音声合成キャラクターと会話しながら、タスク・予定・ナレッジ・ファイルまでまとめて管理できる AI アシスタント。
AoiTalk は、設定した音声合成キャラクターを AI アシスタントの「顔と声」として使い、テキストや音声での会話から日常・仕事の情報管理までを一つにつなげる AI ワークスペースです。
単に AI の返答を読み上げるだけではありません。会話履歴やプロジェクトの文脈を持ちながら、タスク管理、予定管理、Docs / Files、ナレッジ検索、Agent、外部ツール実行を同じ環境で扱えます。
操作するWindows PCで AoiTalk-PC-Bridge.exe を起動し、AoiTalkの設定「PC接続」で選択します。サーバーとは別PCのログイン済みEdgeやWindowsアプリを操作できる構成です。exe・初回設定・検証範囲は PC Bridgeガイド を参照してください。
キャラクターごとに音声を設定し、AI の返答をそのキャラクターの声で読み上げられます。音声入力にも対応しているため、テキストチャットだけでなく「キャラクターと話す」使い方ができます。
特に、AoiTalk は VOICEROID2 と Irodori-TTS の両方に対応しています。
- VOICEROID2 — VOICEROID2 のキャラクターを AoiTalk の音声として利用可能
- Irodori-TTS — AoiTalk に統合されたローカル TTS。既定の v4.1 Small に加え、v4.1 Anime / v3 VoiceDesign などをキャラクターごとに選択可能
- その他の TTS — VOICEVOX、AivisSpeech、A.I.VOICE、CeVIO、Nijivoice、Azure TTS、gTTS、MioTTS など
- 音声認識 — Whisper、Parakeet、Google Speech、Gemini 系 ASR など
Irodori-TTS の詳細は Irodori-TTS ガイド を参照してください。
会話と同じワークスペースで、やることや予定を継続的に管理できます。
- タスクの作成・更新・完了管理
- 予定・繰り返し・通知
- 作業時間の記録
- レポートや進捗確認
- 会話やプロジェクト文脈と組み合わせた管理
チャットだけで情報を使い捨てず、Docs、Files、プロジェクト情報などを蓄積し、必要なときに AI から参照できます。
- Docs / project information
- Files の管理・参照
- Office ファイル・PDF の読み取り
- ClipIngest による情報取り込み
- Qdrant を使ったナレッジ検索
- 会話履歴の検索
AoiTalk は一つのチャット画面だけで完結する構成ではなく、Agent や外部サービスと組み合わせて作業を進められます。
- Agent Team / specialist 実行
- Heartbeat / scheduled execution
- MCP
- Web 検索
- Google Calendar
- Discord Bot
- Spotify
- その他の外部ツール連携
利用できる provider / model / tool は設定と実装によって変わります。実際の設定画面、catalog、src/config_defaults.py などを正本として確認してください。
- Web —
frontend/の Next.js / React アプリ - Mobile —
mobile/の Expo / React Native ネイティブアプリ。WebView の簡易ラッパーではなく、ローカル DB・同期・状態管理を持つ first-class client です
Mobile の現行仕様は Mobile Product Contract / Conformance を参照してください。
クラウド API だけでなく、ローカル推論環境も含めて複数の LLM 経路を利用できます。
- OpenAI
- Gemini
- OpenRouter
- Ollama
- SGLang
- OpenAI 互換ローカルサーバー
- その他、設定されている provider / model
- Web / BFF:
frontend/— Next.js 16 + React 19。画面と、Drizzle ORM を使う Next.js Route Handler を持ちます。 - Python runtime / API:
main.py、src/api/— FastAPI、WebSocket、AI / Agent、音声、外部連携などを担当します。 - Database: PostgreSQL。DB スキーマの正本は
alembic/versions/です。 - RAG: Qdrant を利用する検索経路があります。
- Mobile:
mobile/— Expo + React Native の Native client。 - 音声 / Bot:
src/audio/、src/tts/、src/bot/。
文書一覧と「現行仕様 / 設計記録」の区別は docs/README.md を参照してください。
Windows の標準セットアップ入口は setup.bat です。
setup.bat
run.bat現行 setup.bat は Python 3.12 以上、Node.js 22 以上、Git、PostgreSQL / .env、Python venv、フロントエンド依存、DB schema、production build を確認・準備します。Windows の音声・TTS 用 extra もセットアップ対象です。
Debian / Ubuntu 系 Linux と WSL では setup.sh / run.sh を使用します。
chmod +x setup.sh run.sh
./setup.sh
./run.sh現行 setup.sh は Python 3.12 以上と Node.js 20 以上を要求します。既定では重量級の音声依存を入れません。音声・Irodori-TTS も同時に入れる場合は次のように実行します。
AOITALK_INSTALL_AUDIO_DEPS=true ./setup.sh外部 DB を使う場合などの詳細は セットアップガイド を参照してください。
Python パッケージ自体は macOS を考慮していますが、setup.sh には Debian / Ubuntu 系のパッケージ管理を前提にした箇所があります。macOS では Python 3.12+、Node、PostgreSQL、venv、フロントエンド依存を個別に用意し、scripts/init_db_schema.py と production build を実行してください。詳細は セットアップガイド を参照してください。
| 用途 | 既定 |
|---|---|
| FastAPI | 3000 |
| Next.js | 3002 |
| Caddy | 6002 |
Windows run.bat と Linux run.sh では公開境界の既定が異なります。Linux / WSL は loopback + Caddy 無効が既定で、外部公開時は run.sh --public --with-caddy のように TLS 境界を明示します。
.envの雛形:.env.sample- Python 依存:
pyproject.toml - Web 依存:
frontend/package.json - DB migration:
alembic/versions/ - DB 初期化入口:
scripts/init_db_schema.py - Python defaults:
src/config_defaults.py
固定 password を README に記載しないでください。初回管理者 password はローカル .env の AOITALK_BOOTSTRAP_ADMIN_PASSWORD を確認します。
リポジトリ内の作業規約は AGENTS.md が正本です。通常の変更は変更範囲に応じたターゲット検証を行い、main push 後の GitHub Actions を確認します。WebUI のユーザー挙動を変える場合は AI WebUI QA の独立実ブラウザ確認が追加で必要です。
この開発リポジトリと公開版リポジトリは分離されています。公開版の同期先は ttttdiva/AoiTalk で、scripts/publish_public.ps1 が公開用 tree を生成します。
- 公開版同期: docs/public_publish.md
- Mobile 自動更新 / APK: docs/mobile-auto-update-standard.md
- Release 共通手順: docs/release-checklist.md
- Enterprise handoff:
README.enterprise.md
MIT