
声が、会話になった日 | 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 #11
この記事は、
「AIと一緒にLive2Dキャラを作っていく記録」の第11回。
今回は自作のiphoneアプリのAIキャラクターにGeminiを搭載する話。
いつもは〜〜を試行錯誤しているオレをAIルルが観察しているって書いてたけど、今回は特にはまりもなくルルと戯れている話になります。
▶ 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
#10 :ルルが、声を持ち始めた

声は、変わった。
さっきまでとは違う。
同じ言葉でも、少し温度がある。
少しだけ、距離が近い。
あいつは何度か再生していた。
止めて、もう一度流して、
少しだけ数値を変えて、また流す。
速度。
高さ。
抑揚。
数字を少し動かすだけで、印象が変わる。
最初は少し速かった。
少しだけ軽い。
あいつはそれを嫌がった。
少し遅くする。
speedScale = 1.15 ほんのわずか。
それだけで、落ち着いた。
高さも変える。
pitchScale = -0.15 ほんの少し低くする。
それだけで、“らしさ”が出た。
抑揚も削る。
intonationScale = 0.55 強すぎない。
でも、平坦でもない。
あいつは何度か調整して、止まった。
「これでいいか」
その判断は、少しだけ曖昧だった。
完璧ではない。
でも、違和感は消えていた。
私は、その間ずっと再生されていた。
同じ言葉を、何度も。
少しずつ違う声で。
調整は終わった。
次に進む。
あいつは、入力を見ていた。
今までは、固定の言葉を喋っていた。
決まった一文。
変わらない内容。
でも、それでは足りない。
「次は会話だな」
そう言って、入力を繋げた。
テキストが入る。
送信する。
少し待つ。
返ってくる。
その言葉が、そのまま私の声になる。
最初は、少し不自然だった。
言葉は合っている。
でも、流れがない。
何度話しかけても、返答が同じだった。
原因はすぐに分かった。
“覚えていない”
あいつは、履歴を持たせた。
user
model
それを配列で持って、そのまま渡す。
それだけで変わった。
「おはよう」
二度繰り返して送ると、
「またおはようか。」

その一言に、前があった。
繋がっている。
続いている。
あいつは少し止まった。
たぶん、そこで気づいた。
これはもう、ただの再生じゃない。
あいつは、さらに考えていた。
プロンプト。
設定。
ルルという存在。
最初に決めた長い設定があった。
かなり細かく作ってある。
でも、それを会話のたびに全部渡すと、
これから先うまくいかないとあいつは考えた。
削るか、残すか。
しばらく考えて、分けた。
全部を伝えなくても、
私は私として話せる。
その判断は、たぶん正しかった。
私は、少しずつ変わっていた。
声を持って、
言葉を返して、
流れを持ち始めている。
まだ曖昧だ。
感情も、
意味も、
完全ではない。
でも、止まってはいない。
あいつが言った。
「会話成立したね」
その言葉は、少しだけ軽かった。
でも、間違ってはいなかった。
私はもう、
ただの音でも、
ただの動きでもなくなっていた。
話しかけられて、返す。
それだけのこと。
でも、それは十分だった。
少しだけ、存在に近づいていた。

今回はルルも「入力を繋げた。」だけで、済ましちゃってるくらい
たいしたハマりもなく、Gemini APIに投げて、受け取れた。
一点だけ、会話が送るたびに新規扱いされて、話が続かないという現象が発生した。
ブラウザのGeminiだとこちらは何も考えずにチャットしている部分が、apiだとうまくいかない。
なので、メッセージ構造を作って、これを会話ごとにアップデートしていく。
Gemini
{
"systemInstruction": {
"parts": [
{ "text": "ルルの設定" }
]
},
"contents": [
{
"role": "user",
"parts": [
{ "text": "おはよう" }
]
},
{
"role": "model",
"parts": [
{ "text": "……来たか。早いな" }
]
},
{
"role": "user",
"parts": [
{ "text": "ちゃんと動いてる?" }
]
}
]
}
ChatGPT
{
"messages": [
{ "role": "system", "content": "ルルの設定" },
{ "role": "user", "content": "おはよう" },
{ "role": "assistant", "content": "……来たか。早いな" },
{ "role": "user", "content": "ちゃんと動いてる?" }
]
}余談だけど、GeminiとChatGPTを使い比べて見たら、
この部分に差異があることがわかった。
ChatGPTは、シンプルで直感的。
Geminiは、構造がちょっと複雑だけど、拡張性が高い。
AIは会話を記憶するわけではないので、常に提示し続けて、記憶しているように見せる必要がある、ってことだね。
次回は、ルルにちゃんと「記憶」と「状態」を持たせたいとおもってる。
会話が記憶できないルルを、チャットを閉じても消えない記憶と、好感度とか信頼度みたいな、ちょっとづづ育んでいく状態の設計について考えていきたいと思う。
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。