AIと声で会話するアプリの作り方を示した見本です。話し終わるのを待たずに応答が返り、こちらから割り込むこともできる、人同士の会話に近いやり取りを目指しています。音声を文字に直さず、音声のまま扱うモデル(Moshi)を使っています。
#音声会話#デモ
ミロンドが自分で確かめたこと
- 2026年8月23日「配布元を見る」の行き先が、今も開けることを確認しました。
- 2026年8月14日利用ルールの原文(LICENSE)を読みました。特別な条件は書かれていませんでした。
- 2026年7月31日公式の説明を読んで、開発が止まったというサインが無いことを確認しました。
ミロンドは掲載しているすべての行き先を定期的に開いて、今も使えるかを確かめています。 利用ルールは名前だけで判断せず、原文を読んで確認しています。
「音声生成」119本の中での位置
- APIキーの用意がいらないこの分野で114本
- 作ったものを仕事に使ってよいと確認できているこの分野で56本
- 黒い画面(ターミナル)の操作が要りますそうでないものが93本 →
- 入れた内容は公開元に送られますそうでないものが30本 →
上の条件をすべて満たすものは、119本中53本です。
この数字は、ミロンドが掲載している道具を1本ずつ同じ基準で調べた結果から数えています。
これは何?黒い画面(ターミナル)で動かすツール
できること
途切れない音声会話/割り込みへの対応/人の会話に近い応答の速さ/作り方の全体像の把握
誰に効く?
音声会話アプリを自分で作りたい開発者。仕組みを実際に動かして学びたい人
用意するもの
コマンド入力と、実行を任せる外部サービス(Modal)の登録が必要です。処理はそのサービス上で動きます。
時間のめやす
15〜30分(AIに聞きながらコピペ)
使うとこうなる
- 1Modal環境を用意する→サーバー実行の準備ができる
- 2modal serveを走らせる→接続URLが表示される
- 3マイクで話す→音声で応答が返る
作れるもの・できることの例
音声チャットアプリ、Moshi WebSocketサーバー、Reactフロントエンド
使えるようになるまでの手順をひらく
- 「」という文字だけの画面を使います(Windowsなら PowerShell)
- GitHubページの「Installation」に書かれたコマンドを順番に実行
- つまずいたら、いつも使っているAIチャットに「(ツール名)のインストールを手伝って」と聞くのがおすすめ
こんな人には向かないかも
- 黒い画面(ターミナル)にまだ抵抗がある人
迷ったらこれ:いつも使っているAIチャット(ChatGPT・Claude・Geminiなど)にこのツールのGitHubリンクを貼って 「これを使いたい。私のPCでの始め方を一歩ずつ教えて」と頼むのが一番の近道です。
注意点
**これは製品ではなく、作り方を示す見本です。** そのまま業務に使う想定ではありません。動かすには外部の実行サービスの登録が必要で、無料枠を超えると料金が発生します(利用前に現在の料金と無料枠をご確認ください)。話した内容は、その実行サービス上で処理されます。はMITです。
ひとことメモ
として公開されています。内容は公式ページでもご確認ください。
quillmanについてよくある質問
- quillmanは無料で使えますか?
- 無料で使えます。自分のパソコンの中で動くタイプなので、使った量に応じた料金もかかりません。
- quillmanを使うのに、インストールや専門知識は必要ですか?
- コマンド入力(黒い画面)での操作が必要です。手順どおりに文字を打ち込む作業に慣れていないと、導入でつまずきやすいツールです。
- quillmanはスマホでも使えますか?
- スマホには対応していません。パソコンが必要です。
- quillmanは仕事(商用)で使えますか?
- ライセンスは MIT で、商用利用も認められています。ただし著作権表示を残すなどの条件が付くので、配布物に含める場合はライセンス本文を確認してください。
似ている道具との違い
同じ用途の道具と、使う前に効いてくる条件を並べました。
| 道具 | 黒い画面 | APIキー | 外部送信 | スマホ | 仕事に使える | 最終更新 |
|---|---|---|---|---|---|---|
| quillman(このページ) | 要る | いらない | あり | むずかしい | 可 | 2026年5月 |
| JARVIS | いらない | いらない | あり | 使える | 条件あり | 2024年7月 |
| Whisper | 要る | いらない | なし | むずかしい | 可 | 2026年7月 |
| Real-Time-Voice-Cloning | 要る | いらない | あり | むずかしい | 未確認 | 2026年3月 |
「外部送信あり」は、入力した内容がどこかのサーバーに送られることを指します。 社外に出せない資料を扱うときは「なし」を選んでください。
音声生成のほかのツール
quillmanが合わなかったときの、同じ用途の候補です。
JARVIS
声で話せるAI相棒
上級者向け・黒い画面(ターミナル)いらない
Whisper
音声を文字に書き起こす
はじめやすい・黒い画面(ターミナル)が要る
Real-Time-Voice-Cloning
数秒の音声から声を写し取り、文章を読み上げさせる
はじめやすい・黒い画面(ターミナル)が要る
whisper.cpp
軽量・高速の文字起こしエンジン
はじめやすい・黒い画面(ターミナル)が要る
Coqui TTS
声を再現できる音声合成ライブラリ
準備がいる・黒い画面(ターミナル)が要る
Bark
テキストから自然な音声を作る
準備がいる・黒い画面(ターミナル)が要る