トヨタ自動車は2026年7月31日、実在の人物をモデルとした小型マスコットロボットを用いた音声対話に関する研究内容を発表した。トヨタ・タイムズの記者や豊田章男会長をイメージしたロボット「Tommy」および「AI Morizo」を通じて、生成AIを活用した自然な会話技術の開発状況を紹介している。
トヨタ自動車フロンティアリサーチセンターは、実在の人物をモデルとした小型マスコットロボットを用いた音声対話に関する研究内容を発表した。対象となるのは、トヨタ・タイムズの記者をイメージした「Tommy」と豊田章男会長をイメージした「AI Morizo」である。これらのロボットは高さ約90センチで、これまで遠隔操作や画像認識による感情表現が中心だったコミュニケーションに、生成AIを活用した音声対話機能を組み込んでいる。
研究チームによると、自然な会話を実現するには人物の印象再現と応答速度の両立、そして非言語コミュニケーションが課題となる。音声を忠実に再現するため、実在の人物の声データで学習させた合成モデルを採用している。また、思考プロセスや基本プロフィールを基盤に、過去の発言から哲学や考え方を抽出して大規模言語モデルに入力することで、特定の質問に対して一貫した人物像での応答を目指している。
応答速度については、会話開始後1秒以内の返答が望まれるものの、音声入力から生成までの遅延が課題となる。このため、並列処理による高速化や、応答生成中のフィラー（間）の活用、聞きながら思考する方式の導入により、待ち時間を減らしている。また、カメラ画像を解析して相手の状況や動作を読み取り、それに応じてロボットの動きや表情をリアルタイムで変化させる仕組みも備えている。
これらの技術により、忠実な印象と知識の広さを保ちつつ、迅速な対話を実現する試みが進められている。研究チームは、1秒以内の応答を常に達成できているわけではないとして、継続的な改善を進めていると説明している。