概要
日本語特化の高速TTS『Irodori-TTS v3』と『Gemma 4』を組み合わせ、ローカル環境で感情豊かに即時応答するキャラクターAIアプリの開発事例。
詳細内容
新清士氏による連載「メタバース・プレゼンス」の第160回。日本語特化型の音声合成（TTS）モデル『Irodori-TTS v3』と、GoogleのオープンLLM『Gemma 4』を連携させ、ローカルPC上で動作するキャラクター対話アプリ『Rinon Voice Lab』を開発した体験が綴られています。
### 本記事のポイント
- **感情豊かな音声生成**: Irodori-TTS v3は、従来のアナウンサー風TTSとは異なり、演技や幅広い感情表現が可能で、生成速度も非常に高速です。
- **ローカル完結型の対話システム**: Gemma 4との組み合わせにより、外部サーバーを介さず実用的な応答速度でシームレスな音声チャットを実現しています。
- **開発環境の公開**: 筆者はこの環境をGitHubで公開しており、個人レベルで高度なキャラクターAIを構築・運用できる段階に達したことを示唆しています。
技術的な進化により、AIキャラクターとの「自然な対話」がローカル環境で手軽に実現できるようになったことを強調する内容です。