eetakoai– Author –

AI英会話は返事を1つ作るたび、会話の全部をモデルへ送り直している。それでも間が伸びきらないのはキャッシュが効いているからだ。使い回されるのは答えではなく先頭部分の下ごしらえで、条件は丸ごと一致すること。何が当たりを壊すのかを、公式ドキュメントの記述だけで分解した。

AI英会話の通話ボタンを押してから声が返るまでに、ブラウザは短命な鍵を1本受け取っている。本物のAPIキーはサーバーから出さない、と公式ドキュメントは名指しで書く。鍵を作る窓口、2つの繋ぎ方、利用者を見分ける札の貼り場所、会話中に入る2本目の接続までを仕様から分解した。

AI英会話に教材を渡しても、AIがそれを覚え直しているわけではない。ファイルはベクトルストアという別の置き場に入り、質問のたびに意味と語の両方で引き直される。使えるまでの4段の手続き、返ってくる2本立ての出力、対応形式と回数の上限を公式ドキュメントから分解した。

AI英会話の採点欄がきれいに並ぶのは、AIの返事がJSONスキーマに従わされているからだ。公式ドキュメントは、全項目が必須であること、スキーマに上限があること、そして「誤りは残りうる」ことまで書いている。構造化出力が保証する範囲を分解した。

AI英会話のキャラクターの口は、音から推測されているのではない。音声合成の出力に、口の形を指す22種類の番号と、100ナノ秒単位の時刻が添えられて届く。公式ドキュメントだけを材料に、口が動くまでの経路を分解した。

AI英会話の裏側で、リージョンという短い文字列が接続先と鍵の有効範囲とデータの置き場所を決めている。公式表を数えると主要機能は33拠点、アバターは11拠点、MAI-Transcribeは6拠点。一方で遅延やミリ秒の記述は0件だった。何が決まり、何が決まらないのかを分解した。

AI英会話の画面に出てくるアバターは、撮った動画の再生ではない。公式仕様では、文章を音素に分け、音声を作り、その音声に口を合わせた画像を予測する3部品の直列になっている。解像度もコーデックも動かせる拠点も決め打ちで、声は最後まで別部品だ。

AI英会話のレッスン記録が話し手ごとに分かれて見えるとき、音声サービスは何を返しているのか。公式ドキュメントだけを材料に、話者認識が返すGuest-1という汎用識別子、Unknownのままになる条件、モノラル限定という前提、36人未満と240分という上限を分解した。