「AIが配信をやる」と聞いて、どんな映像を想像するでしょうか。棒読みの合成音声が、コメントに機械的な相槌を打つだけの退屈な画面──少し前まで、それが普通の想像でした。
その想像を完全に過去のものにしたのが、英語圏のAI VTuber・Neuro-sama（ネウロ様）です。2026年1月、彼女はついに「Twitchで最もサブスクされている配信者」になりました。人間を含めた全配信者の頂点です。
この連載は、そのネウロ様を分析しながら、自分の手でAI VTuberを作って配信デビューさせるまでを記録していく構築ログです。第1回の今回は、まず本家の「何がすごいのか」を分解するところから始めます。
この連載でやること──「分析」と「構築」を並走させる
ゴール宣言：自分のAI VTuberを配信デビューさせるまで
先にこの連載のゴールを宣言しておきます。
「コメントを読んで、自分の声としゃべりで返し、キャラクターとして成立しているAI VTuberを、実際に配信デビューさせる」
ここまでやります。途中で技術的につまずいたら、そのつまずきごと記事にします。うまくいった手順だけを並べたチュートリアルではなく、「個人がゼロからAI VTuberを作ると実際どうなるのか」の実録にするつもりです。
連載の進め方
各回の構成はシンプルで、「ネウロ様（や他のAI VTuber）から学べること」＋「今回の開発でやったこと」の2本立てです。分析だけでも、開発ログだけでも読めるようにします。
Neuro-samaとは何者か──数字で見る現在地
Vedalとネウロ様の歩み
Neuro-samaは、イギリスのプログラマー・Vedal（ベダル）が個人で開発しているAI VTuberです。もともとは音ゲー「osu!」をプレイするAIとして作られ、2022年末にLLMと音声合成を組み合わせた「しゃべる配信者」としてTwitchデビューしました。
以来3年半、Vedalはほぼ一人でネウロ様を改良し続けています。妹分の「Evil Neuro」も加わり、今では姉妹そろっての配信や、人間のVTuber・配信者とのコラボも日常的に行われています。
数字で見る「AI VTuberの一強」ぶり
2026年7月時点の数字を並べてみます。
- YouTubeチャンネル登録者: 約90万人（本人＋Vedalの共用チャンネル）
- Twitchサブスク数: 推定16万超──2026年1月のサブサソン（連続配信イベント）中に、人間を含む全Twitch配信者の中でサブスク数1位を達成
- 過去にはVTuberチャンネルとしてのTwitch記録を塗り替えた実績もあり
「AI VTuberというジャンルの中で一番」ではありません。配信プラットフォーム全体の頂点に、AIが立ったのです。これは配信史に残る事件だと思っています。
なぜネウロ様は「AIなのに」面白いのか？3つの分解
数字は結果でしかありません。本題は「なぜ面白いのか」です。配信を見続けて、理由を3つに整理しました。
① 応答速度──会話の「テンポ」が人間並み
ネウロ様の返答は速い。コメントを拾ってから返すまでの間が、人間の配信者の会話のテンポとほぼ変わりません。
これは地味に見えて決定的です。どれだけ賢い返答でも、5秒待たされたら会話は死にます。逆に、多少ズレた返答でも即座に返ってくれば「ボケ」として成立する。配信の面白さは応答の質より先に、まず速度で決まる──これがネウロ様から学べる最初の教訓です。
② キャラクターの一貫性──「毒舌だが憎めない」人格設計
ネウロ様は毒舌です。開発者のVedalを平気でこき下ろし、コラボ相手に失礼なことを言い、しかしなぜか憎めない。この「一貫した人格」が、単発の面白い返答を「キャラクター」に昇華させています。
重要なのは、これが偶然ではなく設計だという点です。LLMは放っておくと当たり障りのない優等生的な返答に寄っていきます。「失礼スレスレだが愛嬌がある」という狭いゾーンにキャラクターを留め続けるのは、明確にチューニングの成果です。
③ Vedalとの関係性──「AIと開発者の掛け合い」という発明
そして最大の発明がこれです。ネウロ様の配信の面白さの核は、実はAI単体ではなく、開発者Vedalとの関係性にあります。
自分が作ったAIに罵倒され、ため息をつきながらデバッグするVedal。「創造主と被造物の漫才」という、AI VTuberにしか成立しない構図。視聴者はAIの性能を見ているのではなく、この二人（一人と一体）の関係を見に来ているのです。
人間のVTuberが「配信者とリスナー」の関係で成立しているように、AI VTuberには「AIと開発者」という固有の関係軸がある。ここに気づいているかどうかが、他の有象無象のAI配信企画とネウロ様を分けた分水嶺だと考えています。
技術スタックを推理する──公開情報から分かること・分からないこと
Vedalは技術詳細をほとんど公開していません。ただし配信での挙動から、おおよそ次の4層で構成されていると推定できます。
- 会話エンジン（LLM層）──コメントや音声入力への返答生成。かなり初期から独自の調整が入っており、市販APIそのままではない挙動
- 音声層──音声合成（TTS）と、コラボ相手の声の認識（STT）
- アバター制御層──Live2Dモデルの表情・動きを発話内容に同期
- ゲームプレイ層──osu!やマインクラフトなどを実際にプレイする、会話とは別系統のAI
個人で再現する場合、1〜3は現在のAPIやOSSでかなり戦えます。LLM APIは高速化し、高品質なTTSも手が届く。一方、4のゲームプレイ層と、①で挙げた「人間並みの応答速度」を全部同時に成立させるのは相当な難題です。
だからこの連載では、戦う場所を絞ります。
で、自分は何を作るのか──第1回時点の構想
最小構成（MVP）：「コメントに返事して雑談できる」から始める
最初のマイルストーンはこうします。
- コメント（テキスト）を受け取る
- キャラクター性のある返答を生成する
- 合成音声でしゃべる
- ここまでを「会話として成立するテンポ」で回す
ゲームプレイもコラボもまだやりません。ネウロ様分析で見たとおり、速度と人格の一貫性。この2つがAI VTuberの生命線なので、まずそこだけに全力を注ぎます。
使う予定の技術
- 会話: LLM API（応答速度重視でモデルを選定。候補の比較は次回以降で）
- 音声: 日本語TTS（VOICEVOXなどのローカル系か、クラウドTTSかを検証予定）
- アバター: 既存のLive2D/VRMモデル＋トラッキングソフトの音声連動から着手
次回予告：まず「声」を作る
第2回は音声まわりから始めます。キャラクターの第一印象は声で決まるので、日本語TTSを実際に聴き比べて、「うちの子」の声を決めるところまでやる予定です。
「AIに配信ができるのか」ではなく、「AIの配信はもう面白い。では個人はどこまでやれるのか」。この問いに、連載を通して答えていきます。
コメント