アメリカ・シアトル郊外で働く日本人エンジニア、コモダ＆イワイが、前回買ったDGX Sparkで週末に作った「AIが自動生成したEP45」を、本人たちで聴きながらツッコミを入れる回。冒頭のイントロ、実はAI音声です。
お題は「過去の回をすべて文字起こしして、我々が話しそうなポッドキャストを作って」。司令塔になるのはQwen3.8
27B（NVFP4、4bit量子化）。Qwenが自分でコードを書き、文字起こし用のASR、話者分離のpyannote、音声合成のTTSといった自分以外のAIモデルをダウンロードして動かしていきます。DGX
Sparkを2台に分けて、1台はLLM専用、もう1台は音声処理専用。そうして出来上がった二人の「ペルソナカード」には、「AIは既存技術のラッパーに過ぎない」という思想まで抽出されていて、本人たちも思わず苦笑い。
AIが作ったエピソードを聴いてみると、持ってもいないRTX 3060と3090で音声処理をしていることになっていたり、「ラズベリーパイ5台の熱で空気が揺れて見える」と言っていたり、話したことのない「スペクトラルゲート」でPCファンのノイズを切っていたり、それっ
ぽい嘘が満載です。一方で、声の雰囲気はかなり本人に近い。しかも1.7BのオープンなTTSモデルで、必要なメモリはわずか5GBほど。名探偵コナンの蝶ネクタイ型変声機がついに現実になった話から、オレオレ詐欺への悪用の怖さ、並列化で合成が10倍速になった話、実
機を用意すればAI自身がストーリーの真偽を検証できるのでは、という未来の話まで語ります。最後は、AI版EP45のエンディングをそのままお届けします。
■ 補足
--------------------------------------------------------------------------------
収録内容について、制作ログ（システムの設計ドキュメント）をもとに以下の補足があります。
・01:01 学習させた過去回の数：「40話」と話していますが、実際に使ったのはEP1〜44と特別回4本を合わせた計49話分（約29時間）の音声です。
・03:00 音声を読んだのは誰か：Qwen3.8 27Bが直接音声を読んだわけではありません。文字起こしは音声認識専用のQwen3-ASR-1.7B、話者分離はpyannoteが担当しています。Qwen3.8 27Bは、その文字起こし結果からペルソナを抽出しています。
・05:00 2台の役割分担：台本の生成・批評・ペルソナ抽出はすべて1台目（生成LLM専用機）で行っています。2台目は文字起こし・話者分離・埋め込み・音声合成など、音声まわりの処理専用です。
・12:30 Qwenのファクトチェック：Qwenがやったのは、ペルソナとの一致度や自然さなどを自分で採点する「自己批評」です。台本の中身が事実として正しいかどうかは検証していません。作中の価格や消費電力などの数値は目安であり、未検証です。
・09:17〜 AI版EP45の内容：RTX 3060と3090の構成、ラズベリーパイのクラスタ、スペクトラルゲートによるノイズ処理などは、いずれもAIが作った架空の設定です。二人とも実際には試していません。
00:00 オープニング：このイントロ、実はAI音声です
00:30 DGX Sparkで何を作ったか：過去回を学習した「AI版EP45」
01:47 AI版EP45を試聴：「音声編集の完全自動化」回
02:34 ペルソナカードと、AIが自分以外のAIモデルを動かす構成
04:00 2台のSparkの役割分担：司令塔LLMと音声処理（ASR・話者分離・TTS）
06:03 抽出されたペルソナ：イワイの話し方、コモダの思考パターン
08:00 AIに抽出された「思想」とディストピア
08:46 話題の自動生成：候補5つから「STT自動化」回を選ぶ
09:17 AI版を試聴：持っていないRTX 3060と3090、スペクトラルゲート
11:32 5つのアクト構成と、チャンクをつなぐオーバーラップ方式
13:36 実機を用意すれば、AIが自分でストーリーを検証できる？
15:20 人間はほぼ無編集：自己批評と音声合成の裏側
16:17 背景のドアの音、BGM混入、「コモダ」の読み間違い
17:34 1.7B・5GBのTTSモデル：コナンの蝶ネクタイがついに現実に
18:16 並列化で合成が10倍速に／公園の森からDGXに接続
19:56 金曜の夜から放置で丸2日弱、夜通し走り続けるAI
21:18 AI版1本目の冒頭「ラズベリーパイの熱で空気が揺れている」
22:23 英語なら気づかない？オレオレ詐欺への悪用の怖さ
23:27 フロンティアモデルで改善、買い物リストを作らせる未来
24:38 まとめ：STTとTTSで作り、人間が評価した回
26:02 エンディング（AI版EP45より）
トピックリクエスト、お問い合わせ、ご意見は以下フォームからお送りください。
https://forms.gle/V1Jx5K27TN7ht5oC9
https://stihahi.github.io/satoshiya.podcast/
