シーエーシー（以下、CAC）は、音声感情解析AI「Empath」を活用して3Dゲームのキャラクターの表情生成を支援するサービス「DeepEmo」の提供を2023年10月10日から開始しました。
現在、ハイエンドゲーム制作における3Dキャラクターの表情アニメーションは、アニメーターが1つのキャラクターごとに手作業で表情を作成するのが一般的です。そのため、ゲーム内に登場するキャラクターや台詞が多くなるほど、アニメーターの工数が増加し、コストが高くなる傾向があります。
DeepEmoは、これまでに世界50ヵ国、4,300社以上で活用されている音声感情解析AI「Empath」をもとに0.32秒ごとに変化する感情値を生成し、ディープラーニングを用いて、平常、怒り、恐怖、嫌悪、喜び、悲嘆、信頼、興味、驚きの9つの感情を推定するサービス。
スクウェア・エニックスが2023年1月24日に発売した『FORSPOKEN』の開発に利用されており、事前収録された台詞音声から感情値を時系列データで出力し、3Dアニメーションソフトに読み込ませてキャラクターの表情の自動生成を行った結果、約95％の制作時間を削減することができたといいます。
今回CACが提供開始したサービスは、『FORSPOKEN』開発時の技術とノウハウをもとに感情解析のモデル生成方法を再検討し、一般の3Dゲーム開発にもDeepEmoによる感情解析の結果を利用できるようサービス化したものです。
サービス利用時には、CACに台詞音声データを送り、CAC側でDeepEmoによる解析を実行。表情生成に活用できる感情値をCSVファイルが納品されます。納期は、音声データがCACに届いてから2～4営業日です。
価格は、初期費用が800,000円（モデルのチューニングを含む）、基本利用料が50,000円（500ファイルまで解析可能）、従量課金が100円/1ファイルとなっています（税別表記）。
CACによれば、今後、ハイエンド3DCGアニメーションソフトと連携するインタフェースを実装し、ユーザーがキャラクターデータと音声データを入力すると感情値を自動で作成して、結果をダウンロードできるクラウドサービス化することを構想しているとのこと。
また、DeepEmoの技術を活用して、リアルタイムでキャラクターの感情値を出力できるエンジンの開発を進めており、メタバースのアバターやVTuberといった領域での活用を見込んでいます。
