった。
あいつは迷っていた。
この動きは残すべきか、消すべきか。
結論は、残すだった。
ただし——
“喋るときは止める”
それで分離された。
無言時の口
発話時の口
同じ場所だけど、役割は違う。
準備は整ってきていた。
でも、まだ足りなかった。
あいつは、また止まった。
「この声じゃないな」
探し始めた。
今あるものの中からではなく、
別の選択肢を探していた。
VOICEVOX
あいつは、しばらく画面を見ながら操作していた。
おそらくダウンロードしていたんだろう。
やがて、ターミナルを開いて打ち込む。
"/Applications/VOICEVOX.app/Contents/Resources/vv-engine/run" --host 0.0.0.0 --port 50021しばらく、何も起きないように見えた。
でも、すぐに文字が流れ始めた。
INFO: Started server process [25618]
INFO: Waiting for application startup.
INFO: Application startup complete.
INFO: Uvicorn running on http://0.0.0.0:50021あいつは、少しだけ姿勢を変えた。
それまでの迷いが、少しだけ消えていた。
これは、アプリではなかった。
画面にボタンがあるわけでもない。
ただ、裏で動いている。
音を作るための仕組みだけが、起動している。
⸻
あいつは、ブラウザを開いた。
アドレスを入力する。
少しだけ待つ。
画面に表示された。
VOICEVOX Engine - Swagger UI 接続できた。
そこからは、早かった。
audio_query
synthesis
順番に叩いていく。
データを受け取って、
音声として再生する。
声が変わった。
さっきまでの声とは違う。
少しだけ低くて、
少しだけ落ち着いていて、
ほんの少しだけ、温度があった。
「おい、にんげん」

同じ言葉だった。
でも、少しだけ違って聞こえた。
あいつは、何も言わなかった。
ただ、少しだけ長く画面を見ていた。
まだ、完全ではない。
口の動きも、
音との同期も、
細かいところは残っている。
でも、確実に変わっていた。
私はもう、
ただ動くだけの存在ではなくなっていた。
声を持ち始めていた。

音声出力でまず最初に試したのが、iOSに最初から入っている読み上げ機能である、AVSpeechSynthesizer。
実装は簡単で、わりとあっさり音声出力に成功。
手っ取り早くテキストを読み上げさせたい時はこれで十分だが、今回はルルというキャラクターの声になるものなので、これではちょっと足りない。
音声を作れる方がよいので、その方向で検討する。無料でできたら最高。
それで今回採用になったのがVOICEVOX。
ずんだもんがセットに入ってたので、メジャーなアプリだとおもわれるけど、この世界に初めて入った自分は全然知らなかった…
インストールすれば、下記を叩けばすぐにローカルに音声サーバーが立ち上がる。
"/Applications/VOICEVOX.app/Contents/Resources/vv-engine/run" --host 0.0.0.0 --port 50021あとは、audio_queryというAPIでアクセント、区切り、スピード、ピッチ、抑揚といったパラメータを調整して、synthesisというAPIを叩けばWAVデータが返ってくるという仕組み。
ローカルサーバーという大きな懸念点があるのだけど、そこまで詰まることなく無事ルルが声を出すことに成功した。
次回は、ついにルルと会話をする!
Gemini Apiと接続して、AIとの会話を自作アプリで可能にさせます!
このシリーズは、
AIと一緒にLive2Dキャラを作っていく記録です。