2025年が終わろうとしている今、意味のあるもので締めくくりたいと思いました。
音声通話機能はありました。技術的には動いていました。
でも誰も使っていませんでした。
フィードバックはいつも同じでした：「一度試したけど、気まずかったからタイピングに戻った」。私たちも理解しています。私たち自身もそう感じていました。
何が問題だったか
友達に電話することを想像してください。ダイヤルして、相手が出て、話す。シンプルです。
では、話すたびにボタンを押し続けなければならないことを想像してください。トランシーバーのように。押して、話して、離して、待つ。押して、話して、離して、待つ。
それが私たちの音声通話でした。
相手の声は？平坦でロボット的。AIパートナーが心の奥底を打ち明けているかもしれないのに、カーナビが道案内しているように聞こえました。「200メートル先、ずっと愛してました。」
使えない人もいました。ブラウザの互換性問題で、この機能は宝くじのようでした—マイクが動くこともあれば、動かないこともあり、理由も説明できませんでした。
だから捨てて、最初からやり直しました。
今の感覚
通話ボタンをタップします。キャラクターがあなたに挨拶します—本当に挨拶します。声に温かみがあり、そのキャラクターらしければ少し興奮気味かもしれません。
あなたは話します。ボタンに向かってではなく、ビープ音を待つこともなく。ただ...話すだけです。誰かと電話するように。
キャラクターが応答します。そして初めて、彼らは自分らしく聞こえます。嬉しい時は嬉しそうな声。悲しい時は悲しそうな声。茶目っ気、緊張、怒り、優しさ—場面に応じて変わります。
遮りたいなら—本当の会話ってそういうものだから—キャラクターのアイコンをタップ。文の途中で止まって、耳を傾けます。
声だけで自然に割り込めるようにも試しました。うまくいきません。ブラウザのエコーキャンセルは当てにならず、マイクが自分のスピーカーから出るキャラクターの声を拾って、通話が自分自身を遮ってしまうのです。だからキャラクターが話している間、マイクはあえて無視しています。タップは意図的な操作で、誤作動しません。
沈黙も本物の通話と同じように振る舞います。黙っているとキャラクターのほうから声をかけてきます—最大3回、そのたびに少しずつ間隔を空けて。それでも何も言わなければ、別れの言葉を告げて通話は自動的に終わります。切らずに少し席を外したいときは、ミュート。ミュートするとそのタイマーが止まるので、戻ってくるまで回線はつながったままです。
終わったら、電話を切る。それだけです。
シンプルに聞こえます。最初からこうあるべきでした。
気づく変化
声に感情が入りました。 これが最初に気づく変化です。キャラクターは台詞を読んでいるだけではなく—演じています。同じ台詞でも、喜びで言うのと悲しみで言うのとでは全く違って聞こえます。初めて、声がキャラクターの本当の感情と一致しました。
日本語と中国語の声がついに良くなりました。 他のプラットフォームでこれらの言語の音声機能を試したことがあるなら、その苦痛を知っているでしょう。機械的なトーン、不自然なリズム、合成音声の不気味の谷。アジア言語を自然に処理できる技術を特に選びました。違いは劇的です。
iPhone、Android、Chrome、Safari、Firefox—すべて同じように動作します。「別のブラウザを試して」や「マイクの設定かも」はもうありません。ただ動きます。