ベトナム語
日本語
英語Vivi Voice AIとは？旅行と介護のためのマルチデバイス音声アシスタント
合同会社Fujigoソフトウェアソリューション
M&C Holdings（日本）のメンバー
1つのプラットフォーム、3つのデバイス、5言語 — 旅行と高齢者ケアのためのAIアシスタント
はじめに
海外からの旅行者は、観光地で情報を探すときに多くの壁にぶつかります。言葉の壁、ネットの情報が古かったり間違っていたりすること、案内所が24時間空いているわけではないこと。そして一人暮らしの高齢者は、服薬のリマインドや毎日の会話の相手を必要としていますが、いつもそばに家族がいるわけではありません。
Vivi Voice AI は、こうした2つの課題を解決する音声AIアシスタントです。ユーザーは日本語・英語・ベトナム語・中国語・韓国語で話しかけるだけで、自然な音声による回答を得られます。入場料や営業時間は、公式ソースをもとに90日以内に確認済みの情報だけを提供します。
特徴的なのは、Viviが3種類のデバイス — スマホアプリ、ホテルロビーに設置するキオスク、小型のESP32デバイス — で動作し、すべてを1つのCMSで一元管理できる点です。
1. Vivi Voice AIが解決する課題
旅行における言葉の壁
京都を訪れた中国人・韓国人・英語圏の旅行者が、金閣寺の入場料や美術館の開館時間、最寄り駅への行き方をそれぞれの言語で尋ねたとします。Viviは音声を認識し、確認済みの情報を検索し、同じ言語で回答します。機械翻訳を経由する手間はありません。
間違いや古い情報
入場料や営業時間は、90日以内に確認された公式ソースがある場合のみ表示されます。ソースがない場合は「現地でご確認ください」と正直に伝えます。現在、Viviには京都の約700スポットのデータが登録されています。
24時間対応ではない案内所
ホテルのロビーや観光展示ブースに設置したキオスクが、5言語で継続的に案内します。確認済みの入場料を伝え、QRコードでスマホ上の地図に誘導します。
一人暮らしの高齢者
ESP32デバイスはコンパニオンスピーカーとして、服薬のリマインド、毎日の会話、日記の記録を行います。異常な兆候を検知すると、家族のアプリに通知を送ります。
2. 3デバイス・1プラットフォームのアーキテクチャ
Voiceアプリ（iOS/Android）
Flutterで構築された旅行者向けアプリは、アカウント登録不要で匿名利用できます。主な機能：
- 音声での質疑応答：音声認識 → AIが回答 → 読み上げ。途中で割り込んで話しかけることも可能
- スポット検索、地図表示、近くの情報、出典付きの入場料案内
- カメラで看板やメニューを翻訳
- 空き時間に基づいた旅程の作成
- キャンペーンに合わせたプッシュ通知
家族向けアプリ（Companion）：高齢者のリマインド履歴、通知、日記を閲覧できます。
キオスク
ハードウェア：Orange Pi 5B組み込みコンピュータ、1280×800ディスプレイ、ReSpeakerマイク（ハードウェアエコーキャンセル・ノイズ除去搭載）。観光展示ブースやホテルロビーに設置します。
公共空間での安全対策：
- Webブラウザは起動しない：公式リンクや経路案内はQRコードで表示し、利用者のスマホで開いてもらう
- 決済機能はなし
- 緊急時の案内は固定文で、AIが生成しない
ESP32デバイス
ESP32-S3チップ、16MBフラッシュ、WiFi接続。役割：
- 観光アシスタントロボット：音声会話、ディスプレイ表示
- コンパニオンスピーカー：高齢者向け。スケジュールのリマインド、会話、異常検知で家族に通知
デバイスはHMAC署名で認証し、安全なWebSocket接続を確立。音声はOpusコーデックで圧縮。「Hi ViVi」で起動し、2分間無発言で自動スリープ。CMSのブラウザ画面からUSB経由でファームウェアを更新可能。WiFi設定とデバイスロックは維持されます。
3. 背後にあるAI技術
音声認識と音声合成
Google Cloud Chirp 3 / Chirp 3 HD — 多言語対応で高精度。日本語の固有名詞や地域特有の用語も認識可能です。
言語モデル
Claude（Anthropic）— 会話の文脈を理解し、自然な回答を生成。ユーザーが途中で話し始めた場合も割り込みに対応します。
知識検索
Google Vertex AI embedding + PostgreSQL + pgvector — 確認済みの情報（スポット、入場料、営業時間、天気、列車時刻）をベクトルデータベースから検索します。
パフォーマンス目標
- 発話終了から回答が届くまで：≤ 2秒（p95）
- ユーザーが割り込んだ場合、アシスタントが停止するまで：≤ 0.3秒
（これは設計目標であり、システム全体の計測結果ではありません。）
4. CMS — 一元管理システム
管理対象
- 観光スポット（名称、説明、画像、位置）、重複スポットのマージキュー
- 入場料・営業時間、公式ソースと確認日付の紐付け
- データソースと自動収集ジョブ
- 翻訳：翻訳キュー、二言語編集、項目ごとの承認
- プッシュ通知キャンペーンと配信セグメント
- AIアシスタントのプロンプト、知識インデックス（RAG）、固有名詞辞書
- デバイス：登録、鍵発行の承認、無効化、デバイスタイプ、設置場所、USB経由のESP32ファームウェア更新
- 会話履歴とユーザーフィードバック、ユーザー管理と権限、APIキーとWebhook
4つの目の承認
作成者は自分のコンテンツを自分で承認できません。このルールはUIのボタンを隠すだけでなく、データベースレベルで強制されています。機械翻訳は自動ではアプリに反映されず、その言語を知っている人間が必ず確認します。
監査ログ
追記のみ可能（append-only）、改ざん検知のためのハッシュチェーン付き、5年間保存。ロールベースの権限管理（管理者、運用、編集、承認など）。CMSのインターフェースは日本語・英語・ベトナム語の3言語対応。
Companion専用CMS
高齢者プロファイルと連絡先、リマインドスケジュール、通知、日記と日報、家族アカウント、「記憶のアーカイブ」、施設全体のダッシュボード。
5. 実際のユースケース
ホテル：「4時間空きがあるんだけど、どこに行こう？」
利用者が空き時間と興味を伝えると、Viviが移動時間を含めた旅程を作成します。ロビーのキオスクは5言語で挨拶し、出典付きの入場料を案内し、QRコードで経路を示します。
海外旅行者：看板やメニューを読む
アプリで看板や小さなお店のメニューを撮影すると、Viviが利用者の言語に翻訳します。アプリは匿名利用可能で、登録不要です。
観光展示ブース、ホテルロビー：案内キオスク
キオスクは5言語で挨拶し、出典付きの入場料・営業時間を案内し、QRコードでスマホ上の地図に誘導し、ホテルの施設について回答します。
高齢のご家族がいる家庭：コンパニオンスピーカー
ESP32スピーカーが服薬時間をリマインドし、毎日の会話を楽しみ、日記を記録。異常な兆候があれば家族のアプリに通知を送ります。
6. セキュリティとプライバシー
- 録音データの保存なし、利用者の位置履歴の保存なし
- 4つの目の承認、改ざん防止の監査ログ、権限管理
- デバイスはHMAC認証、安全なWebSocket接続
- ロールベースの権限管理、APIキーとWebhookの一元管理
- 導入企業ごとにデータを分離
おわりに
Vivi Voice AIは、単なる音声チャットボットではありません。アプリ・キオスク・IoTデバイスを1つのCMSでつなぎ、4つの目の承認で情報の正確性を保証する、マルチデバイスAIアシスタントプラットフォームです。
京都の約700スポットをAI知識として登録済みで、現在、日本の観光地・ホテル・展示ブースでパイロット運用中です。また、ESP32デバイスをコンパニオンスピーカーとして活用し、高齢者ケアの分野にも展開しています。
Vivi Voice AIの導入についてのご相談・デモは、ぜひFujigoまでお問い合わせください。