設定・制御できる要素

このページの目的

デジタルヒューマンおよびデジタルヒューマンプラットフォームは、自由度が高いプラットフォームです。このページでは、変更、設定、制御できる要素を一覧しています。

プラットフォーム概要図

アニメーションプラットフォーム

標準設定項目

デジタルヒューマンのキャラクターや背景の変更、接続する会話AI/チャットボットなどの設定をまとめた単位（インスタンス）を「ペルソナ」と呼んでいます。以下は標準の設定項目です。

項目	タイプ	備考
管理用名	文字列	ペルソナの管理用名
キャラクターの外見	文字列	プランによって利用できるキャラクターが異なります。キャラクターレベルを設定することで指定できます。
背景	文字列	背景画像を選択可能です。背景URLを設定することで背景を変更できます。
API URL	文字列	会話AIのAPIエンドポイントか、会話AIが接続されたオーケストレーション・ゲートウェイのエンドポイントを設定します。
音声認識（STT）	選択	利用できる言語と音声認識・音声合成 を参照してください。
音声合成（TTS）	選択	Google Cloud, Microsoft Azure, ElevenLabs の話者が設定できます。

カスタム設定項目

標準設定できない拡張設定は以下の通りです。設定はすべて弊社にて行います。

項目	タイプ	備考
キャラクターの外見	カスタム設定	弊社側で設定します。
カスタム音声認識（BYO STT）	カスタム設定	BYO/サードパーティー音声認識を利用できます。標準で使えるSTTプロバイダーでもアニメーションプラットフォームを経由させたく無い場合にも利用できます。
カスタム音声合成（BYO TTS）	カスタム設定	BYO/サードパーティー音声合成を利用できます。 P2ではAzureのカスタムニューラルボイスのみ対応します。

フロントエンド

会話AIやチャットボットから制御可能な項目

フロントエンドは表示の形によって利用できる機能が変わります。ビューの種類はこちらをご覧下さい。デジタルヒューマンは自律的にアニメーションを生成しますが、チャットボットやNLPから制御できる項目は以下です。

項目	タイプ	備考
発話内容	文字列	デジタルヒューマンに喋らせたい内容
声	発話の制御：SSMLの利用	デジタルヒューマンが発話する際の、声の早さ、ピッチ、ブレイク、読み方などはSSMLで制御可能です。SSMLは合成音声プロバイダーである程度共通化されていますが、完全に統一されていませんので、利用するプロバイダーによって利用できるSSMLタグが変わります。
感情表現	ふるまいの変更：感情表現編	デジタルヒューマンの表情は自律的に生成されますが、幸せや興奮等の感情を付与して表現する事が出来ます。
手足等のアクション制御	ふるまいの変更：アクション編	デジタルヒューマンGen3からは、空間の概念がうまれ3D移動（対応予定）や手足を使ったアクション表現等が制御出来るようになりました。
カメラ制御（アバターの表示位置）	ふるまいの変更：カメラ制御編	デジタルヒューマンを撮影しているカメラが利用出来、ズーム・ズームアウト・パンチルトが利用出来るようになります。
ビューのコンポーネント	コマンド	各ビューに依存します。ビューの種類はこちらをご覧下さい。
ユーザや環境認識用のWebカメラ	環境依存	話者を撮影するカメラ、またはカメラを使った解析・認識・認証の機能はデジタルヒューマンプラットフォームとして提供しておらず、外部のサービスとの連携になります。詳しくはお問い合わせください。

対話AI/チャットボット

ChatGPTをはじめ、さまざまな対話AIやチャットボットが接続可能です。接続するための仕様は下記をこちらをご覧下さい。

接続実績のある会話AI・チャットボット

会話AI・チャットボットとのプラットフォームインテグレーションの概要