AITuberってどう動いてる？ コメントに返事が返るまでの仕組みと作り方の第一歩

AI VTuberの代表格といえばNeuro-sama。公式サイトでは「元祖AI VTuber」と紹介されていて、歌も歌うし、ゲームもするし、しゃべりもする。でも、あの返事がどうやって作られているのか、細かい仕組みまでは公式サイトに書かれていません。

そこでこの記事では、作りが丸ごと公開されているAITuberKitを例にします。AITuberKitは、AIキャラと話せるWebアプリを誰でも組み立てられるオープンソースのツールキットで、YouTubeの配信コメントに自動で返事をするAITuber配信の機能も持っています。いわば「AITuberの中身がのぞける教科書」みたいな存在です。

AITuberKitの説明を読むと、配信中の流れはだいたいこうなっています。

1. コメントを拾う：YouTubeのAPIや、コメント管理ツールの「わんコメ」から配信コメントを取ってきます。
2. 返事を考える：拾ったコメントを文章AI（LLM）に渡して、キャラとしての返事を作ります。OpenAI、Anthropic、Google Geminiなどのほか、OllamaやLM Studioを使えば自分のPCで動かすAIも選べます。
3. 声にする：できた文章を音声合成で読み上げます。VOICEVOX、Style-Bert-VITS2、AivisSpeech、ElevenLabsなど、選べるエンジンはかなり多めです。
4. アバターが話す：3DならVRM、2DならLive2Dのモデルが、その声に合わせて動きます。

直近の会話を覚えておく機能や、過去の会話を検索して思い出す長期記憶の仕組みもあります。「さっきの話の続きだけど」が通じるのは、このおかげです。

24時間配信のAITuberを見ていると、コメントが止まっても平気でしゃべり続けていますよね。あれにもちゃんと仕掛けがあります。

AITuberKitには「会話継続モード」があって、コメントがなくてもキャラが自分から話題を出せます。会話が途切れたときに自動で話し出す「アイドルモード」では、決まったフレーズ、時間帯に合わせたあいさつ、AIがその場で作る発言の3つから選べます。さらに「ゲーム実況モード」では、ゲーム画面を定期的に読み取って、画面に合わせた実況コメントを自動で作って話します。

配信の「間」を埋める工夫は、人間の配信者とけっこう似ています。違うのは、それを設定で決めておけることです。

いきなり配信までやろうとすると大変なので、最初は「自分のPCでキャラと話せる」ところまでを目指すのがおすすめです。公式READMEの手順はシンプルで、Node.js（24系）を用意したら、リポジトリをクローンして npm install、npm run dev で起動、ブラウザで http://localhost:3000 を開けばOK。インストール前に雰囲気だけ知りたいなら、公式のデモサイトで触ってみるのが手っ取り早いです。

返事を考えるAIには、各サービスのAPIキーが必要です（ローカルで動かすAIなら不要）。まず文章だけで会話が成り立つのを確かめて、次に声、最後にYouTubeのコメント連携、と一段ずつ足していくと、どこでつまずいたかが分かりやすくなります。

ここは地味だけど大事なところ。AITuberKitはv2.0.0から独自のライセンスになっていて、営利目的でない個人利用や教育・非営利での利用は無料です。一方、商用で使う場合は別途、商用ライセンスが必要になります。

もう一つ気をつけたいのが、同梱されているキャラクター「AIニケちゃん」のモデルです。こちらはAITuberKit本体とは別の利用条件で、Live2Dのモデルは画像生成やAIへの入力・学習に使うことが禁止、商用利用・改変・再配布もできません。自分のキャラで配信するなら、見た目のモデルは自分で用意する前提で考えておくと安心です。

APIキーの扱いにも注意が必要です。READMEには、本番環境で使うならキーを適切に管理するよう書かれています。

仕組みだけ見ると、どのAITuberも「拾う・考える・声にする・動かす」の4ステップでできています。それでもNeuro-samaのように何年も見続けられるキャラと、すぐ飽きられてしまうキャラがいる。その差は、どんな性格にするか、何を覚えさせるか、どんな企画で配信するかといった「設計」の部分にあります。

逆に言えば、ツールがここまでそろった今、面白いAITuberを作るのに必要なのは、技術よりもキャラへのこだわりなのかもしれません。作ってみたくなったら、AITuberの始め方ガイドや制作・運用ページもどうぞ。