【完全版】自分専用JARVISの作り方｜初心者でも音声操作→動画自動化まで構築できた全手順

「JARVISみたいなAIアシスタントを、自分のPCに作れたら面白くない？」

そう思って、実際に作ってみました。
最初は、PCの画面上で青いホログラムが動くだけ。
そこからChatGPTに相談しながら、一つずつ機能を追加していきました。

そして最終的には、
話しかける
↓
日本語を認識する
↓
音声で返事をする
↓
命令を判定する
↓
Windows側のプログラムを起動する
↓
動画制作を開始する
ところまでつなげました。

例えば、

と話しかけると、

と返答。
その後、PC側で動画制作システムが動き始めます。

プログラミング初心者でも作れた

最初に言っておくと、私はプログラミングを一から書いて作ったわけではありません。

基本的には、
ChatGPTに相談
↓
コードを作ってもらう
↓
自分のPCで実行
↓
エラーが出る
↓
エラーをChatGPTに送る
↓
修正

これを繰り返しました。
今回のnoteも、プログラミング言語を勉強する教材ではありません。
目的は一つ。

「自分専用の音声アシスタントを実際に完成させる」

このnoteで作れるもの

最終的に以下を構築します。

・青いホログラム風JARVIS画面
・3D風の回転リング
・背景を漂う粒子
・マイクに反応する中央コア
・日本語音声認識
・日本語音声返答
・音声コマンド
・Pythonローカルサーバー
・JARVISとWindowsの接続
・VOICEVOXによるAIナレーション生成
・画像の自動振り分け
・画像＋ナレーション＋BGMから縦動画を生成

そして最終的に、

「JARVIS、動画作って」

の一言から動画制作システムを起動します。

完成システムの全体図

あなた
↓
マイク
↓
Google Chrome
↓
日本語音声認識
↓
JARVIS
↓
音声コマンド判定
↓
「承知しました。動画制作を開始します」
↓
Pythonローカルサーバー
↓
動画制作BAT
↓
画像振り分け
↓
VOICEVOX
↓
FFmpeg
↓
1080×1920 MP4
↓
完成

これを一つずつ作っていきます。

このnoteがおすすめな人

・JARVISのようなシステムを作ってみたい
・自分専用AIアシスタントが欲しい
・ChatGPTを使って何か作ってみたい
・AI×自動化に興味がある
・PC作業を効率化したい
・SNS動画制作を効率化したい
・プログラミング初心者だけど開発してみたい
という方におすすめです。

先に重要な注意点

Windows・Chrome・Python・VOICEVOXなどのバージョンやPC環境によって、画面表示や設定、コードの一部を調整する必要がある場合があります。

そして今回のVer.1は、ChatGPTのような自由会話AIそのものではありません。

今回作るのは、

目＝UI
耳＝音声認識
口＝音声返答
手足＝PC操作

AIの「脳」は、次の段階で追加します。

ここから実際に作っていきます

ここから先は、実際の構築編です。
上から順番に進めてください。

STEP1｜必要なものを準備する

今回使用するのは主に以下です。