CyberVerse

CyberVerseは、自社運用が可能なリアルタイムデジタルヒューマンエージェントプラットフォームです。顔写真を1枚アップロードするだけで、リップシンクと自然な表情を備えたデジタルヒューマンが得られ、その背後では交換可能なLLM（OpenAI互換）、TTS（GPT‑SoVITS、CosyVoice、Edge‑TTS）、発話頭部生成モデル（MuseTalkなど）が会話を駆動します。この構成により、あらかじめ用意された台本を再生するだけの従来のデジタルヒューマンから脱却し、文脈を理解し、ツールを使い、RAGで知識を参照できるリアルタイム対話エージェントとして機能します。

最大の強みは低遅延のリアルタイム性です。ASR→LLM→TTS→THGのパイプラインを短く保ち、WebRTCによるP2P伝送を採用することで、従来のHTTPストリーミングより体感遅延が大幅に短縮され、実際のビデオ通話に近い感覚を実現しています。完全にオープンソースで自社ホストが可能なため、データを自組織内に留めたいプライバシー重視のチームにも適しています。ペルソナの記憶やモデルのホットスワップにより、長時間の会話でも一貫したキャラクターを維持できます。

ただし、導入のハードルは低くありません。特にローカルで頭部映像をレンダリングするには自前のGPUリソースが必要であり、ASRからTHGに至る全推論チェーンを運用する負担があります。プロジェクトは活発に開発が続いている段階で、音声と映像のずれの修正やアイドル状態の戦略改善などが進められており、本番環境で使うには十分なテストが求められます。商用モデルAPIを利用する場合は、その都度料金も発生します。提供された情報は主にデモとコミュニティの反応に基づいており、エンタープライズ向けの実績や商用SLAは確認できていません。

したがって、CyberVerseはインフラの構築と統合を担える開発者、小規模チーム、研究ラボに適したプロジェクトです。単発の動画生成にはオーバースペックですが、制御性・低遅延・カスタマイズ性が求められる仮想アシスタントの基盤としては有望です。2026年半ば時点では、アクティブなコミュニティを有する進行中のプロジェクトであり、プラグアンドプレイの製品ではありません。