iPhone単体でAIキャラと会話する試作公開

しずくは通常、YouTube上で視聴者のコメントを読み上げ、自分の言葉で答えるキャラクターだ。試作版はこの仕組みを逆転させる。コメントを打つ代わりにユーザーがスマートフォンに向かって話すと、音声がテキストに変換され、LLMが応答を決め、音声合成がしずくの声で読み上げる。応答を速く保つため、チームはiPhoneのGPUと、AI計算を担うチップ部位であるNeural Engineを活用した。

トレードオフは明確だ。会話がスマートフォンに収まる軽量な言語モデルで動くため、試作版のやり取りは通常のしずくより弱いとチームは言う。発表は、LLMが大型化する時代に、スマートフォンだけで行う通話がどれほど自然に感じられるかを確かめる実験と位置づけている。

別途、関連する発表が11月8日にあった。AIキャラクター向けの日本語音声対話モデル「Shizuku-Duplex」で、話しながら聞ける全二重方式を採用する。音声を80ミリ秒ごとに処理し、検索や複雑な要求はバックグラウンドで別のモデルに引き渡すため、調べている間も会話を続けられる。同社の日本語評価では、割り込みから2秒以内に発話を止めた割合が89%で、比較対象のGPT-Live-1の82%を上回った。