自分の声で話すAIチャットbotを作る【構想編】必要な4つの部品

※本記事には広告が含まれます。

こんにちは、たれぞうです。競馬予想AIに続いて、もう一つAIを使った個人開発を始めました。自分の考え方を覚えて、自分の声で話すAIチャットbotです。

この記事では、なぜ作ろうと思ったのか、どんな仕組みで作るのかの全体像をまとめます。開発記の1本目です。

この記事で分かること

「自分の分身チャットbot」を作ろうと思った理由
チャットbotを作るのに必要な4つの部品
開発で気をつけていること（プライバシー）

なぜ「自分の分身」を作りたいのか

作りたいのは、自分の趣味や考え方を覚えていて、自分の代わりに、自分の思いを相手に伝えてくれるチャットbotです。

きっかけは、亡くなった人をAIで再現する企画が最近とても増えていることでした。『踊る大捜査線』の和久さん（いかりや長介さん）の声をAIで再現したCMや、NHKの番組で歌手の美空ひばりさんをAIでよみがえらせた企画などを見て、「声や話し方をAIで残す」ことにすごく興味がわきました。

有名人でなくても、自分の声や考え方を残しておけたら、家族や友人に思いを伝える方法の一つになるのでは、と思ったのが始まりです。

文字だけのチャットではなく、自分の声で話して、顔のアバターが口を動かすところまでを目標にしています。そして、なるべく難しいプログラミングをせずに、個人でも作れる形にしたいと考えています。

必要な4つの部品

調べてみると、「自分の声で話す分身チャットbot」は、大きく4つの部品に分けられます。

① 記憶：自分のことを教える

まず、チャットbotに「自分」を教える必要があります。プロフィール、趣味、よく話す話題、物の考え方などを文章にまとめておき、AIが答えるときにそれを参考にする仕組みです。

AIそのものを一から学習し直すのではなく、質問に関係する自分のメモを探して、それを読みながら答えてもらう形にすると、個人でも手軽に作れます。

② 頭脳：会話を考えるAI

相手の話を理解して、自分らしい言葉で返事を考える部分です。ここには、ChatGPTやClaudeのような大規模言語モデル（LLM）を使います。「たれぞうとして、こういう口調で話して」と指示しておくことで、自分らしい話し方に近づけます。

③ 声：自分の声で読み上げる

AIが考えた返事を、自分の声で読み上げる部分です。声については、音声合成サービスのCoeFont（コエフォント）で、自分の声のボイスをすでに作ってあります。これを使って、チャットbotの返事を自分の声でしゃべらせる予定です。

CoeFontはAPI（プログラムから呼び出す仕組み）にも対応しているので、チャットbotから直接、自分の声で読み上げさせることができます。ただ、使った分だけ料金がかかるので、個人の趣味で続けるには、なるべく安く済ませたいのが正直なところです。どこまで費用を抑えられるかも、この開発記で検証していきます。