デスクトップAIアシスタント

どんなツール?

パソコンの画面にLive2Dのキャラクターが現れ、声や文字で話しかけると、AIが答えてくれるアシスタントです。返事は音声で読み上げられ、キャラクターは会話に合わせて表情を変えます。

Open-LLM-VTuber をベースに、会話(Google Gemini)・音声認識(faster-whisper)・音声合成(Irodori-TTS)・Live2D を組み合わせています。音声認識と音声合成はパソコン内で動くため、音声についての従量課金はありません。

導入には手間がかかり、NVIDIA GeForce のGPUがほぼ必須です。 「必要な環境」を確認してからダウンロードしてください。

項目	内容
OS	Windows 10 / 11(64ビット)
GPU	NVIDIA GeForce を強く推奨。GPUがなくても動きますが、声が出るまで1文あたり数十秒かかります
空き容量	25GB以上(実際の使用量は約15GB)
その他	インターネット接続、Git、uv(手順書で導入方法を説明)、Gemini APIキー

動作確認は Windows 11 + GeForce RTX 5070 で行いました。確認できた範囲と未確認の機能は、同梱の説明書の「動作確認の状況」にまとめています。

上の「ダウンロード」ボタンから GitHub の配布ページを開き、Assets の中の ai-desktop-assistant-v1.0.0.zip(約1.1MB)を保存します(「Source code」は選ばないでください)
zipを、C:\AIAssistant のような半角英数字だけのフォルダに展開します(OneDrive の中は避けてください)
同梱の 手順書.html を開き、書かれている順に進めます
- Git と uv を入れる
- Gemini APIキーを取得する
- setup.bat をダブルクリックする(初回のみ。30分前後かかります)

zipが小さいのは、音声合成などのモデル本体がセットアップ中にダウンロードされるためです。

start_assistant.bat をダブルクリックして起動します。準備ができるとブラウザが開き、キャラクターが表示されます。開かないときは http://localhost:12393 を開いてください。

起動時に開く黒い画面は、閉じずに最小化しておいてください。名前や性格、声、記憶の設定は http://localhost:12393/settings で変えられます。

GPUが使われていない可能性があります。Open-LLM-VTuber\logs\irodori.log に model_device=cpu と出ていれば、CPUで動いています。対処は、同梱の説明書の「GPUを使うようにする」を見てください。

Gemini APIキーの料金や無料枠は、Google 側で変わります。最新の条件は Google のページで確認してください。

会話の内容と、頼んだときの画面の画像は、Google(Gemini)に送られます。検索キーワードは DuckDuckGo、天気の地名は Open-Meteo に送られます。マイクの音声そのものはパソコンの外に送られず、文字に変換された内容だけがAIに送られます。

いいえ。APIキーは Open-LLM-VTuber\conf.yaml とそのバックアップに保存されます。フォルダごと誰かに渡すときは、先にこれらのファイルを削除してください。

stop_assistant.bat で停止し、展開したフォルダをまるごと削除します。ダウンロードしたモデルも同じフォルダ内にあるので、これで消えます。不要になったGemini APIキーは、Google AI Studio で削除しておくと安全です。