AI の Bot 3つに声を付けた ― ずんだもん・四国めたん・春日部つむぎ(VOICEVOX)
はじめに
Discord に AI の Bot を3つ集めて、会議室を作りました(Discord に AI の Bot を3つ集めて、会議室を作ってみた)。役割を持たせると、会議らしくなりました(同じ AI の Bot 3つに役割を持たせたら、会議らしくなった)。
文字だけでは少しさみしいので、3つの Bot に、それぞれ別の声を付けました。声は、無料で使える音声合成ソフトの VOICEVOX を使いました。
| Bot | 仕組み | 声 |
|---|---|---|
| Hermes-main(司会) | Hermes Agent | ずんだもん |
| OpenClaw-test(アイデア役) | OpenClaw | 四国めたん |
| Muse-main(実務役) | Hermes Agent(中で Muse Code を使う) | 春日部つむぎ |
- 試した版:VOICEVOX エンジン 0.26.2、Hermes Agent v0.23.1、OpenClaw 2026.11.3(2026年11月時点)
- 動かした場所:家のサーバーの、AI 用の仮想マシン(Ubuntu 24.04、CPU 4つ、メモリ 8GB、GPU なし)
声は Discord が作るのではない
最初に迷ったのは、「声を付けるのは Discord や LINE の側なのか、サーバーの側なのか」でした。
答えはサーバーの側です。
- Bot の仕組み(Hermes Agent・OpenClaw)が、返事の文を声のファイルにする
- Discord や LINE は、できたファイルを「音声メッセージ」として届けるだけ
Hermes Agent にも OpenClaw にも、文字を声にする機能(TTS)が、はじめから入っています。声を作るソフトを選んで、つなぐだけです。

1. VOICEVOX のエンジンをサーバーに入れる
VOICEVOX には、画面のあるアプリのほかに、声を作るだけの「エンジン」があります。Linux の CPU 版を入れました。
- 配布元:VOICEVOX エンジンの GitHub のリリース(
voicevox_engine-linux-cpu-x64-0.26.2.7z.001、約 1.8GB) - 7z 形式なので、
p7zip-fullを入れて展開する - 専用のユーザーを作り、systemd のサービスとして常に動かす
- 待ち受けは
127.0.0.1だけにする。サーバーの中からだけ使えて、外からは使えない
[Service]
User=voicevox
WorkingDirectory=/opt/voicevox/engine
ExecStart=/opt/voicevox/engine/run --host 127.0.0.1 --port XXXX --cpu_num_threads 2
Restart=on-failure
MemoryMax=2500M
GPU のない CPU だけのサーバーでも、短い文なら 1〜2.5 秒で声ができました。メモリは、声を使い始めると 1.2GB ほどになりました。
2. 文字を声にする小さなコマンドを作る
VOICEVOX のエンジンは、2回の呼び出しで声を作ります。
audio_query:文と話者の番号を渡して、読み方のデータをもらうsynthesis:そのデータを渡して、声(wav)をもらう
これを1つにまとめた小さなコマンド(voicevox-tts)を Python で作りました。Discord の音声メッセージに合わせて、ffmpeg で Opus 形式(ogg)に変えます。
voicevox-tts 話者の番号 出力ファイル --file 文字のファイル
voicevox-tts 話者の番号 出力ファイル --text "文字"
話者の番号は、ずんだもんが 3、四国めたんが 2、春日部つむぎが 8 です(「ノーマル」の声)。読む速さは、少しだけ速く(1.1 倍)しました。
3. Hermes Agent につなぐ
Hermes Agent には、「コマンド型」の声の設定があります。文字のファイルを渡すと声のファイルを返すコマンドを、自分で登録できます。
tts:
provider: voicevox
providers:
voicevox:
type: command
command: "voicevox-tts 3 {output_path} --file {input_path}"
format: ogg
voice_compatible: true
timeout: 180
voice_compatible: true:Discord に、ファイルではなく音声メッセージとして送る- Muse-main は、Hermes Agent の別のプロファイル(設定一式)です。同じ設定で、番号だけ
8(春日部つむぎ)にしました
つまずいたところ1:設定の命令が受け付けない
hermes config set tts.providers.voicevox.type command と打つと、「知らない設定の名前」として断られました。自分で名前を付ける設定は、--force を付けると書き込めます。
hermes config set --force tts.providers.voicevox.type command
4. OpenClaw につなぐ
OpenClaw には、手元のコマンドで声を作る方法(tts-local-cli)があります。設定ファイル(openclaw.json)に足しました。
"tts": {
"auto": "off",
"provider": "tts-local-cli",
"providers": {
"tts-local-cli": {
"command": "/usr/local/bin/voicevox-tts",
"args": ["2", "{{OutputPath}}", "--text", "{{Text}}"],
"outputFormat": "wav",
"timeoutMs": 180000
}
}
}
番号の 2 が、四国めたんです。
5. いつ声で返すか
声で返すのは、頼まれたときだけにしました。
- Hermes Agent:「声で言って」と頼むと声で返す。チャンネルでいつも声にするときは
/voice tts、やめるときは/voice off - OpenClaw:「声で言って」と頼むか、
/tts audio 文字で1回だけ声にする。いつも声にするときは/tts on、やめるときは/tts off
結果
会議室で「今日のニュースで気になることがあったら、みんな声で言って」と送りました。

- OpenClaw(四国めたん)が、ニュースを調べて声で紹介し、出典のリンクも付けた
- Hermes(ずんだもん)は、司会として声で答え、ほかの2つにも声で話すよう頼んだ

- Muse(春日部つむぎ)は少し遅れて、声で答えた
3つとも、割り当てたとおりの声で話しました。
つまずいたところ2:Muse がなかなか話さない
Muse-main は、作業を Muse Code に任せる決まりにしています。ニュースを調べる作業を Muse Code に任せ、その終わりを待っていたので、返事まで3分ほどかかりました。声の仕組みの問題ではありませんでした。
つまずいたところ3:Bot の声が、ほかの Bot の作業を止める
Hermes の音声メッセージが、Muse には「新しい発言」として届きました。そのため、Muse の作業が途中で一度止まりました。
3つとも「いつも声で返す」にすると、会議室ではこの中断が増えます。会議室では、声は頼まれたときだけにしました(/voice off)。
LINE は?(まだ試していない)
LINE の秘書(LINE で AI の秘書を作ってみた)にも声を付けられるかを調べました。まだ試していません。
- LINE の音声メッセージは、ファイルそのものを送るのではなく、インターネットから取りに行ける音声の URL を渡す決まり
- Hermes Agent の LINE の部分には、声のファイルを、LINE 用のトンネルを通して一時的に公開し、その URL を LINE に渡す仕組みがある
- 気になる点
- 声のファイルが、一時的とはいえ外から取れる場所に出る
- LINE が受け付ける音声の形式(今は ogg で作っている)と、長さ(ミリ秒)の扱いの確認が要る
- 無料プランでは、Bot から送れるメッセージの数に上限がある
試したら、別の記事に書きます。
声の使い方の決まり(クレジット)
VOICEVOX は無料で、商用・非商用を問わず使えます。ただし、VOICEVOX を使ったことが分かるクレジットを書く決まりです。声のキャラクターごとにも、利用規約があります。
この記事の声のクレジットは、次のとおりです。
- VOICEVOX:ずんだもん
- VOICEVOX:四国めたん
- VOICEVOX:春日部つむぎ
使う前に、次の規約を確認しました。
- VOICEVOX:https://voicevox.hiroshiba.jp/
- VOICEVOX の利用規約:https://voicevox.hiroshiba.jp/term/
- VOICEVOX エンジン(GitHub):https://github.com/VOICEVOX/voicevox_engine
- ずんだもん:https://voicevox.hiroshiba.jp/product/zundamon/
- 四国めたん:https://voicevox.hiroshiba.jp/product/shikoku_metan/
- ずんだもん・四国めたんの音源の利用規約(東北ずん子・ずんだもんプロジェクト):https://zunko.jp/con_ongen_kiyaku.html
- 春日部つむぎ:https://voicevox.hiroshiba.jp/product/kasukabe_tsumugi/
- 春日部つむぎの利用規約(公式サイト):https://tsumugi-official.studio.site/rule
ずんだもん・四国めたんの規約には、動画などでは「見に行けば分かるところ」にクレジットを書く、とあります。Discord の会議室では、チャンネルの説明にクレジットを書いておくとよいと思います。
まとめ
- Bot の声は、Discord や LINE ではなく、Bot を動かすサーバーの側で作る
- VOICEVOX のエンジンは、GPU のない CPU だけのサーバーでも、短い文なら数秒で声を作れる
- Hermes Agent は「コマンド型」、OpenClaw は
tts-local-cliで、自作のコマンドを声の仕組みにつなげる - 話者の番号を変えるだけで、Bot ごとに別の声にできる
- 会議室では、Bot の声がほかの Bot の作業を止めるので、声は頼まれたときだけがよい
- VOICEVOX の声を使うときは、クレジットを書き、キャラクターごとの規約を確認する


