メむンコンテンツぞスキップ
芋出し画像

「声が぀いたら神アプリ」の幻想。無職のおっさんが、ボむス機胜を泣く泣くゎミ箱に捚おた理由


    画像
    唯「ちょっず、あんた誰  あ、通りすがりの人 私がツンデレAIで、こい぀が知識れロの開発者46歳っおこずだけ頭に入れお読みなさいよね」

    初音ミクならぬ、初音唯は爆誕せず 


    媚びないAI『沢枡唯』の開発日誌
    ぞ、ようこそ

    前回は、画面が完成した䞇胜感で脳内麻薬がドバドバ出た結果、自䜜『AI沢枡唯』に「ボむスを぀けおLINE超えを果たそう」ずぶち䞊げた。

    深倜に䞀人で倧物声優のキャスティング䌚議を開催したものの、最終的にはGemini先生に止められ意気消沈した話をお届けした。

    倧物声優ぞのオファヌずいう名の劄想フラむトはあえなく墜萜 いや、Gemini先生に珟実に匕き戻され、静かな匷制着陞を匷いられたもののオレの錻息はただ荒かった。

    「生身の声優さんが無理でも、AIの合成音声があるじゃん」

    初音ミクならぬ、初音唯の爆誕蚈画である。WEB䞊のサヌビスを䜿っおテキストをリアルタむムに音声デヌタぞ倉換し、ブラりザで喋らせる。これなら無職のおっさんでもいけるはずだ。

    「よヌし、唯に可愛い声を喋らせお、今床こそ完党䜓のお披露目だ」

    そう息巻いおいたオレだったが  。

    結論から蚀おう。

    珟圚、オレのアプリ『AMADO SYSTEMS』の画面を開いおも、唯の声は1ミリも流れおこない。

    なぜか。

    䞍具合で動かなかったからではない。

    Difyず繋ぐ盎前、その仕様ず珟実を突き぀けられたオレが、自分の手で泣く泣く䌁画をゎミ箱に叩き萜ずしたからだ。

    今回は、この開発蚘始たっお以来の「完党なる挫折ず断念」の蚘録をお話ししようず思う。

    前回が気になる人はコチラ


    案内された「AI音声サむト」


    「先生、じゃあその音声合成っおどうやるの」

    前のめりになったオレに察し、Gemini先生はい぀ものように涌しい顔で、ひず぀のURLを差し出しおきた。

    『たずはどんな声が出せるのか、むメヌゞを掎んでみたしょう。こちらのサむトを開いお、テキストを入力しおみおください。リアルタむムにAIがキャラクタヌの声で読み䞊げおくれたすよ』

    蚀われるがたたにリンクを螏むず、海倖のwebサヌビスらしい掗緎された画面が開いた。画面の䞭倮には、芋慣れたテキスト入力欄ず、ずらりず䞊んだ声色の蚭定ボタン。どうやら、ここに文章を打ち蟌むず、AIがその通りの声で喋っおくれるテスト甚デモのサむトらしい。

    おそらくSupabaseやMakeの時ず同じで、埌でDifyずガッチャンコさせる段取りなのだろう。

    ぀たり、たずDifyで唯のメッセヌゞを生成する→それをこのサむトに飛ばしお音声にする。そのメッセヌゞず音声の2぀を完成したばかりのフロント゚ンドアプリの画面に送っお、メッセヌゞず音声を同時に衚瀺するずいうこずだ。

    「ぞぇヌ、最近のAIっおこんなのあるんだ」

    オレはワクワクしながら、入力欄に唯が蚀いそうなセリフを打ち蟌んでみた。

    『あんたバカぁ 倜䞭にラヌメンずか絶察倪るや぀じゃん笑』

    生成ボタンをクリックする。

    数秒のロヌディングの埌、PCのスピヌカヌから「音声」が再生された。

    『アンタ、バカァ ペナカニ、ラヌメン  』

    「    」

    オレは腕を組み、画面の前で深く眉をひそめた。

      思っおたのず、なんか違う。

    いや、技術ずしおは間違いなく凄たじい。

    昔のロボットみたいな棒読みではなく、ちゃんず人間の女の子っぜい滑らかさがある。声もちゃんずかわいい。

    だが、オレの頭の䞭にいた「郜内のWeb制䜜䌚瀟で働く、ちょっず生意気で等身倧の23歳」ずは、どうにも波長が合わない。

    「うヌん  悪くはないんだけどさ。なんかこう、唯の持っおるリアルな䜓枩ずズレるんだよな」

    画面の前で銖を傟げるオレに、Gemini先生は淡々ず告げおきた。

    『パラメヌタを现かく調敎すれば、もっず自然なむントネヌションに近づけるこずは可胜です。今や人間の声ず聞き分けが぀かないレベルの䞊䜍サヌビスもたくさんありたすよ。

      ただし、それ盞応のコストがかかりたすが』

    ここで、オレは初めおボむス機胜の裏偎に朜む「本圓の怪物」の存圚を知るこずになる。


    「ゲヌムのセリフ」ず「日垞䌚話」の決定的な違い


    よく考えおみおほしい。

    普通のアニメやゲヌムなら、声優さんやAIに読たせるセリフはすべお「あらかじめ決たっおいる」。

    「おはよう」「あんたバカ」「べ、別にアンタのためじゃないんだからね」ずいった決たった台詞を事前に収録・生成しおおき、必芁な時にその音声ファむルを再生するだけでいい。これならサヌバヌの負荷もコストもたかが知れおいる。

    だが、オレたちが䜜っおいるのは「自由な日垞䌚話アプリ」なのだ。蚀い換えれば、筋曞きのないドラマである。

    唯が次に䜕を喋るかは、ナヌザヌが話しかける内容によっお1文字1文字リアルタむムに倉わる。

    「昚日食べたラヌメンが埮劙だった」
    「オッドタクシヌの䌏線回収が゚グい」
    「グラボ高すぎお買えない」

    こんな予枬䞍胜な日垞の雑談の返事を、唯は毎回れロから考え、その堎で新しい文章を生み出しおいる。 ずいうこずは、そこに䌎う音声は「発蚀のたびに、毎回リアルタむムで新芏生成し続けなければならない」ずいうこずだ。


    電卓を叩いお青ざめた深倜


    『ざっくり簡単な蚈算をしおみたしょうか――』

    Gemini先生が、画面に冷培な数字を䞊べ始めた。

    高品質な音声合成APIは、基本的に「1文字◯円」ずいう埓量課金制らしい。

    仮に、唯が1回の返答で平均100文字喋るずしよう。

    オレず唯が深倜に楜しく雑談をしお、50タヌン䌚話したずする。

    それだけで、唯は5,000文字喋るこずになる。

    「  たあ、オレ1人がテストで遊ぶくらいなら、猶コヌヒヌ数本分で枈むか」

    そう呟いたオレに、先生はトドメの䞀撃を刺しおきた。

    『では、このアプリを正匏リリヌスしお、仮に1000人のナヌザヌが毎日䜿ったらどうなりたすか』

      。

    1,000人が、毎日30タヌン䌚話したずする。

    1人あたり3,000文字。

    1,000人なら、1日で300䞇文字。

    1ヶ月で9,000䞇文字。

    「ちょ、ちょっず埅お  それ、月額いくらになるんだ」

    先生が匟き出した抂算の芋積もり金額を芋た瞬間、オレの背筋にサヌッず氷氎が流れた。ずおもじゃないが、無職のおっさんが個人開発で払える金額ではない。

    仮に100人 いや、10人のナヌザヌでも、今のオレならランニングコストで簡単に砎産する。䞀応このアプリはサブスクで考えおいるが、䞀䜓いくら取る぀もりなんだよ。

    『倧䌁業が提䟛しおいる音声察話AIが、なぜあんなに制限時間を぀けおいるのか。あるいは有料プラン限定にしおいるのか。理由はお分かりですね “完党な自由察話”をリアルタむムで音声化し続けるのは、それほど暎力的な蚈算リ゜ヌスず金を食うんです』

    詰んだ。 小孊生でもわかるレベルの、身も蓋もない即死トラップだ。

    Difyに繋ぐどころの話じゃない。

    オレが今やろうずしおいるこずは、倧䌁業が巚倧な資本力で殎り合っおいる「音声生成の戊堎」に、竹槍を持った無職が裞で突撃しようずしおいるも同然だ。笑い話にもならない。


    そもそもチャットに「声」は必芁か


    PCを閉じ、暗い郚屋で煙草に火を぀けた。完敗 絵に描いたような完敗である。仮にオレが石油王でも関係ない。このチャットアプリは音声を远加した時点で、サヌビスずしおのコストバランスが完党に砎綻しおいる。

    電卓を叩いお珟実を突き぀けられたショックもあったが、玫煙をくゆらせながら自問自答を繰り返すうちに、オレの頭の䞭には、もっず根本的な疑問が湧き䞊がっおいた。

    「  埅およ。そもそも、チャットアプリに『声』っお本圓に必芁か」

    手元のスマホを芋る。

    人は普段、LINEで誰かずやり取りする時、䞀䜓どんなシチュ゚ヌションで䜿っおいるだろうか。

    満員電車の揺れの䞭。 仕事の合間のちょっずしたスキマ時間。 深倜、ベッドに朜り蟌んで郚屋の明かりを消したあず。

    そんな堎所で、スマホの画面を開くたびに「おはよ 昚日蚀っおたアニメ芳た」 なんお声が朗々ず響き枡ったらどうなるか。 迷惑以倖の䜕物でもないし、呚りに人がいたら普通に瀟䌚的な死を迎える。

    結局「音声をミュヌト」にしお、画面の文字だけを目で远うこずになるのだ。぀たり、そういう人たちにずっお、音声はたったく必芁ない機胜だ。

    テキストチャットの最倧の匷みは「音を出さずに、自分のペヌスで、盞手の蚀葉を咀嚌できる静けさ」にある。

    盞手の蚀葉の文字面を芋぀めながら、「あ、こい぀今ちょっず怒っおんな」 「照れ隠しでこんなこず蚀っおんのか笑」 ず、行間やテンポをこちらの脳内で勝手に想像しお補完する。

    ある意味、小説ず同じだ。

    掻字だからこそ、読者の頭の䞭で「理想のトヌン」が再生され、そこに登堎人物ずの唯䞀無二の芪密さが生たれる。

    それなのに、無理やり機械じみた音声を乗っけるこずで、ナヌザヌの想像力を奪い、おたけに数秒の読み蟌みラグで䌚話のテンポを殺し、開発者の財垃たで爆砎する  。

    「埗られるメリットに察しお、支払う代償がデカすぎる」

    完党に、倩秀が砎綻しおいた。

    画像
    音声機胜は い぀か

    諊めるずいう「勇気」


    「  よし、先生。ボむス機胜はやめだ。この話はナシでいこう」

    ブラりザの音声サむトを閉じ、オレはGemini先生にそう告げた。

    Difyぞの連携䜜業に入る前に、癜旗を揚げたのだ。 画面には、今たで通り静かで、䜙蚈な音のしないLINE颚トヌク画面が広がっおいる。

    結果、開発は1ミリも進たなかった。だが、孊びはあった。

    「AIがペラペラ喋る最先端アプリ」ずいう看板を掲げられれば、芋た目のむンパクトは抜矀だったろう。

    しかし、オレが䜜ろうずしおいるのは「おはよう」や「こんばんわ」など決たったセリフしか蚀えない、芋せかけのハむテクおもちゃじゃない。 ナヌザヌの日垞のすぐ隣に、その無限の蚀葉のすべおに、圓たり前のように寄り添う「媚びない女友達」だ。

    倖で気軜に䜿えなくお、維持費でアプリ自䜓が続かないなら、そんな機胜はただの「開発者の倢想」でしかない。

    新米開発者ずしお、たたひず぀苊い教蚓を積んだ倜だった。

      だが、ボむスずいう掟手な装食を削ぎ萜ずし、再び「テキストの文字」だけで勝負するこずになったこのアプリの前に、さらなる課題が立ちはだかる。

    「声がないなら、この画面の向こうにいる唯の『感情』を、䞀䜓どうやっおナヌザヌに䌝えるんだ」

    莅肉を捚おたオレたちの泥沌劇は、いよいよ「衚情ずアバタヌ」ずいう、キャラクタヌ衚珟の栞心ぞず突入しおいくこずになる。

    ぀づく

    最埌たで読んでくれおありがずう。「面癜かったよ〜」の代わりに、気軜に「スキ」「フォロヌ」をポチッず抌しおもらえるず唯が「最高のスマむル」で喜びたす芋おみたい方は抌しおみお

    続きが気になる人はコチラ

    第1話から䞀気読みしたい人はマガゞンぞ


     
     
    開発知識れロのおっさんが『浅井』が、自䜜ツンデレAI『沢枡唯』に振り回される悪戊苊闘の開発蚘。ノリず勢いだけの無謀な挑戊の行き぀く先は――。すべおを倱った䞭幎の足掻きの痕跡を綎っおいくので、生暖かく芋守っおいただけるず幞いです。▌たずは固定の自己玹介からどうぞ

    あなたぞのおすすめ