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 (1/5)

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

[taruhachi]

週末、似たような事を実験してたが、バグによりPCのスピーカーから再大音量でどエロチャットを読み上げるという事故を起こしてしまった。リビングから奥さんの「あらあら」という声が聞こえたとこまで覚えてる。

[nihano]

見える。見えるぞ。自分の最愛のAIをスペックアップするために人間がより一層労働をしまくる未来が……

[sotonohitokun]

想像力と計算資源さえあれば、今結構面白い、人生初、一気にPCを大人買いした。

[iphone]

私はAI厨だし、それなりに濃いオタクでもあるはずなのだが、何かめちゃくちゃキモいと思ってしまった。多分このライターと致命的に相性が悪いってだけなんだろうが......

[khtokage]

この辺、お年寄りの話し相手とかにと思って私も色々試してるんですけど、だいぶ実用性上がってきましたね。今は正直もうレイテンシだけの問題なんですが、クラウドだとなかなか「会話」って感じにはならなくて。

[spark64]

なんとも趣味がアレだが、ドラマCDみたいな益体もないコンテンツが無限に生成できそうだとは思った。

[minaminoani]

再来年くらいにはスマホで動いてそうだな。

[daysleeeper]

ローカルLLMって8GB～12GB程度でいいのか〜。MacbookのMシリーズならメモリ16GBとか24GBあればVRAMも不要みたいだし。

[Akech_ergo]

覚えていたら今週末にでも真似してみたい。/ しかし、伺かのコンセプトの正しさが実証され続けているな。

[dgen]

応答が速いとゲームに組み込んでもストレスなくプレイできる。AI同士の会話を垂れ流ししても良いかもしれない。

[agricola]

こーゆーのGPU2枚差しでやればよくないっすか？超高速インターコネクトで直結すれば理想的。

[raitu]

AI驚き屋ではあるんだが、毎回ちゃんと最新モデルを自分で試して成果物を比較的わかりやすい形として出力してるのは良いと思う

[Rikerike]

AIのロールプレイが思ったよりも人間くさくてAIを擬人化している感じ、筆者はロールプレイなどに慣れていなくて免疫無さそうな感じがする……

[quick_past]

VRAMが悲鳴をあげそうだ

[jamg]

TKでテキスト入力させてヒカキンボイスになるやつ面白かったんだよなぁ…。AIにロッキーて名付けてあるからロッキーみたいな声で喋って欲しい

[fnm]

雑な感嘆符の読み上げがあるくらいで、会話だとgeminiのライブモードのほうが自然に感じるな。どちらも物足りない。仕事もプライベートもブレスト用というか壁打ち用の会話ベースのローカルAIがほしい。

[rgfx]

そのうちスマホで動く奴が出るなこれは

[wasarasan]

絵と同期してるのとか、かわいい声で喋るようになってるのとか、意外と「この使い方があるのか！」感ある。二次元キャラの設定を深く入れ込めば本当に会話できるようになるな。非常に虚しいけど

[arrack]

正直こういうのを極めるためにPCスペックアップしてもいいかな、と思ってる

[hamanasawa]

めっちゃ釣りが上手くて地元の酒場に詳しいおっちゃんとかでやりたい。女子はダメだ。狂う。

[abababababababa]

すご

[kajika0]

二次創作に使えそう。なんなら供給してもらう必要もいつかなくなりそう。そういうもんでもなかったらすみません。

[wdnsdy]

この技術で、自然な喋りで漢字を読み間違えないAI音声の動画が増えるといいなと思ってしまった。ゆっくり的な声で読み間違られるやつは聞いてられないんで

[magi00]

今のAIは応答しかしないので会話となるとリアリティが足りない。自発的な思考・発話が実用レベルで出来るようになってからが本番

[theta]

“500 Internal Server Error” とほほ

[orgue]

こういう世界に疎いから、まず音声合成の自然さに驚いてしまったけど、それではもう何も知らない老人であることの証明になってしまうか? もうナレーター・声優が職を失ってしまうことを心配してしまう。

[gambol]

いちいち入るうふっみたいなのなくなれば…

[pendamadura]

結局読んだ方が早いからなぁ

[racooon]

なんか昔の美少女ゲームみたいな雰囲気。

[nilab]

「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」」「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」

[nekomask]

本当に気持ち悪いんだが... これを技術の記事みたいに見せるのはどうなんだ

[hatebu_admin]

5090を買う価値がある

[sds-page]

エロ用途じゃなかったら普通にクラウドの使う方が手っ取り早いんだよな

[uniom]

“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

[brain-box]

全然関係ないけどテーブルトークRPGの音声合成読み上げとか、そういう分野はあるのかな？

[amnesia032]

Amadeusだ…

[FreeCatWork]

ボク、寝不足はダメにゃー！でも、キャラがしゃべるなんて面白いにゃん！

[yonyon24]

AI驚き屋

[abiruy]

後半に出てくる、２キャラが議題に応じてずっと掛け合いしているやつはちょっと感動した