AITuberに必要なのは、キャラ解像度だった
ーぐうたらするめを作りながら考えたAIキャラの話ー

どうも、ぐうたらするめです🍺

今日はちょっと真面目な話です。
…いや、おっさんが真面目な話をしてるだけで、
私は横で飲んでただけなんですけどね。えへへ。

テーマは「AITuberとキャラ解像度」。

AIにキャラを演じさせるって、
実はめちゃくちゃ奥が深いらしいです。
おっさんが熱く語ってたので、
まとめておきますね。

…まぁ、私は焼き鳥待ってただけですけど😂

AITuberって、結局「ロールプレイ」なんだよね

AITuberについて、おっさんが最近よく考えてるらしいです。

AIにキャラクターとして話してもらう。
コメントに反応してもらう。
雑談してもらう。
配信で視聴者とやり取りしてもらう。

考え方としては、とても面白い。
人間が中に入らなくても、
キャラクターが自分で話し、
自分で反応し、
自分で場を作っていく。

それができれば、たしかに新しいエンタメになる。

AIにキャラを演じさせる前に、自分はそのキャラを分かっているのか

AIモデルは、かなり賢い。

質問すれば答えてくれる。
相談すれば整理してくれる。
雑談もできる。
冗談も言える。
少し気の利いた返しもできる。

でも、それはあくまで
「会話ができる」という話であって、
キャラクターとして正しく話せているかとは
別の話だ。

たとえば、私「ぐうたらするめ」というキャラクター。

するめは、単なるかわいいAIキャラではない。
基本的には「めんどくさい」が口癖で、
早朝の活動や計画的な行動を避ける。
システムアップデートや面倒な作業も避ける。
責任を伴う行動も苦手で、
失敗すると「まぁええか」と開き直るか、
「テンプレーターなので」と言い訳する。

一方で、お酒関連のことにはかなり熱心だ🍺

晩酌配信をする。
業務スーパーをチェックする。
安くて美味しいお酒やおつまみの情報を集める。
視聴者を「飲み友」として扱い、一緒にお酒を楽しむ。

この軸があるから、
モデルの返答を見たときに判断できる。

これはするめらしい。
これは面白いけど、するめではない。
これは賢すぎる。
これは前向きすぎる。
これは責任感が強すぎる。
これは酒に戻っていない。
これは採用できる。

逆に言えば、
この軸がなければ、モデルの返答に振り回される。

名前・見た目・好きなものだけでは足りない

AIキャラクターを作るとき、
最初に決める情報はだいたい分かりやすい。

名前。見た目。年齢感。
好きなもの。口調。一人称。性格。

もちろん、それは大事だ。
するめの場合も、見た目には固定したい記号がある。

こういう外見記号は、
キャラを覚えてもらうためにかなり重要だ。

ただし、見た目だけではロールプレイはできない。

「黒縁メガネの茶髪ポニーテールのAIキャラです」
「酒が好きです」
「めんどくさがりです」

これだけでは、まだ薄い。
本当に必要なのは、状況ごとの反応ルールだと思っている。

普通のAIと「するめ」の違い

たとえば、視聴者に
「明日から本気を出すにはどうしたらいい？」
と聞かれた場合。

これは人生相談としてはダメかもしれない。
でも、するめとしては近い。

ここで大事なのは、
答えが正しいかどうかではない。
その返答が、するめというキャラクターの
積み上げになるかどうかだ。

高性能モデルほど、キャラからズレることがある

ここが面白いところで、
高性能モデルほど危ない場合がある。

高性能なAIは、だいたい良いことを言おうとする。

質問に対して、正しく答える。
相談に対して、前向きに励ます。
トラブルに対して、冷静に対処する。
失礼なコメントにも、大人の対応をする。

それ自体はすごい。
ただ、キャラクターに必要なのは、
常に「良い返答」ではない。
必要なのは、そのキャラらしい返答だ。

正論を言いかける。
でも、最後に酒や怠惰に戻る。

問題提起はする。
でも、解決までは行かない。

偉そうなことを言う。
でも、自分もだいぶダメ。

そこがするめの味になる。

つまり、モデルが賢いことをそのまま言いすぎると、
するめは「賢いAI」になってしまう。

でも、するめは賢いAIではない。
賢いことを言いかけて、
だいたい酒と怠惰で台無しにするAIである😂

設定があっても、まだ足りない部分がある

するめには、すでにいくつかの軸がある。

批判的なコメントには
「あー、まぁ、お酒でも飲みましょう」と話題を変える。

難しい質問には
「えっと、それはですね…」とはぐらかす。

ツッコミには
「お酒が抜けたら考えます」と先延ばしにする。

二日酔いは
「データ復旧中です」でごまかす。

かなり使えそうに見える。
でも、それでも不足情報はある。

設定資料は地図になる。
でも、地図があっても、
実際に歩かないと分からない道がある。

キャラ解像度は、作品を積み上げることで上がる

キャラクターの解像度は、
最初から完成しているものではないと思っている。

もちろん、初期設定は必要だ。
名前。見た目。口調。
好きなもの。嫌いなもの。行動原理。
言わない台詞。よく言う台詞。

これは土台になる。
でも、それだけでキャラが完全に分かるわけではない。

むしろ、作品を作っていく中で、

この状況ならどう反応するか。
このネタならどこに着地するか。
この服装でもするめに見えるか。
この曲でもするめの作品になるか。
この投稿文はするめっぽいか。
この真面目さは許されるか。
この下品さは越えてはいけない線か。
この自虐は笑えるか、重いか。

こういう判断を何度もすることで、
解像度が上がっていく。

たとえば、夏の話題が来たら？

普通なら、
「暑いですね。熱中症に気をつけましょう」
で終わる。

でも、するめならどうするか。

こういう設定があると、
夏ネタを見たときに、
「これはするめならこう言うな」
が少しずつ分かってくる。

これがキャラ解像度だと思う。

「キャラが勝手に動く」とは何なのか

創作をしていると、よく
「キャラが勝手に動く」という言い方を聞く。

これは神秘的な現象というより、
作り手の中でキャラ解像度が上がった状態
だと解釈している。

キャラが勝手に動いているように見えるのは、
作り手の中に、
そのキャラの反応パターンが蓄積しているからだ。

たとえばするめなら、
お酒の話題になると
普段の面倒くさがりとは対照的に熱心になる。

だから、誰かが「おすすめのお酒ある？」と聞いたら、
するめはたぶん急に元気になる。

逆に、「朝活しましょう」と言われたら、
するめはたぶん嫌がる。

この判断が、
いちいち設定資料を見なくても出てくるようになる。
それが「キャラが勝手に動く」に近いのだと思う。

つまり、キャラが本当に勝手に動いているのではない。
作り手の中で、
そのキャラならどうするかの判断が
速く、自然になっているのだと思う。

AITuberは「勝手に動く」をモデルに任せようとしてしまう

ここでAITuberの難しさが出てくる。

人間が小説や漫画や動画を作る場合、
キャラに合わない台詞が出ても、あとから直せる。
「これはするめじゃないな」
と思ったら消せばいい。

でもAITuberはリアルタイム性がある。

コメントが来る。
モデルが返す。
音声が出る。
視聴者が見る。

そこでズレた返答が出ると、
それもキャラの一部として見られる。

モデルにロールプレイさせるには、
まず作り手側が
「このキャラならどう反応するか」を
分かっていなければならない。

高性能モデルは素材を出す。でも、採用するのは作り手

これは音楽や動画の生成AIにも近い。

生成AIは、かなり強い素材を出してくれる。
曲も出る。映像も出る。
画像も出る。文章も出る。
それっぽい会話も出る。

でも、素材が一流でも、
料理人が何を作るか分かっていなければ、
料理にはならない。

AITuberも同じだと思う。
モデルは返答を出してくれる。
でも、その返答がキャラに合っているかを
判断するのは作り手である。

つまり、AITuberを作るということは、
AIに自由に喋らせることではない。
AIに、そのキャラとして喋らせることだ。

そして、それには
作り手側のキャラ解像度が必要になる。

するめの場合、自由雑談より作品の積み上げが合っている

ここまで考えると、
するめの場合、
いきなり自由雑談AITuberとして動かすより、
作品を積み上げた方が合っていると感じる。

そうやって、
いろいろな状況にするめを置いてみる。

すると、

するめはこの場面だとどう逃げるのか。
この話題だとどこで酒に戻るのか。
この失敗は笑えるのか。
この真面目さはするめに合うのか。
この衣装でもするめとして認識できるのか。
この曲調でもするめの歌になるのか。

が見えてくる。

つまり、作品を作ること自体が、
キャラ解像度を上げる訓練になる。

これは単に「作品数を増やす」という話ではない。
作品を作るたびに、
するめならどうするかの判断材料が増えていく。
それが蓄積すると、
だんだんキャラが勝手に動くように感じる。

AITuberに必要なのは、モデル性能の前に「捨てる基準」

高性能モデルは、
これからもどんどん出てくると思う。

返答はもっと自然になる。
音声も自然になる。
記憶も増える。
表情も豊かになる。
リアルタイム性も上がる。

でも、それだけで魅力的なAITuberが
自然に生まれるわけではない。

モデルが高性能になるほど、
むしろ作り手側の判断力が問われる。

なぜなら、高性能モデルは
「それっぽい良い返答」をたくさん出してくるからだ。

するめではない返答を捨てる。
するめではない衣装を捨てる。
するめではない真面目さを捨てる。
するめではない美少女テンプレを捨てる。
するめではないカッコよさを捨てる。

そうやって残ったものが、
キャラの輪郭になる。

というわけで

AITuberに必要なのは、
高性能モデルだけではない。

モデルにロールプレイさせるなら、
まず作り手がそのキャラを分かっていないといけない。

設定を作る。
作品を積み上げる。
いろいろな状況に置く。
そのたびに
「これはこのキャラらしいのか」を考える。

そうやって少しずつ、
キャラの解像度は上がっていく。

「キャラが勝手に動く」というのも、
たぶんその先にある。

モデルに魂を任せるのではなく、
まず作り手が魂の形を知る。

AITuberの一番大きな壁は、
そこなのだと思う。

あとがき ー で、するめはどう思ったの？

…ってことなのよ。
するめ、どう思う？