
初心者
イベント
マガジン
技術ブログ
こんにちは。 IT初心者のせがです。 前回は、 Docker EngineでVOICEVOXコンテナを起動し、API経由でwavファイルを取得 しました!( 前回のブログ ) 今回は、自分のPC上で動かす「ローカルLLM」を使って文章の要約処理を行い、 その応答時間(処理速度)を計測してみました。 Ollamaの導入から、Pythonの main.py を使って要約結果と応答時間を記録し、 モデルごとの実測値を比べるまでの流れを紹介します。 1. ローカルLLMとOllama LLM(大規模言語モデル)は、文章の要約や質問への回答などを行う人工知能技術です。 一般的なクラウド型AIサービスは提供元のサーバー上で処理を行いますが、ローカルLLMは自分のPCにモデルをダウンロードし、手元のPC環境のみで処理を完結させます。 また、Ollamaは、このローカルLLMのモデル取得・起動・ローカルAPIの提供などを一括で管理できる実行ソフトです。 ここで混同しやすいポイントとして、 Ollama本体をインストールしただけでは、要約処理を行うLLMモデル自体はまだダウンロードされていない という点があります。 Ollamaという「エンジン(実行環境)」と、実際に処理を行う「モデル(知能データ)」は別々に準備する必要があります。 2. 用意した環境 今回の検証では Ollama for Windows 0.35.1 を使用し、要約処理の呼び出しと時間計測には Python の main.py スクリプトを作成して実施しました。 検証に使用した PC のスペックおよび実行環境は以下の通りです。 項目 詳細・スペック OS Windows 11 実行ソフト Ollama for Windows 0.35.1 CPU Intel Core Ultra 7 165U メモリ 32GB グラフィックス Intel Graphics 計測方法 Python ( main.py ) からローカルAPI経由で処理・記録 3. Ollamaをインストールする Windows環境でOllamaをセットアップしていきます。 PowerShellを開き、以下のインストールコマンドを実行します。 irm https://ollama.com/install.ps1 | iex IT初心者の気づき1 コマンドの仕組み・解説 このワンライナーコマンドは、公式サイトからインストール用スクリプトを取得してその場で実行しています。 それぞれの役割は以下の通りです。 irm ( Invoke-RestMethod ) : 指定したURLからスクリプトファイルの内容を取得します。 | (パイプライン) : 左側の処理で取得したデータを、右側のコマンドへ渡します。 iex ( Invoke-Expression ) : 渡されたスクリプトをPowerShellのコマンドとして実行します。 インストールの確認 インストール完了後、設定を反映させるために PowerShellを開き直して から以下のバージョン確認コマンドを実行します。 ollama --version 画面に ollama version is 0.35.1 のように出力されれば、コマンドが正常に認識されています。 もしコマンドエラーが出る場合は、インストールの完了状態やPowerShellの再起動を行ったか確認してください。 なお、Windows版Ollamaは起動後にバックグラウンドでサービスとして常駐し、ローカルAPI( http://localhost:11434 )を提供します。 そのため、一般的なデスクトップ利用であれば、別のターミナルで手動で ollama serve を起動し続ける必要はありません。 4. Pythonを準備する OllamaのローカルAPIへ自動的に要約リクエストを送り、結果や処理時間を記録するために Python 環境を準備します。 今回のスクリプト( main.py )では、PythonからOllamaを簡単に扱うための連携ライブラリである langchain-ollama パッケージを使用します。 PowerShellを開き、プロジェクト用フォルダーを作成・移動した上で以下のコマンドを実行していきます。 以下のコマンドですが、上から順に実行してください。 py --version py -m venv .venv .venv\Scripts\Activate.ps1 python -m pip install --upgrade pip python -m pip install langchain-ollama IT初心者の気づき2 コマンドと処理内容の解説 各コマンドの役割と実行時のポイントは以下の通りです。 py --version PCにPythonが正しくインストールされ、コマンドラインから認識されているかを確認します。 py -m venv .venv プロジェクト専用の隔離された仮想環境( .venv フォルダ)を作成します。 システム全体のPython環境を汚さずにパッケージ管理を行うための手順です。 .venv\Scripts\Activate.ps1 作成した仮想環境を有効化します。 成功するとプロンプトの先頭に (.venv) と表示され、以降の python や pip コマンドが仮想環境内のものを参照するようになります。 ※エラーが出る場合: 「スクリプトの実行が無効になっている」という赤いエラーが出た場合は、先に Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope Process を実行してから、再度 .venv\Scripts\Activate.ps1 を実行してください。 python -m pip install --upgrade pip パッケージ管理ツールである pip を最新状態に更新します。 python -m pip install langchain-ollama PythonコードからOllamaと連携するためのパッケージおよび関連ライブラリを仮想環境内にインストールします。(※Ollama本体やLLMモデルをダウンロードするコマンドではありません) なお、後述する main.py では時間計測やデータ保存のために time 、 csv 、 datetime といったモジュールも使用しますが、これらは Python標準ライブラリ に含まれているため、追加で pip install する必要はありません。 5. モデルを取得して起動する まずは以下のサンプルZIPファイルをダウンロードして展開し、中に入っている main.py と 文章.txt を、4章で作成したプロジェクトフォルダーの中に移動してください。 その後、そのプロジェクトフォルダーをVS Codeで開きます。 サンプルZIPをダウンロード 続いて、 main.py から要約処理を呼び出す前に、使用するLLMモデルをPCに準備します。今回は main.py の初期設定として指定されている gemma3:4b を取得します。 VS Codeの統合ターミナル(PowerShell)を開き、以下のコマンドを実行してモデルをダウンロードしてください。 ollama pull gemma3:4b モデルを取得した後、同じターミナルで次のコードを実行すると、対話形式で動作を確認できます。 ollama run gemma3:4b モデルを指定して起動すると、未取得の場合はダウンロード後に対話画面が開きます。 対話を終了するには /bye と入力します。 ローカル環境に取得済みのモデル一覧を確認したい場合は、次のコマンドを使用します。 ollama list 検証で使用したモデル一覧 今回の検証(CSVへの記録)では、モデルごとの処理速度や要約結果を比べるため、以下のモデルを対象に各3回ずつの実行テストを行いました。 比較対象のモデルを取得する際は、 gemma3:1b の部分を対象のモデル名に置き換えて ollama pull を実行します。 ollama pull gemma3:1b ollama pull gemma3:4b ollama pull qwen3:8b ollama pull qwen3.5:0.8b ollama pull qwen3.5:2b ollama pull qwen3.5:4b 6. main.pyで要約と時間を記録する 前の手順で展開したプロジェクトフォルダー内の 文章.txt に要約したいテキストを用意し、 main.py を実行します。 (※サンプルの 文章.txt にはあらかじめテスト用の文章が入っているので、そのままでも実行できます) main.py を実行すると、テキストを読み込んで指定したLLMモデルへ要約をリクエストし、生成結果と処理時間を画面に表示したうえで、結果をCSVファイルへ1行ずつ自動で追記します。 IT初心者の気づき3 スクリプト内部の仕組みとポイント main.py の主な処理の流れと役割は以下の通りです。 OllamaLLM(model=model) : 指定したローカルモデル(例: gemma3:4b )をLangChain経由で操作するためのオブジェクトを生成します。 ファイル読み込みとプロンプト挿入 : open("文章.txt", encoding="utf-8") で入力文を取得し、定形プロンプトテンプレートの {topic} 部分に本文を差し込みます。 time.perf_counter() による時間計測 : 呼び出し直前と直後の高精度タイマーを取得して差分を求めることで、 llm.invoke(prompt) の経過秒数を計測します。※ここで計測されるのはリクエスト送信からレスポンス受信完了までの「呼び出し全体にかかった時間」であり、Ollama内部の個別処理ステップの時間ではありません。 CSVファイルへの自動追記 : 処理結果は summary_results_tannbunn.csv に保存されます。記録項目は「実行日時」「モデル名」「対象モデルの実行回数」「処理時間(秒)」「要約結果」の5つです。同じモデルで再度実行すると、そのモデルの試行カウントが自動的にインクリメントされて追記されます。 以下のコードを実行してみてください。 python main.py 実行する前に、 main.py 内で設定されているモデル名を確認しておきましょう。 今回は初期値として gemma3:4b を指定しています。 7. 実験結果 文章.txt の同一文章を入力とし、各モデルに対して 3回ずつ 実行処理を行いました。 以下の表は、 main.py が記録した処理時間の平均値を取りまとめたものです。 モデル 平均時間 gemma3:1b 3.53 秒 gemma3:4b 11.54 秒 qwen3:8b 66.40 秒 qwen3.5:0.8b 218.67 秒 qwen3.5:2b 210.46 秒 qwen3.5:4b 201.23秒 今回は、シンプルに要約をしてもらうことだけをお願いしていますが、字数を制限することで精度が上がることもあるみたいなので、字数制限を設けてみても面白いかもしれません。 プロンプトを変更する際は、main.pyの以下の部分の「与えられたテキストを要約してください。」の部分を変更してみてください。 PROMPT = """ 与えられたテキストを要約してください。 {topic} """ 8. GPUでも試してみた 最初の測定では CPU で推論を行っていたため、「GPU を使えばさらに高速化できるのではないか」と考え、後日、Windows版 Ollama で Intel 内蔵 GPU(Intel Graphics)を有効にした状態での推論テストを追加実施しました。 実行中にターミナルで ollama ps を確認し、プロセッサ列に 100% GPU と表示されていることを確認した上で、 gemma3:4b と gemma3:1b の測定を行いました。 モデル 平均処理時間 変動範囲(最小〜最大) gemma3:4b (GPU有効時) 5.31秒 3.59 〜 9.32 秒 gemma3:1b (GPU有効時) 5.94秒 2.01 〜 14.32 秒 「 gemma3:4b は約半分(11.54秒→5.31秒)まで高速化されました。一方、 gemma3:1b は初回実行時のモデル読み込み(ロード)時間が最大値(14.32秒)を押し上げた影響で、平均値ではCPU時よりやや長くなっています。」 9. 使ってみて分かったこと 実際に Windows 上で Ollama と Python スクリプトを組み合わせ、複数モデルの要約処理と応答時間計測を行ってみて得られた気づきや注意点をまとめます。 Python 連携による実験の自動化と効率化 Ollama 単体でのCLI対話や個別の API 呼び出しだけでなく、 langchain-ollama などの Python パッケージを活用することで、「文章の読み込み」「要約処理の実行」「高精度タイマーによる計測」「CSV への実行ログ保存」までを 1つのスクリプトに全自動で一元化 できます。 「モデルのダウンロード」と「推論実行」は明確に分離される Ollama 本体を導入しただけではモデルは存在せず、 ollama pull によるモデルファイルの取得が必要です。 初回ダウンロード時には大容量の通信と待機時間が発生しますが、一度ダウンロードしておけば次回以降は即座にローカル推論を開始できます。 モデルのファイルサイズや処理負荷(応答時間)は、選択するモデルごとに大きく異なります。 CSV ログを活用したデータ収集と集計のポイント 実行結果を1試行ごとに CSV ファイルへログ追記していくことで、モデル別の処理速度を後から客観的に比較・集計できます。ただし、単純な「平均時間」を比較する際には、単に数値を並べるだけでなく以下の 前提条件を揃えて一緒に記録しておくこと が極めて重要です。 試行回数 (初回のモデルロード時間を含むかどうか) 入力テキストの長さ・プロンプトの設定 実行環境 (CPU/GPU割り当て、同時起動ソフトなどの条件) 処理時間(応答速度)と「要約精度」は別物 処理時間が速いからといって、必ずしも優れた要約が出力されるとは限りません。生成された文章を必ず原文と照らし合わせ、以下のポイントを 人間自身の目で 最終チェックする必要があります。 重要な事実や条件(日付、数値、対象範囲など)が抜け落ちていないか 原文に存在しない誤情報・捏造(ハルシネーション)が付与されていないか セキュリティと運用管理に関する留意点 ローカル LLM は「入力データを外部サーバーへ送信せずに処理できる」というプライバシー上の強力な利点を持っています。 10. まとめ Ollama と Python( main.py )を活用することで、Windows 環境上でローカル LLM による文章の要約処理を実行し、モデルごとの応答時間を CSV ファイルへ正確に記録・収集することができました。 蓄積したログを集計することで、今回の検証環境における各モデルの具体的な処理時間を定量的に比較・可視化できました。一方で、今回は小規模な試行回数での測定であり、 「応答時間(処理速度)の速さ=モデルの総合性能や要約品質」とは直接結びつかない という点には注意が必要です。 実務導入へ向けたステップと運用のポイント ローカル LLM を実際の業務フローやプロダクトに組み込む場合は、以下の運用方針を検討するのが現実的です。 段階的な試行とスモールスタート 万が一誤りや重要情報の抜けが発生しても影響が少ない、優先度の低い文章の処理からテスト導入を開始します。 人間による確認(ヒューマン・イン・ザ・ループ)の組み込み 生成された要約文に対して、必須事項の欠落やハルシネーションの有無をチェックするレビュー工程を必ずワークフロー内に配置します。 適切なモデル選定・クラウド AI との併用 ローカルモデルのサイズ制限等で要約精度や速度要件を満たせない場合は、よりパラメータ数の大きなモデルへの切り替えや、セキュアなクラウド LLM API への切り替え・ハイブリッド運用を検討します。 データガバナンスと規約の確認 クラウド LLM 等の外部サービスへ移行・連携を行う場合は、入力データの送信経路、学習への二次利用の有無、保存期間などの利用規約・プライバシー条件をあらかじめ確認しておくことが重要です。 11. 参考文献 Ollama公式サイト Ollama Windows公式ドキュメント LangChain Ollama連携ドキュメント Gemma 3モデル一覧 `local_llm_basic.py` ご覧いただきありがとうございます! この投稿はお役に立ちましたか? 役に立った 役に立たなかった 0人がこの投稿は役に立ったと言っています。 The post 【検証】IT初心者でもできた!Windows+OllamaでローカルLLMを試す!環境構築から文章要約・速度検証まで first appeared on SIOS Tech Lab .
皆さん、初めまして!IT初心者の「せが」です。 「IT初心者にこんなことができるのかな…?」とドキドキしながら挑戦してみたところ、無事に Docker EngineでVOICEVOXコンテナを起動し、API経由でwavファイルを取得する ことができました! 今回は、その具体的な手順や引っかかったポイント、また、それぞれの用語をIT初心者なりにどのように捉えたかをブログでわかりやすくご紹介します。 1. はじめに 実は今回、業務で音声合成を使ったシステムを作ることになったんです。 開発を始めるにあたって、まず最初に確かめるべきなのは 「文章をどうやって音声データに変換するのか」というポイントでした。 そこで、オープンソースの音声合成ソフト「VOICEVOX」を使い、 Dockerコンテナ上で音声合成エンジンを動かしてみることにしました! VOICEVOXといえば画面で操作するエディターが有名ですが、 今回はプログラムから呼び出せる「VOICEVOX ENGINE」を使っています。 HTTPサーバーとして動いてくれるので、curl や Python からリクエストを送るだけで、 自作アプリやAI機能にサクッと組み込めるのが面白いところです。 ※以降「IT初心者による用語解説」が度々出てきますが、ブログ作成時に私の学習もかねて残したものですので、興味のある方のみお読みください。 IT初心者の気づき1 ここまでの文章で、「コンテナ」や「API」といったIT用語がすでにいくつか登場しましたが、私はIT初心者なもので、今回のブログを書くまでは、どちらもイメージすら湧いていませんでした。(コンテナは貨物を運ぶためのものだと思ってたし、APIに関しては何も知らなかったです。) なので、このブログでは、私がどのようにIT用語を捉えているかも紹介させていただきます。 本題とは逸れた内容になりますので、飛ばしていただいても構いません。 私と同じIT初心者さんも、IT大ベテランさんも「そういう風に捉えたのね」くらいで読んでいただければと思います。 APIは意外と身近にも! 皆さんはAPIと聞いて、すぐにイメージが湧きますか? 私はこの学習をするまではイメージどころか単語すら知らなかったです… そんな私ですが、APIは「天気予報アプリの中継役」という風に捉えました。 今回の「API経由でwavファイルを取得する」と聞くと一見難しそうに感じますが、初心者なりに噛み砕いてみると、仕組みは天気予報アプリで天気を調べる流れにそっくりだなと思いました。 スマホの天気予報アプリを開いて「東京の今日の天気」をタップすると、アプリが中継役として裏側で気象台のサーバーに問い合わせを行い、最新の天気データを画面に届けてくれますよね。 このように、本来であれば自分で気象台のサーバーにアクセスして、天気予報のデータを探し出す必要があるものも、「頼みたい処理や知りたい情報を送ると、裏側で計算して結果を届けてくれる窓口(中継役)」の役割を果たしてくれる、そんな便利屋さんが API なのです! 今回のVOICEVOXでいうと、こんなイメージになります。 【私たち(プログラムやcurl)】 「このテキストを読んで!」とHTTPリクエストを送る │ │ (HTTP通信でやり取り) ▼ 【VOICEVOX ENGINE(API:中継役)】 リクエストを受け取り、裏で声のデータを生成する │ ▼ 【返ってくる結果】 完成した音声ファイル(.wav)が届く! コンテナは「必要なものが揃った全部入りセット」で「どこへ持って行っても同じように動く箱」!? Dockerコンテナを初めて学んだとき、私は「アプリを動かすために必要な道具を全部ひとまとめにした箱」と捉えました。 例えなら、「初心者向け釣りセット」です。本来は、別々にそろえる必要のある、釣り竿、リール、糸、針、仕掛けなどがすべて一つのセットになっているものです。自分で道具を1つずつ探して買い揃えなくても、そのセットさえ買えばすぐに釣りを始められます。 コンテナもまさにこれと同じです!アプリ本体だけでなく、それを動かすためのプログラムやライブラリ、設定ファイルなどが、動作に必要な単位でマルっとまとめられています。 また、普通のアプリは、実行するパソコンによってOSや入れられているツールのバージョンが違うため、「同じプログラムなのに自分のパソコンでしか動かない…」ということがよく起こります。 ですが、コンテナを使うことで「必要なものをまとめた箱」をそのまま自分のパソコンや会社のサーバー、クラウドへと持っていくことができます。 「自分の環境では動いたのに、他の場所だとエラーになる」という初心者あるあるの悩みを激減できる とっても便利な箱なのです! イラストでもわかる通り、コンテナとは**「釣りセット」のように面倒な準備を省いてくれて、どこに持って行っても同じように使えるめちゃくちゃ便利な箱**という感覚でした! コンテナは仮想マシンと何が違う の? 勉強を進める中で、ふと「これって仮想マシン(Virtual Machine)と何が違うんだろう?」という疑問が湧いてきました。(仮想マシンがわからない人は調べてみてください!) 調べてみると、コンテナはパソコンの中にWindowsやLinuxといったOSを丸ごと一から作り出す仮想マシンとは、仕組みが大きく異なることがわかりました! 仮想マシンが「新しいOSをもう1台丸ごと立ち上げる」のに対して、コンテナは 自分のパソコン(ホストOS)の基本部分(カーネル)を上手にみんなで共有しながら、アプリと必要なファイルだけをサクッと分けて動かす仕組み なんです。 これは、「一戸建ての家」と「シェアハウス」に例えるとわかりやすいと思います。仮想マシンは、いわば「家を丸ごと一軒建てる(一戸建て)」ようなものです。自分専用のキッチンやお風呂、トイレ(OS)がすべて揃っていますが、家を建てるのに時間もコスト(PCのメモリやCPU)もかかり、準備が重くなってしまいます。 一方、コンテナは、「設備付きシェアハウスの個室」のようなイメージです。水道や電気といった基礎設備(ホストOSの機能)はみんなで共有し、自分専用の部屋(コンテナ)には「生活に必要な道具(アプリとライブラリ)」だけを持ち込みます。そのため、借りるのも一瞬(超速で起動)ですし、部屋自体もコンパクト(軽量)で済みます。 このようにベースの仕組みを共有しているからこそ、OSをまるごと抱え込む仮想マシンに比べて、コンテナは 圧倒的に動きが軽くて、起動も一瞬 で終わるんですね! ちなみに、ここでいう「軽量」というのは中身が空っぽという意味ではありません。「無駄なOS機能は削ぎ落として、そのアプリを動かすためだけの最小限のものにキュッと絞られている」という風に捉えました。 次にこの検証で学べることについてまとめます。 今回の検証では、複数の技術について触れることができるため、以下にまとめたことを意識しながら学習を進めてみてください。 2. この検証で学ぶこと 今回の検証で学んだことは以下の4つです。 Dockerコンテナの役割と起動方法 VOICEVOX ENGINEを含むイメージからコンテナを起動し、ホストから接続できるようにポートを公開する方法を確認する。 VOICEVOX ENGINEのHTTP APIの呼び出し方 `curl` でエンドポイントへリクエストを送り、テキストやクエリJSONを渡す方法を確認する。 テキストから音声データが生成されるまでの流れ `/audio_query` でクエリJSONを作成し、`/synthesis` でそのクエリからWAVを生成する2段階の処理を確認する。 話者、話速、音高などの音声パラメータの変更方法 話者IDを指定し、クエリJSONの `speedScale` や `pitchScale` などを変更して音声の違いを確認する。 IT初心者の気づき2 今回もまた、意味のわからない言葉がつらつらと並べてありますね(笑)。 ここでも、私が気になった単語や文章をIT初心者なりにどのように捉えているかを共有します。 釣りセットで考えると「イメージ」について超すっきり! 先ほどコンテナの解説でも「釣りセット」の例えを出しましたが、実は イメージも釣りセットの一種 と捉えてもらうと分かりやすいです。 ただ、同じ釣りセットでも「イメージ」と「コンテナ」では状態が少し異なります。 簡単に言えば、「イメージはまだケースから出していない状態」で、「コンテナはケースから出して組み立ててある状態」だと私は捉えました! イメージ = ケースに綺麗に揃った「新品の釣りセット」 釣り竿、リール、糸、針、仕掛けなどの部品(アプリやライブラリ)がすべてケースに収まっている状態です。ケースに入ったままだとまだ釣り(アプリの実行)はできませんが、必要なものはすべて揃っています。 コンテナ = 箱から取り出して組み立てた「今すぐ釣りができる状態」 ケースを開けて仕掛けをセットし、実際に釣り場で竿を垂らしている状態(=アプリが実際に起動して動いている状態)です。 コマンド操作で「イメージ」を「コンテナ」に変える! 静かな状態である「イメージ」を、実際に動く「コンテナ」として使えるようにするためには、 コマンド操作 が必要になります。 ここでは、今回主に使用した2つの重要コマンドについて触れておきます! docker pull = ネット上から「ケースに入った釣りセット(イメージ)」を自分のパソコンに持って来る操作 docker run = そのケースを開けて組み立て、「今すぐ使える状態(コンテナ)」にして起動する操作 釣りセットの例えでコマンド(操作)を整理すると、一気に仕組みがつながります! ネットの釣り具屋さん(Docker Hub) │ │ docker pull(ケース入りの釣りセットを購入して手元に置く操作) ▼ 手元の「イメージ」(ケースに入った釣りセット) │ │ docker run(ケースを開けて組み立て、実際に釣りを始める操作!) ▼ 手元の「コンテナ」(今すぐ使える・動いている状態) ホストから接続できるようにポートを公開する方法ってなに? Dockerを使っているとよく出てくる「ポートを公開する」という言葉。 最初は呪文のように見えますが、これも身近なイメージに置き換えるとすごくシンプルでした! これは、マンションの部屋にインターホンを取り付けることに例えるとわかりやすいです。 コンテナは、パソコンの中に作られた「独立した専用の部屋」、マンションでいう1室のようなものです。 その部屋の中でVOICEVOX ENGINEが元気に動いていても、部屋の外にいる私たち、つまりホスト側のパソコンからは、そのままでは「この文章を喋って!」と声をかけることができません。 そこで、外から部屋の中へ連絡を届けるために、専用の窓口としてインターホンを取り付けてあげます。 この「ホストとコンテナをつなぐ窓口を用意する操作」こそが、Dockerでいうポートの公開です! ここまでで、コンテナやイメージ、APIについて少しイメージが湧いてきました。では次に、今回使っているVOICEVOXがどのような仕組みで動いているのかを見ていきましょう! 3. VOICEVOXの構成 VOICEVOXは、用途の異なる3つの要素に分けて考えると理解しやすいです。 エディター: 画面から文章を入力・編集するアプリケーション ENGINE(エンジン): HTTPリクエストを受け取り、テキストや話者などの指定を確認して、音声生成の処理を進めるHTTPサーバー コア:エンジンから受け取った文章の読み方や音声パラメータをもとに、音声合成モデルを使って実際の音声データを計算する部分 例えるなら、レストランのような役割分担です。 エディターは注文を入力するメニューや注文画面、ENGINEは注文を受けて厨房へ伝える店員、コアは音声を実際に調理する厨房にあたります。 今回使用するVOICEVOX ENGINEは、エディターを操作するのではなく、私たちが `curl` でENGINEへ直接HTTPリクエストを送信して利用します。 処理の流れは、以下のようになります。 私たちがテキストと話者などの情報をENGINEへ送る ENGINEが入力内容を確認し、音声合成用のクエリを作る ENGINEがコアへ処理を依頼し、コアが声の波形を計算する ENGINEが完成した音声データをWAVファイルとして返す つまり、ENGINEは単にHTTPリクエストを受け取るだけではなく、外部からの注文を受け、音声合成に必要な情報を整理し、コアに声を作ってもらい、完成した音声を返すまでの司令塔のような役割を持っています。 4. 実行環境 今回は、Windows上のDocker DesktopをWSL2バックエンドで動かし、UbuntuのターミナルからDockerを操作します。Docker EngineはDocker Desktopが管理し、UbuntuではDockerコマンドと curl を実行します。 Windows ├─ Docker Desktop(WSL2バックエンドでDocker Engineを実行) └─ WSL2 └─ Ubuntu(Dockerコマンドとcurlを実行) Windows【建物全体】 パソコン全体を動かしている基本のOS。 WSL2【作業場を用意する仕組み】 建物の中に「Linux用の作業場」を作るための仕切りや工事の仕組み。 Linuxディストリビューション【実際の作業場】 実際に部屋として使うスペース。コマンドを打ち込んだり、ファイルを置いたりする場所(Ubuntuなど)。 Docker Engine【コンテナを動かす実行基盤】 Docker Desktopが管理し、イメージからコンテナを作成・起動する仕組み。 VOICEVOX ENGINEコンテナ【専用の箱・道具】 Docker Engineが用意した箱の中で動く、VOICEVOX ENGINE専用のアプリケーション環境。 Windows上では、WSL2が作業場(Linux環境)を用意し、その中で管理者(Docker Engine)が箱(コンテナ)を起動します。そして、その箱の中でVOICEVOX ENGINEがHTTPサーバーとして動き始める、というスムーズな連携によって音声合成が実行されています。 このように、ここで登場するWindows、WSL2、Linux、Docker Engineなどは、それぞれ別の役割を持っているのですが、私はそもそも、これらの用語についてあまり詳しくなかったので、これらも調べてまとめました。 IT初心者の気づき3 そもそもWSL2ってなに? WSL2(Windows Subsystem for Linux 2)は、ざっくり言うと**「Windowsの中でLinuxをそのまま動かせる仕組み」**のことです。これがあれば、Windowsマシン上でもLinuxのコマンドやファイルシステムが手軽に利用できるようになります。 いわゆる「仮想マシン」に似ていますが、不要な機能を削ぎ落として必要な部分だけに特化しているため、従来の仮想マシンに比べ、動作がとても軽やかです。Windowsの使いやすさを残したまま、Linux用のツールやサーバーを手軽に試せるのがWSL2の大きな魅力です。 例えるなら、 Windowsという大きな家の中に、Linux専用の小部屋(作業スペース)を作る感じ です。家を丸ごと引っ越す(OS自体をLinuxに乗り換える)ことなく、慣れ親しんだWindowsの片隅に便利なLinux環境を用意できちゃうんです。 Linuxとは? Linuxは、コンピューターのハードウェアやアプリを制御するための「OS(基本ソフト)」の一種です。WindowsやmacOSと同じように、ファイルを管理したりプログラムを実行したりする大切な役割を担っています。 今回登場する**「Linuxディストリビューション」**とは、Linuxの核心部分(カーネル)に、操作に必要なシェルや基本コマンドなどをまとめた「すぐに使えるパッケージ」のことです。WSL2そのものがLinuxというわけではなく、 WSL2という仕組みの上でUbuntuなどのLinuxディストリビューションを動かしている 、というのが正確な仕組みになります。 例えるなら、Linuxは車の「エンジン」で、Linuxディストリビューションは、ハンドルやタイヤ、カーナビなどを取り付けた、誰でも車として使用できるようにした「完成車」と考えました。ここで「完成車」にあたるものがUbuntuなどのLinuxディストリビューションになります。 「Windowsを使っているんだから、そのままWindows上でDockerを使えばいいんじゃないの?」 「Macの人は、MacのままDockerを使えばいいやん」 初めてDockerを触るとき、そんな疑問が頭に浮かんだ方も多いのではないでしょうか。少なくとも私はそう思いました。「なぜ皆わざわざこんなややこしいことをするんだろう?」と思ってしまいますよね。 ですが、これには明確な理由があります。 なぜWSL2のLinux環境でDocker Engineを使うのか DockerコンテナはLinuxカーネルの機能を利用して動作します。 Docker DesktopはWSL2をバックエンドとして利用でき、WSL統合を有効にすると、UbuntuのターミナルからDockerを操作できます。 今回は、テキストファイルの作成やHTTPリクエストの送信に加えて、 docker pull や docker run もUbuntuから実行します。 UbuntuのDockerコマンドはDocker Desktopが管理するDocker Engineに指示を送り、VOICEVOX ENGINEのコンテナを起動します。 Ubuntu内にDocker Engineを別途インストールする構成ではありません。 「Docker Engine」の役割 Docker Engineとは、一言でいうと「Dockerイメージからコンテナを作り、起動・停止・管理までをすべて面倒見てくれる実行基盤」のことです。 私たちがターミナルで入力する docker コマンドは、あくまで「窓口」で指示を出しているのであって、その指示を受けて 裏側で実際にコンテナを動かしてくれているのがDocker Engine になります! 今回の検証では、Docker Engine自体を `docker run` で起動してはいなく、Ubuntuで実行した `docker run` がDocker Engineへ指示を送り、VOICEVOX ENGINEコンテナを起動したことになります。 実行環境についてはざっとこんな感じです。 ここで、説明したVOICEVOX・Docker・WSL2はこれ以降の部分で使用する技術になります。 そのため、DockerとWSL2に関しては以下に載せてある記事などを参考に設定を行ってください。他記事を参考にしても構いません。 Docker Desktopをインストール WSL2をインストール Docker Desktopのインストールがうまくいっていれば、デスクトップ上にDocker Desktopのアイコン(クジラみたいなやつ)が現れていると思います。 また、「WSL2をインストール」がうまくいっていれば、WindowsからLinuxファイルにアクセスできるようになります。具体的には、エクスプローラのサイドバーに「Linux」と出ていれば完了です。 ここまでが完了しましたら、いよいよVOICEVOX ENGINEを起動していきます。 引き続き頑張りましょう! 5. VOICEVOX ENGINEの起動 それでは、いよいよ実際にDockerを使ってVOICEVOX ENGINEを起動していきましょう! Dockerコンテナは、VOICEVOX ENGINEと実行に必要なファイルを独立した環境で動かしてくれる仕組みでしたね。 参考資料: VOICEVOXユーザーガイド 5.1 Docker Desktopの起動とUbuntuの準備 コマンドを実行する前に、まずは下準備として、Windowsの場合、 Docker Desktop(Docker Engine)がしっかり起動していることを確認 し、Ubuntuのターミナルを開きます! まずは、CPUで動作する最新版のVOICEVOXのイメージ(設計図・音源データ)をダウンロードして手元に持ってきます。以下のプロンプトを開いているUbuntuで実行してみてください。 docker pull voicevox/voicevox_engine:cpu-latest 5.2 イメージからコンテナを組み立てる 次に、ダウンロードしたイメージからコンテナを組み立てて起動します! このとき、自分のパソコン(ホスト)からアクセスできるように、ポートの窓口を設定しておきます。 docker run --rm -p 127.0.0.1:50021:50021 voicevox/voicevox_engine:cpu-latest コマンドを実行すると、ターミナル上にENGINEの実行ログ(動作メッセージ)がずらりと表示されます。 このターミナルを閉じるとENGINEが止まってしまう ので、そのまま開いたままにしておき、別のターミナルを立ち上げて次のAPI呼び出し(音声生成)に進みます! 次にUbuntuを起動し、UbuntuのターミナルからAPIが応答することを確認します。 以降のテキストファイル作成や`curl`コマンドも、このUbuntuターミナルで実行します! まずは、Ubuntuを立ち上げ、以下のコマンドを実行してください。 curl --fail --silent --show-error http://127.0.0.1:50021/version ここまでの確認で、DockerイメージからVOICEVOX ENGINEのコンテナが起動し、ENGINEが動作していること、さらにUbuntuからポート経由でAPIに接続して応答を受け取れることが分かりました。 いよいよ、テキストを渡してWAVファイルを生成するAPI呼び出しに進みます。 6. 音声合成の流れ いよいよこの作業が今回の本番です! VOICEVOX ENGINEを使って、テキストから音声データを生成していきます。 実は、VOICEVOX ENGINEのHTTP APIでは、 テキストをいきなり一発で音声データ(.wav)に変換するわけではありません。 それでは、どうするのか? 2段階の作業を行いテキストから音声データを作成します。 POST /audio_query :入力テキストを読みやアクセントなどの音声合成パラメータを含むJSONファイルへと変換する。 POST /synthesis :そのJSONファイルをもとに、実際の「音声ファイル(.wav)」を生成する 【テキスト(喋らせたい文章)】 │ ▼ 1. POST /audio_query (テキストからJSONファイル生成) │ ⇒ 読み、アクセント、イントネーションが入った「クエリJSON」ができる! ▼ 2. POST /synthesis (JSONファイルからwav生成) │ ⇒ クエリJSONをもとにVOICEVOXが声を組み立てる! ▼ 【完成したWAV音声ファイル】 IT初心者による用語解説4 そもそもHTTPって何? ここで、まだ触れられていなかったHTTPについて触れておきます。 HTTP(HyperText Transfer Protocol)とは、一言でいうと「Webの世界でデータを送受信するための共通のルール(通信の手紙のフォーマット)」のことです。 例えるなら「決まった書き方がある『お手紙』のルール」です! 人間も英語がわからない人が英語の手紙をもらっても読めないですよね? パソコン同士(あなたのPCとVOICEVOX)も同じで、お互いに通じる共通の言葉やフォーマットが必要になります。 そこで、「こういう形式でお手紙を書いたら、お互いに正しく意味を理解しようね!」とあらかじめ決められている世界共通のルールが HTTP です。 私たちが書く「HTTPリクエスト(お願いのお手紙)」には、いつもこんな内容が書かれています。 宛先(URL): 「どこに送る?」 ➔ 127.0.0.1:50021 (VOICEVOXの部屋) お願いの種類(HTTPメソッド): 「どうしてほしい?」 ➔ POST (このデータを処理して!) 手紙の本文(データ): 「何を渡す?」 ➔ 「『こんにちは』というテキスト」 私たちが普段ブラウザでサイトを見るときに使っている仕組み( http://~ )と、まったく同じお手紙のルールを使ってVOICEVOXにお願いしていたんだ! と分かると、急に身近なものに感じられました! HTTPは、Webの世界でのやり取りを正確に行うためのルールとわかったと思います。 HTTPについてわかった後に疑問に思ったことは、「HTTPでのやり取りではどんなことをお願いできるんだろう?」でした。 代表的なHTTPメソッド(お願いの種類) HTTPには、データの取得によく使う GET や、データの送信・処理の依頼に使う POST など、複数のメソッドがあります。 PUT や PATCH は更新、 DELETE は削除に使われることが多く、これらはCRUD操作を実装する際にも利用されます。 メソッド 何ができるか 意味 例 GET データの取得 サーバーから情報を取得する 顧客の登録情報を取得する。 POST データの作成・提出 サーバーに新しいデータを送り、処理や作成を行わせる。 新規の顧客データを送信して登録する。 PUT データの置き換え・更新 既存のデータを、新しいデータで 丸ごと置き換える 登録情報(名前・住所・電話番号など)を新しい内容で「全部最新に書き直して更新する」。 PATCH データの一部修正 既存のデータの一部だけを ピンポイントで修正する 。 登録情報のうち「引っ越したから住所の欄だけ変更する」。 DELETE データの削除 サーバー上の指定したデータを 削除する 。 不要になった会員アカウントや投稿データを「ゴミ箱に入れて削除する」。 6.1 入力テキストを用意する まずは、喋らせたい文章をファイルに保存して用意します。 echo -n 'よくできました。' > text.txt 「’(シングルクオーテーション)」で囲まれている文章(よくできました。)の部分を他の文章にしていただければ、他の文章もしゃべらせることが可能です。 IT初心者の気づき5 echo -n を使うと、文章の末尾に余計な改行コードが入らないようになります!VOICEVOX ENGINEの公式ガイドでも推奨されている書き方です。 echo -n を使う理由は、主に2つです。 音声の最後に「謎の無音(沈黙)」が生まれるのを防ぐ クエリ解析の誤作動を防ぐ 6.2 音声合成用のクエリJSONを作成する 用意したテキストをもとに、 /audio_query という窓口(エンドポイント)へリクエストを送ります。 curl --fail --silent --show-error \ --request POST \ --get \ --data-urlencode text@text.txt \ 'http://127.0.0.1:50021/audio_query?speaker=1' \ --output query.json このコマンドを実行すると、テキストが解析されて query.json というファイルが生成されます。 中身を見てみると、言葉のアクセントやイントネーション、音の長さ(音素長)やピッチなど、「声を組み立てるための細かな指示書」がぎっしり詰まっていることが確認できます! IT初心者の気づき6 --fail --silent --show-error :安全・エラー表示用オプション --fail : サーバー側でエラー(500エラーなど)が起きた際、何も出力せずに失敗として扱います。 --silent (または -s ): 通信中の進捗メーター(プログレスバー)を非表示にして画面をすっきりさせます。 --show-error (または -S ): --silent にしていても、 通信エラーが発生した時だけはエラー内容を画面に表示 してくれます。 --request POST (または -X POST ) :「処理を行ってください」と提出・依頼する通信形式(POSTメソッド)を指定しています。 --data-urlencode text@text.txt : text.txt ファイルの中身を読み込み、URLで使える安全な文字形式(URLエンコード)に変換して text= パラメータとして送信します。 6.3 WAVファイルを生成する いよいよ、作成した query.json を /synthesis の窓口に渡して、音声ファイルを生成してもらいます。 curl --fail --silent --show-error \ --header 'Content-Type: application/json' \ --request POST \ --data-binary @query.json \ 'http://127.0.0.1:50021/synthesis?speaker=1' \ --output audio.wav 無事に audio.wav が出力されたら成功です! PCのメディアプレイヤーで再生してみると用意したテキストの文章を綺麗に読み上げられました! 自分のコマンド操作で声が生まれた瞬間は、かなりの感動です! IT初心者の気づき7 --header 'Content-Type: application/json' ( または -H ) :サーバー(VOICEVOX)に対して「これから送信するデータは JSON形式 です」と宣言するヘッダー情報です。 --data-binary @query.json :作成した楽譜ファイル( query.json )の中身を、改行などを崩さずそのままデータとして送信するオプションです。 '[http://127.0.0.1:50021/audio_query?speaker=1](http://127.0.0.1:50021/audio_query?speaker=1)' 宛先URL: VOICEVOX ENGINE の音声録音窓口( /synthesis )です。 speaker=1 : 喋らせたいキャラクター(話者ID)を指定します。 wavファイルができましたね! 用意した文章を喋らせましたが、ただ喋らせるだけでは面白くないですよね? 次は、喋らせるキャラクターや喋るスピードなどを変化させて、いろいろなwavファイルを作成していきましょう! 7. パラメータを変化させていろいろなwavファイルを作成しよう! /audio_query の返り値である query.json には、声の出し方をコントロールするさまざまな数値が入っています。 料理でいう「調味料の調整」のように、このファイルの数値を書き換えてから /synthesis (録音)へ渡すことで、同じ文章でも自由自在に声をアレンジできます! # 1. 文章からクエリJSONを作成(コマンド1) curl --fail --silent --show-error \ --request POST \ --get \ --data-urlencode text@text.txt \ 'http://127.0.0.1:50021/audio_query?speaker=1' \ --output query.json # 2. クエリJSONをもとにWAVファイルを生成(コマンド2) curl --fail --silent --show-error \ --header 'Content-Type: application/json' \ --request POST \ --data-binary @query.json \ 'http://127.0.0.1:50021/synthesis?speaker=1' \ --output audio.wav この2つのコマンドに書いてあるパラメータを変更したり、このコマンドの前にあるコマンドを付け足すことで、用意したテキストがどのように読み上げられるかを確認していきましょう。まずは、どんなパラメータがあるかについてです。 パラメータ名 役割 変更内容 speaker 話者・スタイルの指定 IDで話者(キャラクター)が変更される。 speedScale 話すスピード(話速) 値の大小で話す速度が変更される。 大:早口 / 小:ゆっくり pitchScale 音の高さ(ピッチ) 値の大小で音の高さが変更される。 大:高音 / 小:低音 intonationScale 抑揚(声のメリハリ) 値の大小で抑揚のつけ方が変更される。 大:感情豊か / 小:無機質 volumeScale 音量の倍率 声の大きさを調整する。 outputSamplingRate / outputStereo 音質・チャンネル設定 再生環境に合わせてサンプリングレートやステレオ/モノラルを切り替えます。 このようなパラメータがあって、値を変えれば話す速度や抑揚などを変えられることがわかりましたね! では、実際にパラメータ値を変更して様々な音声ファイルを作成していきましょう! 実際に作成したさまざまなWAVファイル ここからは、実際に公式ガイドやコマンドを活用して作成した音声ファイルを紹介します。 ※コマンドは、Dockerコンテナを起動した状態で、作業ディレクトリ( text.txt がある場所)から実行します。 7.1 通常の音声合成(基本の録音) # 1. 文章からクエリJSONを作成(コマンド1) curl --fail --silent --show-error \ --request POST \ --get \ --data-urlencode text@text.txt \ 'http://127.0.0.1:50021/audio_query?speaker=1' \ --output query.json # 2. クエリJSONをもとにWAVファイルを生成(コマンド2) curl --fail --silent --show-error \ --header 'Content-Type: application/json' \ --request POST \ --data-binary @query.json \ 'http://127.0.0.1:50021/synthesis?speaker=1' \ --output audio.wav まずは、話す速度を変更してみましょう! 7.2 話速を変更した音声(早口・ゆっくり) JSON加工コマンド jq を使って、 query.json 内の speedScale を 1.5 (1.5倍速)に書き換えてから音声化してみます。 # 話速を1.5にしたクエリJSONを作成 jq '.speedScale = 1.5' query.json > query_fast.json # 変更したクエリJSONからWAVを生成 curl --fail --silent --show-error \ --header 'Content-Type: application/json' \ --request POST \ --data-binary @query_fast.json \ 'http://127.0.0.1:50021/synthesis?speaker=1' \ --output audio_fast.wav これを実行し作成されたaudio_fast.wavが、元の音声ファイルよりも早口になっていれば成功です。 音声生成コマンドのあとに、確認手順を載せておきます。 # 話速の設定値を確認(1.5と表示されればOK) jq '.speedScale' query_fast.json # WAVファイルの存在とサイズを確認 ls -lh audio_fast.wav IT初心者の気づき8 jq :JSONデータの構造を保ったまま、特定の値を読み取ったり書き換えたりする専用コマンドです。 '.speedScale = 1.5' : query.json の中にある speedScale (話速)の項目を指定し、値を 1.5 に書き換える指示です。 話速が変更できたら、次は、読み方やアクセントの位置をこちらで指示してみましょう! 7.3 読み方・アクセントを変更した音声(こだわり編集) VOICEVOXエンジンにお任せした読み方やアクセントではなく、私たち人間の手で細かく指示することも可能です。 今回は「筋肉は裏切らない」という文章を、音声合成用の特殊な読み記法(AquesTalk風記法)で指定してみました。 以下のコマンドを実行してみてください。 # 1. 音声にする文章を保存 echo -n '筋肉は裏切らない' > text.txt # 2. 文章からクエリJSONを作成 curl --fail --silent --show-error \ --request POST \ --get \ --data-urlencode text@text.txt \ 'http://127.0.0.1:50021/audio_query?speaker=1' \ --output query.json # 3. 発音・アクセントを指定したテキストを作成 echo -n "キンニ'クワ/ウラギラナ'イ" > kana.txt # 4. 指定した読み方からアクセント句データを取得 curl --fail --silent --show-error \ --request POST \ --get \ --data-urlencode text@kana.txt \ 'http://127.0.0.1:50021/accent_phrases?speaker=1&is_kana=true' \ --output newphrases.json # 5. クエリJSONのアクセント句を差し替え jq --slurpfile phrases newphrases.json \ '.accent_phrases = $phrases[0]' \ query.json > newquery.json # 6. WAVファイルを生成 curl --fail --silent --show-error \ --header 'Content-Type: application/json' \ --request POST \ --data-binary @newquery.json \ 'http://127.0.0.1:50021/synthesis?speaker=1' \ --output audio_fixed.wav IT初心者の気づき9 --get --data-urlencode text@kana.txt ( curl のオプション): kana.txt の中身をURLで安全に送れる形式に変換して送信します。 jq --slurpfile phrases newphrases.json (JSON加工コマンド):ステップ4で作った新しいアクセントデータ( newphrases.json )を phrases という名前で読み込み、 query.json 内の .accent_phrases に丸ごと上書き差し替えしています。 筋肉が裏切らないことがわかりましたね。 次は、プリセット機能についてです。 7.4 プリセットを使った音声合成(お気に入りセットの呼び出し) プリセット機能とは、よく使う「話者」や「話速・ピッチの設定」をひとまとめにしたものです。 初期状態(初回起動時など)ではプリセットが1つも登録されておらず、一覧を取得しても空っぽ( [] )でエラーになることがあります。 その場合は、まず /add_preset APIで自分好みのプリセットを追加してあげます!以下のコマンドを実行してみてください。 curl --fail --silent --show-error \ --header 'Content-Type: application/json' \ --request POST \ --data '{ "id": 900001, "name": "OSC検証用 四国めたんノーマル", "speaker_uuid": "7ffcb7ce-00ec-4bdc-82cd-45a8889e43ff", "style_id": 2, "speedScale": 1.1, "pitchScale": 0.0, "intonationScale": 1.0, "volumeScale": 1.0, "prePhonemeLength": 0.1, "postPhonemeLength": 0.1, "pauseLengthScale": 1.0 }' \ 'http://127.0.0.1:50021/add_preset' \ --output preset_id.json 次に、登録したIDの取得とその確認を行います。以下のコマンドを実行してみてください。 ```bash # 発行されたプリセットIDを変数に保存 preset_id=$(jq -r . preset_id.json) # プリセット一覧を取得 curl --fail --silent --show-error 'http://127.0.0.1:50021/presets' --output presets.json # 一覧から該当プリセットの style_id(話者スタイル)を取り出す style_id=$(jq -r --argjson id "$preset_id" '.[] | select(.id == $id) | .style_id' presets.json) ``` 取り出したプリセットID(`preset_id`)と話者スタイル(`style_id`)を使って、実際に音声を合成してみましょう! プリセットの設定を反映したクエリJSONを作るには、`/audio_query_from_preset` という窓口を使います。 ```bash # 1. プリセットの設定をもとにクエリJSONを作成 curl --fail --silent --show-error \ --request POST \ --get \ --data-urlencode text@text.txt \ "http://127.0.0.1:50021/audio_query_from_preset?preset_id=${preset_id}" \ --output query_preset.json # 2. 生成されたクエリJSONをもとにWAVファイルを生成(話者IDには取り出した style_id を指定) curl --fail --silent --show-error \ --header 'Content-Type: application/json' \ --request POST \ --data-binary @query_preset.json \ "http://127.0.0.1:50021/synthesis?speaker=${style_id}" \ --output audio_preset.wav ``` これで、プリセットに登録した「四国めたんノーマル(話速1.1倍)」の設定が反映された `audio_preset.wav` が完成します! 最後に、英単語の読み方変換についてです。 7.5 英単語の読み方を変更した音声 VOICEVOX ENGINEは、テキストの中に voice synthesis や welcome といった英単語が含まれている場合、デフォルトで自動的に自然な日本語カタカナ(「ヴォイス シンセシス」「ウェルカム」)へ読み換えてくれる賢い機能を備えています。 このセクションでは、あえてその自動変換機能をオフ( enable_katakana_english=false )に指定し、英語の綴り(アルファベット)のまま読ませた場合にどう読み方が変わるのかを検証してみます! 以下のコマンドを実行してみてください。 # 1. 英単語が含まれるテキストを作成 echo -n 'こんにちは、voice synthesisのworldへwelcome' > text.txt # 2. カタカナ変換機能をOFF(false)にして楽譜(query.json)を作成 curl --fail --silent --show-error \ --request POST \ --get \ --data-urlencode text@text.txt \ 'http://127.0.0.1:50021/audio_query?speaker=1&enable_katakana_english=false' \ --output disabled_query.json # 3. 生成された楽譜をもとに音声(WAV)を作成 curl --fail --silent --show-error \ --header 'Content-Type: application/json' \ --request POST \ --data-binary @disabled_query.json \ 'http://127.0.0.1:50021/synthesis?speaker=1' \ --output disabled_audio.wav IT初心者の気づき10 enable_katakana_english=false /audio_query のURLパラメータに指定する重要なフラグです。 true (デフォルト) : 英単語を解釈して「ヴォイス」「ワールド」などのカタカナとして発音します。 false (今回の設定) : 英単語の自動カタカナ変換が無効になります。英語らしい発音になるとは限らず、読み方は単語やエンジンのバージョンによって異なる場合があります。生成された音声を再生して確認してみましょう。 --output disabled_query.json :カタカナ変換が無効化された状態のクエリJSONを保存します。 --data-binary @disabled_query.json :保存したクエリJSONをそのまま /synthesis (録音窓口)へ送信し、 disabled_audio.wav として音声を書き出します。 8. ストリーミング合成について 通常の /synthesis は、音声の合成が完了してから音声データを返します。一方、 /streaming_synthesis は、合成した音声データを分割して順次返すAPIです。受け取った側で再生処理を行えば、音声全体の合成完了を待たずに再生を始められます。 ただし、LLMの文章が出力されるそばから、VOICEVOXが自動で読み上げるわけではありません。LLMの文章を順次音声化するには、アプリ側で文章を受け取り、クエリの作成、音声合成、音声データの再生を連携させる必要があります。 今回は、作成済みの query.json を使って、ストリーミング合成の音声データをファイルに保存します。このコマンド自体はリアルタイム再生を行いません。 curl --fail --silent --show-error \ --header 'Content-Type: application/json' \ --request POST \ --data-binary @query.json \ 'http://127.0.0.1:50021/streaming_synthesis?speaker=1&segment_length=0.3' \ --output audio_stream.wav audio_stream.wav が作成されたら、プレーヤーで再生してみましょう。 検証時の注意:エンジンのバージョン 私が検証したときは、VOICEVOX ENGINE v0.25.2では /streaming_synthesis を利用できず、v0.26.0-devに切り替えると利用できました。APIの対応状況はバージョンによって異なるため、実行中のENGINEの /version と docs で確認してください。Dockerイメージの cpu-latest は更新されるため、検証時のバージョンも記録しておくと、同じ条件を再現しやすくなります。 9.まとめ 今回の検証では、DockerでVOICEVOX ENGINEを起動し、HTTP APIを使ってテキストからWAV形式の音声ファイルを生成するまでの一連の流れに挑戦しました! 実際に手を動かしてみて得られた大きな学びは、次の3点です。 1. 音声合成は「2段階の処理」になっている テキストからいきなり音声ができるのではなく、「① /audio_query でクエリJSONを作る」「② /synthesis でそのクエリJSONをもとにWAV音声を録音する」という2ステップの仕組みが理解できました。 2. プログラムから声を自由自在にカスタマイズできる 楽譜(JSONデータ)の数値を書き換えるだけで、話者・話すスピード・声の高さ・抑揚・発音(アクセント)まで、細かく声の表情をコントロールできる面白さを実感しました! VOICEVOXはHTTPサーバーとして動くため、今後は「ローカルLLMやAzure OpenAIが生成した返答を、リアルタイムでVOICEVOXに読み上げてもらうパイプライン」へ発展させることもできそうです! 3. エンジンの「バージョン確認」と「段階的な検証」が大事 ストリーミング合成などの最新機能は、ENGINEのバージョンによって未対応な場合があります。 いきなり応用的な機能を試すのではなく、「まずは基本の /synthesis で声が出ることを確認し、そこから必要な機能を追加していく」のが、エラーにハマらないための安全な進め方だと学びました! 10. 参考文献 参考 TTS】VOICEVOX + Docker + WSL2 で合成音声を出力してみる 参考 コンテナとは? | Docker Docker 参考 GitHub – VOICEVOX/voicevox_engine: 無料で使える中品質なテキスト読み上げソフトウェア、VOICEVOXの音声合成エンジン GitHub 参考 VOICEVOX | 無料のテキスト読み上げ・歌声合成ソフトウェア ご覧いただきありがとうございます! この投稿はお役に立ちましたか? 役に立った 役に立たなかった 0人がこの投稿は役に立ったと言っています。 The post 【WSL2】IT初心者でもできた!Docker DesktopでVOICEVOXコンテナを起動し、API経由でwavを取得するまで first appeared on SIOS Tech Lab .
【開催報告】AWSデータ活用ワークショップ〜パートナー共創型・地域金融機関合同〜 1. はじめに データは現代企業にとって重要な経営資源の一つとなっていますが、多くの企業がデータ活用において様々な課題に直面しているのが実情です。地域金融機関においても例外ではなく、そうしたお客様の課題解決をご支援すべく、この度AWSでは「お客様課題に寄り添い、意思決定に繋がるデータ分析・可視化実現に向けたプロトタイプ作成支援」をコンセプトにデータ活用ワークショップを開催しました。企画にあたっては「地域金融機関のお客様は互いの情報共有やコミュニティ形成に対し積極的であること」、また「システム開発を完全内製で完結させている例は稀であり、内製開発を進める上でもパートナー企業による伴走形式で進める事例が成功例として散見されること」から「地域金融機関合同」かつ「パートナー共創型」という形式で開催することといたしました。同ワークショップには、地域金融機関として多摩信用金庫様、西日本シティ銀行様、肥後銀行様(五十音順)の3機関に、パートナー企業として、クラスメソッド様、サーバーワークス様、日本システム技術様(五十音順)の3社に参加いただきました。本記事では、3ヶ月間にわたって開催された同ワークショップの内容と成果についてご紹介します。 2. ワークショップのポイント 本ワークショップは、単なる技術導入ではなく、組織全体でのデータ文化醸成を重視しています。まず重要なのは、ユーザー中心設計の考え方です。Amazonが新サービス開発で実践している「Working Backwards」の考え方を活用し、「誰が」「何のために」「どのように」ダッシュボードを使うかを徹底的に議論します。これにより、作って終わりではない「使われる」ダッシュボードを実現します。また、部門横断での取り組みも欠かせません。IT部門だけでなく事業部門の積極的関与を必須とし、さらにエグゼクティブスポンサーの参画により、組織全体でのデータドリブン文化を推進します。 そして段階的なアプローチも重要です。まずはAmazon Quick Sight(旧 Amazon QuickSight)でダッシュボードを作成するという、取り組みやすいところからスモールスタートし価値を確かめながら高度化を進めることを推奨しています。 また前述の通りパートナー共創型という点も当ワークショップの特長のひとつです。意思決定につながるBIダッシュボード作成は段階的アプローチの大事な一歩目ですが、データ活用高度化のためには、それを段階的に発展させ、継続的に運用していくための仕組みづくりが欠かせません。例えば、企業内でさまざまなところに散らばっている情報源からデータを集約し、利用者が使いやすいよう事前に加工集計したうえで蓄積しておく自動化の仕組み(=ETLパイプライン)構築などが代表的な取り組みです。そうした取り組みを進めていく上で単独企業の内製だけでは、体力面、スキル面で不足する可能性があります。本ワークショップではデータ活用課題洗い出しの場からお客様、パートナー企業、AWSの3者が共創的に活動することで、ワークショップ終了後も、同じ目線に立って、挫折することのないよう適宜お互い支援しながら、データ活用高度化の歩みを進めていくことを目指します。 3. ワークショップの流れ データ活用ワークショップは、約3ヶ月をかけてDay1からDay4まで実施します。 Day1では課題の洗い出しと共有を行います。参加メンバーが一堂に会し、現状分析とディスカッションを通じて、データ活用における「やってきたこと」「うまくいったこと」「うまくいかなかったこと」を整理します。このプロセスにより、事業部門とIT部門など関係者間での相互理解が深まり、自社のデータ活用レベル感と課題が明確になります。 Day2ではダッシュボードイメージの作成に取り組みます。Amazon流のWorking Backwardsメソッドを活用した課題整理から始まり、ペルソナ設定とユーザー中心設計を経て、具体的なダッシュボードイメージを作成します。同時に、実現に向けた技術アーキテクチャも検討します。 なお、今回のワークショップは地域金融機関様向けの合同開催企画ということで、都内のAWSオフィスへの来訪を何度も調整することが難しい背景もあり、通常のデータ活用ワークショップを少しアレンジし、Day1、Day2を2日連続で開催する形式を採用しました。 Day3は中間報告と改善のフェーズです。開発したダッシュボードの中間発表を行い、事業部門や専門家からのフィードバックを収集します。パートナー企業による技術支援を受けながら、最終成果物に向けた改善を実施します。 Day4は最終成果発表となります。完成したダッシュボードの成果発表を行い、今後の展開計画を共有します。また、他参加企業との学び合いの場も設けられ、互いの取り組みから新たな気づきを得ることができます。 4. 各参加企業におけるワークショップ実施の様子 ※順不同 4-1. 西日本シティ銀行様(パートナー企業:サーバーワークス様) 背景/課題 西日本シティ銀行様では、デジタル戦略部から5名(イノベーション企画グループ AI推進チーム、マーケティンググループ)、営業企画部から1名(データマーケティングチーム)の計6名が参加されました。参加メンバーのAWS経験レベルは様々で、システム構築経験のあるメンバーからAWS初学者まで幅広い構成となっていました。参加されたメンバーは皆それぞれデータ利活用について課題意識をお持ちで、多くの課題が洗い出され、整理・集約の結果以下4点を代表的な課題として抽出しました。 ①分析や可視化自体が目的化した、ネクストアクションにつながらないダッシュボードが散見されること ②ダッシュボードなどの分析アウトプットが十分に共有されておらず、知る人ぞ知る属人化したものとなっていること ③既存の分析ツールがローカル端末で動作する一方、端末リソースが不十分であるため分析者体験が悪化していること ④境界型セキュリティがベースの銀行ITインフラ固有の課題として、分析のためのデータ持ち込み/持ち出しの運用負担が大きいこと 取り上げたテーマ 西日本シティ銀行様は、ホームページにおける情報提供方法についてビジネス上の課題を抱えておりました。具体的にはホームページ上での情報提供だけではお客様の疑問解消に至らず、その結果コールセンターへの電話問い合わせに発展する件数が多く、お客様体験としても銀行の事務負担としても課題の大きい状況でした。そこでデジタル戦略部を中心に、ホームページ用のQ&A チャットボットの内製開発にチャレンジされていました。開発したチャットボットは先行して銀行内のお客様サポート部署にて試行利用が開始されており、そのフィードバック結果を分析しチャットボットを改善したうえで一般開放する計画でした。そのため既存のツールにてフィードバック分析用ダッシュボードを用意していましたが、データ利活用の文脈においてまさに前述の4つの課題に直面されていました。そこで本ワークショップでは、タイムリーに課題に直面していたこちらのダッシュボード改善を題材として取り上げることとしました。 ワークショップの様子 西日本シティ銀行様では実業務でデータを取り扱っている複数の事業部門のチームに参加いただいており、具体的に抱えている課題も複数ありましたが、西日本シティ銀行様内での活発な議論や、支援パートナーであるサーバーワークス様のファシリテーションの結果、各メンバー共通の課題を抽出したうえで、Day2以降深掘りするテーマとして上述のチャットボットフィードバック分析ダッシュボードを取り上げることで合意形成することができました。 ワークショップ実施結果 西日本シティ銀行様ではワークショップを通じ、上図のようなダッシュボード(サンプルイメージ)を構築することに成功し、既にいくつかの成果を得ることができています。 一つ目が運用負担の改善です。従来1回あたり30分以上かかっていた手作業を完全に自動化し、ワークショップ終了時点では朝・昼・夕の3回、自動でデータ更新を実行する仕組みまでを構築しました。さらにワークショップ後の改善活動により、リアルタイム参照方式への切り替えまで進められ、運用負担の大幅な削減と、常に最新データを参照できる環境を実現しました。 二つ目がアクションにつながるダッシュボードの観点です。もともとチャットボットシステムの運用主体であるワークショップの参加メンバーみずからが利用するダッシュボードづくりをテーマに進めておりましたが、ペルソナを意識した分析テーマの検討のなかでは、ホームページを管理する主幹部門などもペルソナとして取り上げられ、ホームページの拡充や情報発信の工夫を促すようなアクションにつながるダッシュボード作成にも取り組むことができました。 三つ目がデータ活用文化の醸成です。当ワークショップにはそれまでAWSの利用経験がなかったメンバーも参加されていましたが、ワークショップ参加を通じて得た知見をベースに、既に別業務のなかでのアンケート結果分析などにAmazon Quick Sightを用いた可視化を実践されており、このワークショップの効果が単一ダッシュボードに閉じないデータ活用文化の醸成に寄与していることの一端も見え始めています。 なお、前述のホームページQ&Aチャットボットは本ワークショップで構築したダッシュボードを活用しながら改善フィードバックサイクルを回した結果、11月5日に本番サービスインを果たしています。 参加メンバー/スポンサーからの声 参加メンバーからは「これまで他社製BIツールを使ったダッシュボードはあったものの、運用負荷やリアルタイム性に課題があった。今回のワークショップを通じ、AWSのサービスを活用した自動化を進めることができ、手間なくすぐにデータへアクセスできるダッシュボードを実現できた。」「ワークショップの『お客様を起点に考える』というWorking Backwardsの考え方にとても共感した。これまでは『何ができるか』から考えがちだったが、『誰が何のために使うか』を徹底的に議論することで、本当に使われるダッシュボードになったと実感している。」「AWS初心者だったが、パートナー企業であるサーバーワークス様の手厚いサポートにより、短期間でQuickSightを使いこなせるようになった。今後は行内データの環境整備や他のSaaSデータとの連携も進めて、より横断的な分析を実現したい。」「データ活用の状況を他社と共有でき、大変ためになった。これからが始まりだと思う。継続したアップデートと改善により、当社が抱えている課題を解消できるよう取り組んでいく」などのコメントをいただきました。またプロジェクト責任者からは、「参加者がみな前向きに取り組むことができ、素晴らしいワークショップであった。データ民主化はどんどんアクセル踏んでやっていく必要があるため、費用面以外も含め課題があるのであれば是非現場から声をあげて欲しい。本気で進めていきたいと思っている。」とのフィードバックをいただきました。 4-2. 肥後銀行様(パートナー企業:日本システム技術様) 背景/課題 肥後銀行様では、デジタルソリューション部から2名、マーケティング部から2名の計4名が参加されました。参加メンバーのAWS経験レベルは初学者が中心で、デジタルソリューション部のメンバーが開発経験を持つという構成でした。 Day1、Day2でのアイデア出しでは、「ローン商品の推進におけるデータ活用」を観点として設定し、営業推進担当者、マーケティング部門、推進担当者、係数管理担当者など複数のペルソナを特定しながら課題を洗い出しました。その結果、以下のような課題が抽出されました。 ペルソナ(利用者)からは、①データ取得が個人のスキルに依存しExcel作業に時間がかかること、②ファイル破損の問題、③同じデータを各部で重複取得していることが挙げられました。またマーケティング部からは、④経営層への提言資料がExcelベースで視覚化できていないこと、⑤情報系統合データベースからデータ取得・加工に多くの時間を要すること、⑥分析結果の妥当性が不明瞭であることが明らかになりました。 取り上げたテーマ マーケティング部では、カードローン商品の推進において、効果的な営業戦略の立案や経営層への施策提言を行う必要がありました。しかし、各種データベースから手動でデータを抽出・加工する一連の流れにおいて、データ抽出と加工編集に時間がかかり、分析結果の妥当性も不明確という問題に直面されていました。 そこで本ワークショップでは、「カードローンの現状を一目でわかるように可視化する」ことをテーマとして設定しました。具体的には、ペルソナでもあるマーケティング部のメンバーが、年齢別契約者割合、時間帯別契約件数、地域別残高分布、受付チャネル別契約状況といった切り口から現状を把握し、「どの顧客層にアプローチすべきか」「どのチャネルを強化すべきか」「どの地域に営業リソースを配分すべきか」といったビジネス的なインサイトを得ることを目指しました。 これはスモールスタートとして取り組みやすく、将来的には得られたインサイトをもとに、ターゲット顧客層の絞り込み、デジタルチャネルの強化、地域別営業戦略の最適化など、具体的な施策立案と実行につなげていくことを見据えた第一歩として位置づけられました。 ワークショップの様子 肥後銀行様では、日本システム技術様の支援により、Working Backwardsの手法を用いてペルソナ起点での課題整理を実施しました。本ワークショップの特徴は、デジタルソリューション部とマーケティング部の部門横断での参加により、技術的な実現可能性と現場の実務課題の両面から議論が深まったことです。 特にマーケティング部のメンバーからは、日々の業務で直面している課題について具体的な声が多く挙がりました。「データ抽出のたびに複雑な条件指定が必要で、担当者によってやり方が異なる」「Excelファイルが重くなりすぎて開けなくなることがある」「同じデータを複数の部署で別々に取得しており、結果が微妙に異なることもある」といった現場ならではの具体的な課題が共有されました。また、「経営層への報告資料を作る際、数字の羅列だけでは伝わりにくく、もっと視覚的に訴求力のある資料にしたい」という積極的な改善アイデアも出されました。 こうした現場の声を受けて、デジタルソリューション部のメンバーと日本システム技術様が技術的な解決策を検討し、従来の情報系統合データベース→手動抽出→Excel加工という流れから、情報系統合データベースからAmazon S3にデータを格納しAmazon Quick Sightのダッシュボードで参照する仕組みへと転換する方向性で合意形成しました。現場のペルソナが抱える課題を起点に、実現可能な技術アーキテクチャを段階的に検討できたことが、本ワークショップの大きな成果の一つとなりました。 ワークショップ実施結果 肥後銀行様ではワークショップを通じ、カードローンの現状を可視化するダッシュボードを構築し、いくつかの成果を得ることができています。 一つ目が業務効率化とデータアクセス性の向上です。従来の情報系統合データベース手動抽出→Excel加工という手順を、Amazon S3とAmazon Quick Sightを活用する流れに置き換えることで、データ抽出・加工編集の時間削減と担当者依存の課題を軽減しました。 二つ目が視覚化による意思決定の質向上です。Excelベースの資料から視覚的にわかりやすいダッシュボードへ転換し、年齢別契約者割合、時間帯別契約件数、地域別月末残高の地図表示、受付チャネル別契約割合などを可視化することで、一目で現状を把握できる環境を実現しました。 三つ目が将来的な施策検討への基盤構築です。商品別のシート分割構造を採用することで、カードローンで作成したダッシュボードを預かり資産、住宅ローン、基盤商品など他商品へ横展開できる設計としました。今後は情報系統合データベース→S3へのバッチ処理(日次)やダッシュボード更新の自動化を計画されています。 参加メンバー/スポンサーからの声 参加メンバーからは「QuickSightを活用したデータ分析は初めての経験でしたが、AWS様ならびに日本システム技術様のご支援のおかげでダッシュボードを完成させることができました。当行ではまだアナログな分析業務が多く残っておりますので、若い世代で新たな業務標準を作れるよう頑張りたいと思います。」「約3カ月間大変お世話になりました。新部署でも学んだことを生かしていきたいと思います。」「完成して終わりではなく、継続的に改善していく過程が参考になりました。」などのコメントをいただきました。 また、デジタルソリューション部からは「自行含めて分析のレベルが高いと感じた。一方でデータをAWS上で利用することのハードルを各行持っており、セキュリティをどうやって保持して進めていくかが課題と思いデジタルソリューション部として考えていくべきと思った。」とのフィードバックをいただき、プロジェクト責任者(部長)からは、データ管理の手法について関心を示され、今後の展開に期待を寄せていただきました。 4-3. 多摩信用金庫様(パートナー企業:クラスメソッド様) 背景/課題 多摩信用金庫様では、経営戦略室、価値創造事業部、システム統括部、事務統括部から計9名が参加されました。参加メンバーのAWS経験レベルは様々で、営業店から異動したばかりの若手職員から、ITスキルやノウハウを持つメンバーまで幅広い構成となっていました。 多摩信用金庫様は、東京都の多摩地域という広大なエリアで多数の個人顧客を抱えている一方、生活様式の変容などを背景に、強みである店舗や渉外活動による対面接点のみで数多くの顧客と繋がることに課題を感じておりました。そこで、昨年度に非対面チャネル組織「コンタクトベース」を立ち上げ、MAツールを導入して非対面でのアプローチを開始されました。 しかし、新たな課題に直面されます。MAツールはインターネット側システムに配置されている一方、顧客情報や実績データは内部環境に存在するため、データギャップが生じていました。また、実績確認や報告のたびに手作業でデータを収集・加工する必要があり、MAツールからのデータ抽出、顧客情報との突合、ローン実行データとの紐付けなど、多くの手作業が発生していました。その結果、本来やるべきPDCAサイクルを回すことができず、データに基づく意思決定が困難な状況でした。 取り上げたテーマ 多摩信用金庫様では、非対面チャネルの活動効果を測定し、改善につなげることが喫緊の課題となっていました。そこで本ワークショップでは、「非対面チャネルでの活動を見える化するダッシュボード」をテーマとして設定しました。 具体的には、非対面チャネル担当者が日々の施策効果を把握し、業績・経営層への報告を効率化することを目指しました。ペルソナとしては、非対面チャネル担当者から業績・経営層までを想定し、活動目的、KPI、コンバージョン状況が一目で確認できる環境の実現を目標としました。これにより、活動の見える化を自動化し、データに基づく意思決定とPDCAサイクルの実現を見据えた第一歩として位置づけられました。 ワークショップの様子 多摩信用金庫様では、クラスメソッド様の支援により、Working Backwardsの手法を用いてペルソナ起点での課題整理を実施しました。初回のブレインストーミングでは、営業店から異動したばかりの若手職員も含め、多様なバックグラウンドを持つメンバーが活発に意見を出し合いました。 特に印象的だったのは、「誰が、何のために、どのような情報を得たいのか」という問いを何度も投げかけられたことです。当初はデータを可視化すること自体に意識が向いてしまいがちでしたが、クラスメソッド様からの「目の前のデータにすぐ飛びつかず、常に目的意識を忘れないように」とのアドバイスにより、非対面チャネルの担当者が日頃の業務で使うデータと、上長への報告に必要なデータでは、求められる粒度や見せ方が異なるという結論に至りました。 ダッシュボード構築フェーズでは、「どのような見せ方なら情報が伝わるのか」という問いに向き合いながら、サンキーダイアグラムやヒートマップなど初めて使うグラフにもチャレンジしました。クラスメソッド様からのレビューを通じて、見栄えを意識しすぎて目的がぼやけていた点を修正し、「見る人が何を読み取るか」「データから何を判断するか」をイメージしながら、重要な情報を過不足なく整理することができました。 ワークショップ実施結果 多摩信用金庫様ではワークショップを通じ、非対面チャネルの活動を可視化するダッシュボードを構築し、いくつかの重要な成果を得ることができています。 一つ目が顧客カバー状況の可視化です。預金口座のアクティブユーザーのうち、対面接点ありの顧客数と、非対面チャネル経由でリアクションがあった顧客数および合計のカバー状況を円グラフで明確に示すことができました。 二つ目が施策効果の定量的把握です。商品別(おまとめローン、フリーローン、マイカーローン、教育ローン)の配信数、メール開封率、ショートメッセージ遷移率、コンバージョン到達数を表形式で整理しました。この分析により、フリーローンへのコンバージョンが多様な商品配信から発生していることや、商品性(資金使途自由)により幅広いニーズに対応できていることが明らかになりました。 三つ目が顧客行動パターンの発見です。24時間ヒートマップにより、配信直後に開封・遷移が集中すること、複数回開封する顧客も存在することが可視化されました。また、コンバージョン時刻分析では早朝、昼、夜にウエイトがあることが判明し、今後の配信タイミング最適化への示唆を得ることができました。 四つ目がチャネル別効果の比較分析です。メールは開封率が高くLP遷移率は低いもののコンバージョン率は高い一方、ショートメッセージは開封確認不可でLP遷移率は高いもののコンバージョン率は相対的に低いという、当初の仮説とは逆の結果が得られ、今後の施策立案に重要な気づきをもたらしました。 今後の展開としては、Amazon S3への自動データ連携の実装、より詳細なセグメント分析(年齢層、地域、受付チャネル等)の追加、他商品への横展開を計画されています。 参加メンバー/スポンサーからの声 参加メンバーからは「ダッシュボードに触れることが初めてであり知識ゼロからのスタートでしたが、基礎的な知識から各ステップのポイントを習得することが出来ました。社内データを活用する時に必要な観点を明確にできました。」「今後金庫でのデータドリブン経営を目指すにあたって、どのような項目、軸でデータを可視化すればネクストアクションに結び付けることができるのかという視点を養うことができました。」などといったコメントをいただきました。 また完成したダッシュボードを見た上席からは「これまでも報告は受けていたが、集計された数字を見ていただけなのでイメージが湧きづらかった。今回発表されたダッシュボードでは直感的に理解でき、プロジェクトが今どのような状況なのかを把握できた。ダッシュボードでリアルタイムなデータを可視化できるのであれば、今回のプロジェクトに限らず、様々な分野で活用していきたい」とのお言葉をいただきました。 5. サマリ 本記事では、地域金融機関3機関とパートナー企業3社にご参加いただいた「AWSデータ活用ワークショップ」の開催内容と成果をご紹介しました。 約3ヶ月にわたるワークショップで、各金融機関様はご自身の業務課題を起点にダッシュボードを構築されました。 西日本シティ銀行様は、ホームページ Q&A チャットボットのフィードバック分析を題材に、手作業で行っていたデータ更新を自動化し、ホームページを管理する部門のアクションにもつながる可視化を実現されました。このダッシュボードを使って改善サイクルを回したチャットボットは、本番サービスインを果たしています。 肥後銀行様は、カードローンの現状を一目で把握できるダッシュボードを構築され、Excel 中心の分析業務から脱却し、他商品へ横展開するための土台を整えられました。 多摩信用金庫様は、非対面チャネルでの活動を可視化し、チャネル別の効果や顧客の行動パターンなど、当初の仮説とは異なる新たな気づきを得て、今後の施策立案に活かそうとされています。 3機関の取り組みに共通していたのは、「何を可視化できるか」ではなく「誰が、何のために使うのか」から考える Working Backwards のアプローチです。IT部門と事業部門がともに議論し、パートナー企業が技術面で伴走し、さらに他の金融機関と課題や成果を共有し合う。こうした合同・共創型の形式が、短期間での成果と、ワークショップ後の自走に向けた意識づくりにつながったと考えています。 一方で、ダッシュボードの構築はデータ活用高度化の第一歩にすぎません。各機関様では、データ連携の自動化や分析対象の拡大など、次のステップに向けた計画が進んでいます。AWS は今後もパートナー企業の皆様とともに、お客様のデータ活用の歩みをご支援してまいります。 最後に、本ワークショップにご参加いただいた多摩信用金庫様、西日本シティ銀行様、肥後銀行様、ならびにご支援いただいたクラスメソッド様、サーバーワークス様、日本システム技術様に、心より御礼申し上げます。 データ活用ワークショップにご関心をお持ちの方は、担当の AWS アカウントチームまでお気軽にお問い合わせください。






















