米Microsoft、「Copilot」に40種類の動くアバターを追加　音声会話に合わせてリアルタイム表情変化

スマートフォンの画面に浮かぶ音声の波形に向かって話しかけるのは、どこか留守番電話に吹き込んでいるような居心地の悪さが残るものです。

米Microsoftはこの課題を解消すべく、実験的機能を試す「Copilot Labs」において「Copilot Portraits」を公開しました。音声会話中のCopilotに、リアルタイムで表情を変える顔を与える新機能です。

あらかじめ用意されたアバターは40種類。ユーザーが声でやり取りをすると、画面内のキャラクターが自然な表情や頭の傾き、発声に合わせた口の動きをリアルタイムで見せてくれます。

1枚の画像から動かす「VASA-1」技術

Microsoft AIのCEOを務めるムスタファ・スレイマン（Mustafa Suleyman）氏はX上で、音声機能を使う際に顔を見ながら話したほうが安心できるというユーザーの声に応えて開発したと説明しています。

この機能の裏側を支えているのは、同社の研究部門Microsoft Researchが開発したAIモデル「VASA-1」です。

従来のリアルタイムアバターのように重い3Dモデリングを組む必要はなく、1枚の静止画と音声データだけで、自然な表情の変化や頭部の動き、正確なリップシンクを即座に生成できます。

同社は7月にも「Copilot Appearances」と呼ばれるアニメーション表示を導入していましたが、当時は抽象的な光の塊のようなデザインでした。今回は明確に人の姿へと踏み込んでいます。

ただし、実写と見分けがつかないような極端なリアルさはあえて避けています。用意された40種類は意図的にスタイル化されたデザインになっており、AIと対話していることを示す表示も画面上に維持されます。

慎重な公開範囲と利用制限

今回の機能追加において、同社は安全面への配慮を前面に出しています。

競合のX社が提供するGrokでは3Dアバターや規制を緩めたAIコンパニオン機能が話題を呼び、Character.AIなどの対話サービスでは依存性や安全性を巡る議論が過熱しています。

トラブルを避けるため、Copilot Portraitsは現在、米国、英国、カナダの18歳以上の限定されたユーザーのみを対象にテスト提供されています。

さらに、過度な没入を防ぐ目的で、1日あたりの利用可能時間や1回のセッション時間に明確な上限が設けられています。

なぜ重要か

音声アシスタントに顔を持たせるアプローチは、単なる見た目のギミックにとどまりません。対面している感覚を作ることで、壁打ち相手や日常の相談役としての心理的ハードルを大きく下げる効果があります。

技術面で見ても、VASA-1をリアルタイムの一般向けサービスに組み込んだ点は非常にスマートです。負荷の高い3D描画ではなく単一画像からの生成で遅延を抑え込んでいるため、将来的にはユーザー自身が用意した画像への適用など、拡張の余地が大きく広がります。

あえて写実性を抑えて不気味の谷を回避し、利用時間制限を設けて依存リスクを先回りして塞いだ判断も堅実です。他社が派手さや過激さで話題を作るなか、日常使いできる安全なアシスタントの枠組みを守り切る姿勢は、実用性を重視するユーザーにとって信頼できる選択肢になると言えます。