※本記事にはアフィリエイトリンクが含まれています。
USC ICTが、対話する仮想人間を作るための「Virtual Human Toolkit」をGitHubで公開しました。音声、顔の動き、視線などをまとめて扱える仕組みで、会話キャラクターの試作を始めやすくなった点が注目されています。
そもそもVirtual Human Toolkitとは？
Virtual Human Toolkitは、ユーザーの反応を受け取りながら返答する「エンボディド・コンバーセーショナル・エージェント」を作るための開発基盤です。エンボディドとは、音声だけでなく表情やしぐさなど身体的な表現を伴うことを指します。通常は音声認識、自然言語処理、音声合成、各種センサーを個別に組み合わせる必要がありますが、このツールキットはそれらをひとまとめに扱えるのが特徴です。
ニュース概要
公開先はGitHubで、ブラウザ上のデモはインストール不要で利用できます。無料のモバイルアプリもすでに提供されており、Web、iPhone、Android、Quest 3へ展開できる点が案内されています。付属キャラクターに加え、別ライセンスのReallusion Character Creatorで独自キャラクターを制作できます。開発者は、まずPCのブラウザで動作を確認し、その後に端末ごとの挙動を試す流れを取りやすくなっています。
主な新機能・変更点
今回の公開で目を引くのは、AI層が特定ベンダーに依存しにくい点です。VHToolkitは、ChatGPT、Claude、ElevenLabs、Ollama、OpenFaceなど20以上のクラウドサービスやローカルの音声認識・表情検出などの技術を共通APIで扱え、実行中に切り替えもできるとされています。対応するローカル構成を選べば外部クラウドを使わない運用も可能とされています。データの送信先は構成ごとに確認が必要です。さらにRAG（Retrieval-Augmented Generation、検索拡張生成）にも対応しており、必要な情報を参照しながら応答を作る構成を取れます。こうした設計は、会話ゲームや教育用シミュレーション、研究用プロトタイプで、素早く動く試作品を作りたい場面と相性がよさそうです。
このニュースから考えられること
✅ メリット
- 音声や表情をまとめて扱えるため、対話キャラクターの試作を始めやすい
- ブラウザデモとモバイルアプリがあり、導入前に動作確認しやすい
- Web、スマホ、Quest 3まで展開先が広い
⚠️ 課題
- 音声認識やTTSなどをまとめた基盤でも、実運用にはキャラクター設計や会話設計が必要
- クラウドサービスは自身のアカウントとAPIキーを使い、利用先や利用量に応じて料金が発生する場合がある。端末によって対応機能も異なる
- ローカル運用でも設定と性能要件の確認が必要。ライセンスは学術・個人利用向けで、商用・政府用途は提供元への問い合わせが必要
学ぶならこの講座
会話型NPCや案内キャラクターを作りたい人、研究や授業で対話UIの試作をしたい人に向いています。まずはブラウザデモで挙動を確認し、次に自分の環境で使うAI提供元や公開先を絞り込む進め方がよいでしょう。
※本リンクはアフィリエイトリンクです。
まとめ
Virtual Human ToolkitのGitHub公開で、対話する仮想人間の試作環境が手に取りやすくなりました。初心者は、まずはブラウザで動作を見て、どの要素が会話体験に必要かを分けて考えるところから始めると理解しやすいです。
