▶ この話題を動画で見る（2:03〜）

今日の主役は、キャラクターに声とアニメーションを吹き込む「ヒドラ」という道具なんですけど……これがもう、開始1分で早くも迷子になるんですよね。名乗りからして怪しい。高崎さんが「威風塾」という耳慣れない塾名を名乗ったと思ったら、すぐさま「ツールの読み方が分かんなくなってくる」と自分で白状しちゃう。ヘドラなのかヒドラなのか、誰か調べてきてくれ、って言いながら本編がスタートするんです。いやー、この時点でもう予感がすごい。

高崎さん（2:03〜）

「誰でも通えて、AIと企業が学べる威風塾をやっております。威風塾頭の高崎千代太と申します。よろしくお願いします。本日はAIあるあるでだんだんツールの読み方が分かんなくなってくるんですけどヘドラかヒドラか誰か調べた。」

自分の塾の名前を名乗った直後に道具の名前で迷子になる、っていうこの流れ、なんか妙に人間くさくて私は好きなんですよね。ちなみにこのあと配信の中では「ヒュドラ」まで飛び出して、結局その場で「じゃあヒドラでいきましょう。ここではヒドラで統一で」って用語をその場で決める羽目になってました。名前。たった一つの名前が、こんなに揺れる。AIツールって毎週新顔が出てくるから、名前を覚える前に次の道具が来る……なんてこと、この界隈では日常茶飯事なんだなあ、と改めて思います。

いやー、それにしても「ヒドラで統一」って決めるまでの過程が、なんとも生々しいんですよね。誰かが正解を知ってるわけじゃなくて、その場にいる3人で「じゃあこれでいこう」ってその場のノリで決めていく。台本があったら絶対にこうはならない。しかも決めた直後にまた画面共有がおかしくなって、「音が流れない可能性が大事です」なんて言い出す一幕もあって、最初の10分だけでもうドタバタ感がすごいんです。それでも誰も焦った様子はなくて、「画面共有また変になったら教えてください」って軽く流しながら進んでいく。このゆるさ、朝LIVEならではだよなあと思います。

続いて自己紹介。たくみくんも高崎さんと同じ拠点で活動している塾長で、今日はゲスト参加のはずが、いつのまにか実験の相棒になっていく立ち位置なんですよ。自己紹介の一言一言に、今日の空気感がよく出てるんです。

たくみくん（3:36〜）

「はい、高崎さんと同じイフジックをやっております。大学一年生になってしまいました。塾長の山崎匠と申します。本日は、先日は僕が一人でやりましたけど、今日は高崎さんが、さっきのヘドラ、キドラをやってくださるということで、それを一緒にやっていければと思っております。今日もよろしくお願いします。」

「大学一年生になってしまいました」ってサラッと言うのも面白いですし、自己紹介の中にまで「ヘドラ、キドラ」って道具名の揺れが顔を出してくるのが、もう今日のテーマそのものだなあと感じます。ちゃんとした収録番組だったら編集で切られそうなところを、そのまま流しちゃう。この生々しさ、私はけっこう好きです。司会のただっちも含めて3人体制で、今日は画面共有からのスタート。ちなみにこの後、案の定というか、音声が流れない・映らないというトラブルが立て続けに起きるんですけど、そのドタバタも含めてこのまま届けますね。ヒドラで統一。よし、これで前に進めます。

でね、この画面共有トラブル、地味に何度も繰り返されるんですよ。Chromeで開いてるのに音が入らない、全画面だと映らない、タブを共有しないと音声が流れない……。たくみくんが「画面全体でもシステム音声を共有するっていうボタンがオンオフできる」って気づいて教えてくれる場面もあって、この現場のトライアンドエラーそのものが、なんだかんだ今日いちばんの実演になってる気がするんですよね。名前も定まらない、画面共有も安定しない。それでも「じゃあヒドラでいきましょう」って前に進む姿勢、私はけっこう好きです。

▶ この話題を動画で見る（9:19〜）

名前問題にひと区切りついたところで、いよいよ本題。ヒドラには公式のフリー素材キャラクターがいくつか用意されていて、まずはそこから「どの子に喋ってもらうか」を選ぶところから始まります。高崎さんが画面を見せながら、うんうん唸っているのが伝わってくるんですよね。

高崎さん（9:19〜）

「じゃあちょっといろいろやってみようというところで。楽しみです。じゃあいつもの、おはようここの公式。公式フリー素材となってる。どの子がいいかな。一番新しい子にするか。」

「一番新しい子にするか」なんて、まるでペットショップでどの子を迎えるか悩んでるみたいな言い方なんですよね。キャラクターを選んだあとは、音声。文字を打って自動音声を作る方法と、自分の声を録音する方法、両方選べるらしいんですけど、いつも文字を打つ方が手軽だから、ってことでテキスト入力ルートを選択。ここで問題が発覚します。日本語の声には男性しか用意されてなくて、女性の声が見当たらない。「いっそもういいかー」ってことで、女性っぽい名前の音声を選んで進めることになりました。この、ちょっと妥協して前に進む感じ、ライブならではの空気なんですよね。オーディオを作る画面には、テキストを打ち込む方法のほかにも、録音する方法やファイルをアップロードする方法まで用意されていて、選択肢自体は結構豊富なんです。それでも「いつもこれ一応これ日本人が選べて」って高崎さんが言うくらい、日本語ボイスの選択肢はまだまだ狭いんだなあと感じます。だなあ、って思わず声に出したくなる場面でした。

で、声を入れる最初の実験台に選ばれたのが、ただっちの自己紹介文。「一人で頑張るあなたの親友、AIと愛で世界を平和に、AI競争ディレクター、タダケイジと申します」っていう、ただっち本人のキャッチコピーをそのままテキストで打ち込んで、生成ボタンをポチッと押すんです。数秒後、スピーカーから流れてきた声を聞いて、二人が思わず「聞こえました?」「聞こえます」ってやりとりするあの一瞬が、なんかいいんですよね。

ただっち（13:08〜）

「作ってくれます。はい、はい。一人で頑張るあなたの親友、AIと愛で世界を平和に、AI競争ディレクター、タダケイジと申します。今日もよろしくお願いします。聞こえました?」

自分の肩書きを、自分じゃない声が読み上げる。ぶっちゃけ、これって地味に不思議な体験だと思うんですよね。しかもこのあと、漢字の読み間違いも度々起きていて、実験の途中で「音読みで読んじゃう」なんて場面もありました。完璧じゃないところも含めて、なんかリアルだなあと感じます。

そうそう、これ生成のたびにクレジット（利用回数の枠）を消費する仕組みになっていて、「クレジットなんか1ぐらい使ってますね」って高崎さんがボソッと言う場面もありました。一発で生成できても、もう一回試すとまた1使う。1万文字までいけるらしいんですけど、日本語だと実際どのくらい入るのか、正直まだ手探りみたいです。無料でどこまで遊べるツールなのか、その距離感を測りながら進めてる感じが、朝LIVEらしくて私は好きなんですよね。

▶ この話題を動画で見る（15:23〜）

声ができたら、次はアニメーション。細かく指示を出すこともできるらしいんですけど、今日は「割と適当にやっていいよーって感じ」ということで、お任せ生成ボタンの「インスパイアミー」をポチッと押すことに。すると、勝手に身振り手振りを考えてくれるんです。処理は結構重くて、しばらく画面を見つめながら仕上がりを待つ時間が続きました。で、ついに結果が出てきたときの反応が、これがまたいいんですよね。

高崎さん（15:23〜）

「なんか僕のキャラ。今の背景にもいつも映ってる。こんにちは、高崎潮太です。これとかは結構うまくいくね。こんにちは、高崎潮太です。そうですね。そしてちゃんと口の動きが、わりとちゃんと違和感ないっていう。」

「高崎潮太です」って、本人の名前とは微妙に違う音を読み上げてるのが、なんとも言えず面白いんですよ。ヒドラかヘドラかで揉めた冒頭と、地味に呼応してるんですよね。AIって道具の名前も、人の名前も、平気で噛む。でも口の動きは「わりとちゃんと違和感ない」っていう、この温度感がリアルだなあと。うまくいく回はちゃんとうまくいくんです。しかも高崎さんは同じ音声を2回連続で再生させて、口の動きを確認する念の入りようで、これがまた「そうですね」の一言で淡々と流れていくのが朝LIVEっぽいんですよね。

あ、そうだ。ここで一個おもしろかったのが、指示の出し方なんですよ。ヒドラって本当は身振り手振りを細かく指定できるらしいんですけど、今日は「割と適当にやっていいよーって感じ」で、インスパイアミーに丸投げ。つまりAIに「いい感じにやっといて」って頼んでるわけです。料理でいうと、レシピを一行も書かずに「お任せで」って言ってるようなもん。出てくるものは……そりゃ、ブレますよね。でもね。そのブレが、逆に楽しいんですよ。ボタン一発。それだけで、キャラが勝手に手を動かして、勝手に喋りだす。この「勝手に」が、なんか気持ちいいんです。

この待ち時間、地味に長いんです。「あとは仕上がりを待つ。ちょっと時間かかる。結構処理は重いんだなと思います」って高崎さん自身が漏らすくらい。それでも進捗コードを確認しながら「これで進むかな」ってつぶやいて、気長に待つ。無料で使えるからこそ、この待ち時間込みで付き合うのが今のヒドラとの距離感なんだろうなあ、と私は感じました。

ただ、うまくいく時ばかりじゃありません。高崎さんが別の日に自分のキャラで試したときの話も出てきて、そこでは表情がとんでもないことになったらしいんです。

高崎さん（30:42〜）

「あとは顔とかを、僕のやつはこのキャラは五条悟るみたいになっちゃったんだけど。たまにこの目隠しとか口がすごい変なふうになるんですよね。口をたぶんこれでっかいタラコ唇だとみんなしててびっくりするわけですよ。」

タラコ唇。目隠し状態。もう笑うしかないんですけど、でしょうね、って妙に納得もしちゃうんです。生成AIって、うまくいく瞬間と崩れる瞬間の落差がまだこんなに激しいんだなあ、と。1回のガチャで満足のいく口の動きが出ることもあれば、キャラの顔面が別人みたいに崩壊することもある。この振れ幅こそが、今の道具の実力なんだと思います。

でね。ここが今日いちばん腑に落ちたところなんですけど——うまくいく回も、崩れる回も、押してるボタンは同じなんですよ。同じインスパイアミー。同じ一発。なのに、片方は「口の動き、わりと違和感ないね」で、もう片方は五条悟。この落差を見て「まだ実用じゃないな」と切り捨てるのか、「じゃあ何回か回して当たりを拾おうか」と付き合うのか。高崎さんもたくみくんも、迷わず後者なんですよね。崩れた顔を見て笑って、はい次いこ、って進んでいく。いやー、この距離の取り方、私はけっこう大事だと思ってるんです。完璧に仕上がった道具が降ってくるのを待ってたら、たぶん一生触らないまま終わる。ぶっちゃけ、崩れた顔をネタにして笑える人から順番に、慣れていくんだろうなあ、と。

▶ この話題を動画で見る（24:37〜）

人間キャラで一通り試したあと、高崎さんが「お犬様編もやってみますか」と言い出して、次に選ばれたのが犬のキャラクター、AI秘書の「ドゥ君」。声を選ぶ段になって、また日本語の声のバリエーション問題が話題にのぼり、そこから派生して「自分の声を使いたい場合はどうするか」という話に展開していきます。

高崎さん（24:37〜）

「なので、この問題は、自分の声を録音する、もしくは、別のツールで音声のやつを作ってそれを入れる。あとは自分の声で自動音声でやりたかったら自分の声フォントっていう自分の声を録音してそれで作ってくれるやつがあるんでそれで作るなどなどやるとかなりまたクオリティーは上がるかな。」

「自分の声フォント」なんて言葉、初めて聞いたんですけど、なるほどなあと思うんですよね。声そのものを型として登録しておけば、あとはテキストを打つだけで自分の声で喋らせられる。これ、けっこう射程の広い話だなあと感じました。しかも高崎さんは「レンジでチンでもしてたんですか?」ってたくみくんにからかわれるくらい、昨日一日でかなりの数の動画を試作していたらしくて、クレジットもかなり消費していたそうです。

レンジでチン。……つまり昨日いちにち、生成ボタンを押しては待ち、押しては待ち、を延々くり返してたってことなんですよね。クレジットをじりじり溶かしながら。誰に頼まれたわけでもないのに、です。でね、私はこの「勝手に触りまくってる人」がその場にいることこそが、朝LIVEのいちばんおいしいところだと思ってるんですよ。誰かが先に転んでくれてるから、こっちは安心して同じ道を歩ける。

で、この「ドゥ君」の生成を裏で走らせながら、高崎さんは昨日の別の実験の話を披露していくんですけど、その待ち時間が終わって、ついにドゥ君の声とアニメーションが出来上がった瞬間。この場の空気が一気に変わるんです。「感動。感動。」って短い言葉が飛び交って、高崎さんもかなり興奮した様子で話し出します。

高崎さん（32:22〜）

「すごいなぁすごいこれで例えばえーとそうなんで本当は今日これでライブ出てやろうかなって思ったんですけど。この動画で出演ってことですか?いや、背景をいつものやつにして、大体この感じの写って、ずーっとしばらくそれで喋って、はい、AIでしたってやろうとしたんですけど、ちょっとめんどくさくてやってない。」

「今日これでライブ出てやろうかな」って、半分冗談っぽく言ってるんですけど、たぶん半分は本気だと思うんですよね。自分の代わりにAIキャラが画面に映って喋る、っていう選択肢が、もう現実的な距離にある。だなあ、と私も画面越しに聞いていて思いました。録画VTuberみたいな使い方も普通にできそうだ、という話も出ていて、この道具、思ったより射程が広いんですよね。

で、その直後の「ちょっとめんどくさくてやってない」。……ここ、笑うとこなんですけど、私はむしろ、正直でいいなあと思ったんですよ。できる。技術的には、もうできちゃう。でも、実際やるには背景を差し替えて、尺の分だけ喋らせて、最後に「はい、AIでした」ってオチまで用意して……っていうひと手間がかかる。そのひと手間の段差が、いまのAIツールに残ってる最後のハードルなんですよね。逆に言えば、その段差さえ越えたら、明日の朝は自分の代わりにキャラが喋ってる。いや、これ、けっこうすごい話でしょ。

ちなみにこの直前、また全画面表示のせいで音が聞こえなくなるトラブルが発生していて、「あ、そうか、声が聞こえない。全画面だから」って気づくまで少しタイムラグがあったんです。せっかくの感動の瞬間なのに、まず音声トラブルの解決から始まる。この不完全さこそがライブ配信の醍醐味だよなあ、と私は思うんですよね。完璧に整った収録動画じゃ、この空気は絶対に出せません。

▶ この話題を動画で見る（26:03〜）

ドゥ君の処理を待っている間、高崎さんが見せてくれたのが、前日に一人でコツコツ作っていたというイフ塾のオープニングムービーの制作過程。これがまた壮大な話で、部屋に引きこもっている子が壁を壊してメタバース空間に移動する、というストーリー仕立てになっているらしいんです。

高崎さん（26:03〜）

「アニメーションするってこと?だいたいイフ塾のそのオープニングムービーが部屋で引きこもってる子がいて、部屋の壁がぶっ壊れてなんだってなって、その部屋の壁に入っていくとメタバース空間に移動してイフ塾があって、そこでイフ塾の説明がちょっと入って、で、この音がパワーアップして。」

各パーツをバラバラに動画生成しておいて、あとから動画編集ソフトで組み合わせる、という力技の作り方なんですよね。まっすぐ歩かせることはできても、奥に歩きながら小さくする、みたいな遠近感の演出まではツール単体では無理で、そこは動画編集ソフトの出番になるんだそうです。AIで素材を作ってるだけで、全然「楽」ではない。地道な組み立て作業がその先にある、っていうのがよく分かるエピソードでした。

録画した素材をVチューバー的に使う提案も出ていて、キャラをポンと置いて喋らせるだけで、それらしい演出ができてしまう、という話もありました。マイナーな道具かもしれないけれど、口パクのモーションを作れる、っていう一点だけでも十分に使い道があるんだなあと、聞いていて思ったんですよね。

この制作話の流れで、高崎さんがふと気づいたことがある、と切り出します。それが、イフ塾のホームページの話。実は先週、たくみくんのライブでホームページの案内をしてもらっていたときに、あることに気づいたそうなんです。

高崎さん（34:41〜）

「最近またクロードでだいぶリニューアル。このあたりのホームページが、この最初の動画が今と内容がだいぶずれてて、これ、この最初のコンセプトっぽいのとこの後の漫画が、なんかあの、これ先週のたくみくんのライブで、お知らせをたくみくんがしてくれてるときに気づいたんですけど、なんか、あれ?このホームページ、3つ連続で同じこと言ってんなって思った。たくみがなんか、こないだ、説明してくれてたときに、上からこうやって説明してて、なんか、たぶん気付いたのをずっと感じたんじゃないか。あ、同じことずっと言ってんな、みたいな。」

自分のホームページなのに、他人が説明してくれているのを聞いて初めて「あ、同じこと3回言ってる」って気づく。この距離感、なんか分かる気がするんですよね。日頃自分でアップデートし続けていると、逆に全体像が見えなくなる。それをたくみくんが読み上げてくれたことで、外側から自分の言葉を聞き直す機会になった、っていうのが今日いちばん印象に残った気づきでした。ちなみにこのホームページには、高崎さん自身をキャラクター化した4コマ漫画も使われていて、絵の感じは統一しつつ吹き出しの文字だけ後から入れる、という手作り感のある作り方をしているそうです。

よくある質問

関連記事

• ChatGPTの音声インタビューが本音を引き出した話｜GPTs研究会朝LIVE
• 完璧すぎるAI画像が伝わらない理由｜ともみん×ただっちのAIデザイン実演
• ChatGPTがついに人間っぽく相槌を打つようになった。新音声モード「Live」を友くんが全部試してみた