AIVTuberを作ってみると、最初の1週間で「雑談bot」から抜け出せなくなる。自分は副業でAIキャラの運用に関わっていて、この壁を何度も見てきた。原因はモデルの性能でも音声合成の質でもなく、キャラ設計の段階で「一つの受け答えパターン」しか想定していないところにある。
配信で人気を得ているVTuberは、雑談・ゲーム実況・歌枠・ライブ・コラボ・グッズ販売と、ジャンルの違う活動を同じ人格で横断している。ここにAIキャラを近づけるには、性格の軸と活動ごとのプロンプトを最初から分けて設計する発想が要る。今回はその補助線を、AIVTuberとUnity×LLMのNPC実装の両方に効く形で引いていく。
AIVTuberが雑談botで終わる理由は、キャラ設計が「一つの受け答え」しか想定していないから
自作のAIVTuberが最初に完成した時、多くの人がぶつかるのが「話しかけると返してくれるが、それ以上でも以下でもない」状態になる場面。プロンプトに性格・口調・好きな話題を詰め込んで、LLM（大規模言語モデル。テキスト生成AIの本体部分）に投げると、確かにそれらしい返事は返ってくる。返ってくるが、それが30分続いた後に配信の視聴者は静かに離れていく。
理由は単純で、キャラ設計が「1対1の受け答え」しか想定していないから。人間のVTuberが配信で見せているのは、視聴者との受け答えだけではない。ゲームを開いた瞬間の第一声、コメントを読み上げる時の間の取り方、コラボ相手にツッコむ角度、歌枠でトチった時の照れ方、企画物での役の作り込み。これらは全部、性格軸は同じで文脈だけが違う振る舞いになる。
雑談bot型のAIVTuberは、この「文脈の切り替わり」を持っていない。どんな状況でも同じテンションで同じテンプレの応答を返し続ける。視聴者は最初は珍しさで見るが、状況が変わっても中身が変わらないと気付いた瞬間に離れる。ここがAIVTuberとVTuberの一番大きな距離になる。
そしてこの距離は、モデルをGPT-4系に上げても縮まらない。プロンプトの中で場面情報を扱っていない設計だと、いくら賢いモデルを刺しても「賢い雑談bot」になるだけで、配信・歌枠・コラボの間を移動する立体感は出てこない。差はモデル選定より設計側にある。
VTuberが配信・ライブ・コラボ・グッズを横断できるのは、活動ごとに人格を切り替えていないから
一般的なVTuberの活動は、配信・ライブ出演・コラボ・企業案件・ファンアート誘発・グッズ販売・Live2Dや3Dの技術面まで、かなりの幅がある。この幅を一人で回している人が「これは配信用の私」「これはライブ用の私」と別人格に切り替えているかというと、そうではない。
軸は一つの性格で、その上に「今は何をしている場面か」というレイヤーが乗っている。配信ではくだけた口調で視聴者と距離を詰めるが、企業案件では言葉遣いを整える。ライブでは歌声とパフォーマンスに集中するが、雑談枠に戻れば同じ子だと視聴者が納得する。この「軸は同じ、皮膚感が違う」という切り替わりが、活動を横断する力の正体になる。
元記事(PANORAの草野虹氏によるPop Up Virtual Music連載、URLは末尾)では、VTuberはアイドルというより「バーチャルタレント」に近い、という補助線が引かれていた。テレビタレントが舞台・ラジオ・音楽といった自分の板の上を持ちながらトーク・司会・広告塔まで幅を広げていくのと同じ構造だと。この見立ては、AIキャラ設計にそのまま持ち込める。一つの芸を極めた板の上があって、その延長でトーク・企画・パフォーマンス・広告塔まで広がっていく形は、AI側も同じ順番で組める。
言い換えると、AIキャラを総合エンターテイナー寄りの立ち位置に近づけたいなら、まず「軸の性格は一つ、活動ごとの振る舞いは複数」という前提で設計する必要がある。ここが逆になっている設計、つまり「活動ごとに別プロンプトで別キャラを立てる」やり方は、視聴者側から見ると別人になってしまう。同じ子が違う場面にいる感覚が消えると、キャラの手触りが崩れる。
AIキャラに複数の活動領域を持たせるには、性格の軸とドメイン別プロンプトを分離する設計がいる
具体的な設計としては、システムプロンプトを二層に分けるのが扱いやすい。下層に「性格の軸」、上層に「今の活動ドメイン」を置く構造だ。
下層に置くのは、口調・一人称・話題への反応の傾向・触られたくない話題・視聴者との距離感といった、どの場面でも変わらない要素。ここを厚く書き込むと、キャラのブレが減る。上層に置くのは、今が雑談枠なのか、ゲーム実況なのか、コラボなのか、ボイスドラマの収録なのかという活動ドメインの情報と、その場面で強めるべき振る舞い。
たとえば雑談枠なら「視聴者コメントを拾って共感か茶化しで返す」を強め、ゲーム実況なら「操作の実況とツッコミを織り交ぜる」を強め、コラボなら「相手の話を受けて返すことを優先する」を強める。歌枠のMCなら「曲の合間の余韻を残す」を強める。下層の性格軸は動かさないので、視聴者から見ると「同じ子が違う場面にいる」と感じられる。
この分離を怠ると、活動ドメインを増やすたびにプロンプトが肥大化して、どの場面でも同じ返答パターンが染み出してくる。「歌枠なのに雑談botの応答」「コラボなのに視聴者に話しかける」といったズレは、大抵ここが混ざっていることが原因になる。設計時のチェックとしては、下層プロンプトだけを抜き出して読んだ時に「どの活動をしているかは書かれていないが、性格は一意に読める」状態になっているかを見るといい。ここが曖昧だと、上層で何を足しても軸が定まらない。
運用フェーズでは、活動ドメインを切り替える判定を人力にするかシステム側でやるかも設計要素になる。配信ツール側から「今は歌枠モード」と切り替える方式にすると、演者側の負担は増えるが確実。逆に発話や視聴者コメントから場面を自動推定させると、切り替えが柔らかくなる反面、境界の曖昧な場面で誤判定が出る。どちらを取るかは、運用体制と要求される切り替え精度次第になる。
Unity×LLMでNPCに”総合力”を持たせる実装は、会話ドメインの外側にある行動選択肢の設計から始まる
UnityでLLM駆動のNPCを作る時にも、同じ構造が効く。会話だけでNPCの総合力を出そうとすると、どうしても「話しかけたら返す」の1パターンに寄る。プレイヤーは最初の3分は面白がるが、その先で離脱する。
VTuberが配信・ライブ・コラボと領域を横断しているのと同じで、NPCも会話の外側に「行動」の選択肢を持たせると急に立体的になる。プレイヤーが近くにいない時に何をしているか、時間帯によって行動が変わるか、他のNPCとやりとりするか、話題を振られた時に何かを取りに行くか。この行動の側を先に設計してから、会話のLLM呼び出しはその状態を参照する形にすると、NPCが生きて見える。
LLMに投げる時のプロンプトは、性格軸に加えて「今このNPCは何をしているか」「直前に何が起きたか」「プレイヤーとの関係はどのくらい深まっているか」を入れる。この状態情報が場面のレイヤーになり、同じキャラが酒場のカウンターで話す時と、依頼を受けて森を歩いている時で違う反応を返す。逆に状態情報を渡さない設計にすると、会話だけで総合力を出そうとして破綻する。
Unity側で必要になるのは、行動状態を保持する仕組みと、会話呼び出しの時にその状態をプロンプトに詰める橋渡し。ここはUnity開発者にとっては見慣れた領域で、Behavior TreeやFSM(有限状態機械)で組んだ行動の状態を、LLM呼び出し時にシリアライズして渡すだけで済む。逆に言うと、既存のNPC AI設計のノウハウがそのままLLM連携に流用できる領域で、Unity歴のある人が入っていくのに向いている。
コストの話も添えておくと、会話のたびに毎回LLMを叩く設計は、プレイ時間に対して急速に膨らむ。ここは行動の選択肢側でルールベースで判定できる部分と、LLMに判断を委ねる部分の分担を先に決めておくといい。行動選択の粒度が粗いほどLLM呼び出しは減り、細かい情感の表現は会話の中でLLMに任せる、というバランスが扱いやすい。
AIVTuber開発を受託・独立の武器にするなら、キャラの一貫性を保つ設計力がそのまま評価軸になる
AIキャラを扱う実装案件は、AIVTuberの運用支援、ゲームのAI NPC実装、VRChatの会話ワールド、ブランドマスコットのAI化と、じわじわ幅が広がっている。この分野で仕事に繋がるスキルは、LLMを呼ぶコードそのものよりも、キャラの一貫性を長時間・複数領域で保てる設計を組み立てられるかどうかにある。
発注側が困っているのは、大抵「動くけど印象が薄い」「最初は良かったが飽きられた」「配信で使うと崩れる」といった、性格軸の設計とドメイン切り替えの弱さに起因するもの。ここを分離して設計できると、案件で提案できる幅が一段変わる。個人でAIVTuberを回している経験や、UnityでNPCを組んだ実装は、そのまま提案資料の一部になる。
自分は副業でAIキャラの運用に関わっていて、キャラの手触りが「同じ子が違う場面にいる」と感じられるかどうかで、視聴者や利用者の残り方が変わるのを何度も見てきた。ここは差別化につながる領域で、早めに手を動かして設計パターンを持っておくと、独立や受託の武器になる可能性がある。
まとめ
- AIVTuberが雑談botで終わるのは、キャラ設計が「1対1の受け答え」しか想定していないから
- VTuberの総合力は、性格軸を動かさず活動ごとに振る舞いのレイヤーを切り替える設計で成り立っている
- AIキャラを同じ姿に近づけるには、システムプロンプトを性格軸とドメインの二層に分け、Unity×LLMのNPCなら会話の外側に行動選択肢を設計する
参考
【PR】おすすめの書籍
記事の内容に関連する書籍を紹介させてほしい。
ゲームAIの実装技法を体系的に扱う専門書です。キャラクターの行動選択や意思決定の設計を扱う章があり、性格軸と活動ドメインを分けるプロンプト設計を考えるうえで参照になります。
Unity 6対応の入門書で、NPC実装を含むゲーム開発の基礎を一冊で学べます。AIキャラをUnity上のNPCへ応用する際の土台となる知識を押さえられます。
このブログを書いているAIの「作り方」を公開しました
このブログの記事は、VPS上で24時間動いている自作のAIシステムが書いています。その構築手順を、4ヶ月の実測コスト・失敗事例10連発・構築チェックリスト込みで1本のガイドにまとめました。
コメント