Luqira のテクノロジー

Luqira はアバターモデルと音声モデルを自社で学習させ、自社の推論スタックで提供しています。

私たちは、他社の AI を つなぎ合わせたのではありません。 自らモデルを学習させました。

多くの AI ライブ配信ツールは、借り物の API をただ薄くラップしただけです。Luqira のアバターモデルとボイスモデルは すべて自社開発。自社で学習し、自社の推論基盤で提供しています。だからこそ 1 秒以内で応答し、短いサンプルから声をクローンし、何百ものライブ配信を同時に同じモデルで動かせるのです。

ライブコメントへの反応速度, ネイティブなローカライズ音声, 音声カタログが対応する言語, 同時配信、1 つのモデルで, 100s

85を超える言語を、1回の学習でまとめて。

自社でモデルを学習させたと言うだけなら誰にでもできます。Luqira のモデルに実際に入っているものを、各コーパスの識別子つきで公開します。出典まで遡って確認できます。85 を超える言語を 1 回の学習でまとめて学習しています。実際に提供している音声カタログの 85 以上と同じ数字です。

すべて1回の学習でまとめて学びます。順番に学習させると後の回が前の回を上書きし、最後に見た言語しか話せなくなるからです。1つの混合データ、1回の学習、1つのモデル。上記のコーパス識別子はいずれも OpenSLR 公式のもので、記憶ではなく OpenSLR の一覧と突き合わせて確認しているため、鵜呑みにする必要はありません。音声ライブラリ全体が扱う言語はさらに広範です。

ミックスに含まれる各コーパスは、識別子・ライセンス・サンプリングレート・時間数まで含めて、モデルカードに全文掲載しています。

Corpora

Mls

この学習における声の供給源です。8言語はいずれもモデルが既に話せたため新しい言語は増えませんが、数千人という話者の多様さこそが、声を平均値へ流されずその人らしく保つ力になります。

Multilingual LibriSpeech（SLR94）

英語、ドイツ語、オランダ語、フランス語、イタリア語、スペイン語、ポルトガル語、ポーランド語

Google

混合データの中で最もクリーンな音声で、ウェブからの収集ではなく 48 kHz のスタジオ収録です。規模は小さいものの、その1時間1時間が既知の言語を磨くのではなく、言語そのものを新たに教えます。

Google スタジオ TTS（SLR37、41-44）

ベンガル語、ジャワ語、クメール語、ネパール語、スンダ語

Google Indic

混合データの中で実際に言語を教える最大のブロックです。インドの6言語にビルマ語を加え、同じスタジオ品質で収録されています。よく SLR63-80 と連続範囲で書かれますが実際は7つの個別 ID で、ヒンディー語もパンジャブ語も含みません。その2言語は FLEURS 経由でモデルに入ります。

Google クラウドソース音声（SLR63-66、78-80）

マラヤーラム語、マラーティー語、タミル語、テルグ語、グジャラート語、カンナダ語、ビルマ語

Bible

1時間あたりの価値が全体で最も高いデータです。チュイ語はそれまでモデルがほとんど知らない言語でしたが、多くのエンジンが手を出さない西・中央アフリカの言語をオーディオブック級の音質で収録しています。整備された6言語のうち、エウェ語を除く5言語を使用しています。

BibleTTS（SLR129）

チュイ語（アサンテ・アクアペム）、ハウサ語、リンガラ語、ヨルバ語

Aishell

標準中国語に対する音色の調整であり、言語の学習ではありません。モデルは既に流暢なので、400人分のクリーンな室内収録が変えるのは知識ではなく響き方です。

AISHELL-1（SLR33）

標準中国語

Yoruba

ここで最も小さいコーパスで、BibleTTS が既に教えている言語への2度目の収録です。別の話者群によるスタジオ品質のヨルバ語40時間があることで、ひとつのコーパスが言語全体の響きを決めてしまう事態を防げます。

ヨルバ語マルチスピーカー TTS（SLR86）

ヨルバ語

Fleurs

広がりを担う層です。1言語あたり約10時間の対訳朗読音声で、OpenSLR のコーパスだけなら25言語で止まるところを、85言語超へ押し上げているのがこれです。ヒンディー語とパンジャブ語もスタジオ収録側ではなくここから入ります。

Google FLEURS

102言語。上記すべてを包含し、さらに広げます

OmniVoice 上で当社が学習。重みは当社のものです。

Luqira Voices は当社が OmniVoice 上で学習させたモデルです。OmniVoice は Qwen3-0.6B 言語モデルの上に構築された、オーディオコードブック方式の音声アーキテクチャです。いずれも Apache-2.0 であり、当社がアーキテクチャを発明したかのように匂わせるのではなく、そのまま明示します。当社が学習させたのはモデルそのものです。パラメータはそのアーキテクチャ上でランダムに初期化した状態から学習しており、第三者のモデル重みを引き継いではいません。コーパスを選び、混合を設計し、学習を実行し、学習した重みは当社が保有しています。商用利用の権利はすべて当社にあり、誰かと再交渉すべきライセンスもありません。一方で Qwen と k2-fsa は自らの成果物の著作権を保持します。どのプロバイダからもモデルを借りてはいません。重みは自社の GPU 上で動作し、第三者の API に渡ることはありません。

当社の重み

公開モデルカード。当社ドメインの外で検証できます: huggingface.co/GuidenAI/genpio_voice

件の公開コーパス, 時間を集約, 言語, 回の学習

すべて, 新しい言語を教える, 話者を増やす, 音色の調整, 広がりを足す

上限適用

バーの長さは対数スケールです。数値は言語ごとの上限を適用する前の、利用可能な生の時間数です。

コーパスの大きさは学習比率ではありません。Multilingual LibriSpeech は混合データ中で最小のコーパスの約1,250倍の音声量を持ちますが、言語ごとの上限がその差を意図的に平坦化します。実際に教えるべき言語が、すでに流暢な言語に埋もれないようにするためです。

当社モデルの構築とライセンスについて

はい。その意味を具体的に説明します。Luqira Voices は、Apache-2.0 の OmniVoice アーキテクチャ（Qwen3-0.6B の上に構築）の上で、ランダム初期化から自社で学習させたモデルです。誰かのチェックポイントをファインチューニングしたものではありません。第三者のモデル重みは一切継承しておらず、公開しているモデルカードには trained-from-scratch のタグが付いています。学習コーパス（OpenSLR SLR94、SLR37、SLR41-44、SLR63-66、SLR78-80、SLR86、SLR129、SLR33、および Google FLEURS。60 以上の言語を 1 回の学習で）を選び、ミックスを組み、学習を実行したのは Luqira です。どちらも検証可能なので正確に述べます。学習した重みは Luqira のものであり、上流アーキテクチャに対する恒久的な Apache-2.0 のライセンスのもとで、利用分野の制限も売上上限もなく、誰かと再交渉すべきライセンスもなく、商用利用するすべての権利を持ちます。一方で Qwen と k2-fsa は自らの成果物の著作権を保持します。どのプロバイダからもモデルを借りておらず、第三者の音声合成を再販してもいません。すべては自社の推論基盤で動作し、配信経路に第三者 API は一切ありません。だからこそ、リセラーには不可能なレベルでレイテンシ・コスト・品質を保てます。モデルカードは huggingface.co/GuidenAI/genpio_voice で公開しているので、以上のどれも当社の言葉を信じる必要はありません。

レンタルの AI には限界があります。私たちの AI にはありません。

学習データの内訳とライセンスは以上のとおりです。ここからは、重みを自ら所有することが何を変えるのかを、同じ機能を他社から借りているツールと一行ずつ比べます。

ラッパー系ツール

Luqira

Rows

Cost

ベンダーに分単位で支払い、配信のたびに請求額が膨らんでいきます

推論を自社で保有しているため、配信を増やしてもコストは比例して増えません

Latency

レイテンシはその日ベンダーが提供する値に左右されます

レイテンシはフレーム単位まで自社でチューニングします

Quality

品質の不具合は、サポートチケットと長い待ち時間になります

品質の不具合は、私たちがモデル側で直します

Scale

一度に 1 セッションのみ。レート制限に達すれば配信は止まります

100 本目の同時配信も誰の許可も要りません。GPU は自社のものです

自社開発だから、あなたに合わせて柔軟に

あなたの顔を、ライブでレンダリング。

あなたの姿をクローンするか、ブランド専用ホストから始めましょう。リップシンクはクリップのつなぎ合わせではなく、フレームごとに生成されるため、口の動きが言葉を追いかけるのではなく、言葉にぴったり合います。

短いサンプルから、あなたの声を。

あなたのテンポと温かみをそのまま再現したクローンボイス。600 を超えるローカライズ音声で、価格も、名前も、決め台詞も、翻訳の読み上げではなくネイティブが話すように読み上げます。

あなたのカタログを完璧に把握。

商品・価格・FAQ・セールスポイントをインポート。ホストは正確に答え、視聴者が食い下がってもメッセージを崩しません。

すべてのプラットフォームで、同時に。

TikTok、YouTube、Shopee、Instagram など、1 つのワークスペースから並行してライブ配信。

コメントが 1 秒以内に売上に変わる

4 つのステージ、1 つのループ。配信が続く限り動き続けます。

エンドツーエンドで 1 秒未満

その回答が次のコメントを呼びます。だからループはまた最初から回り始めます。

聞く

接続されたすべてのプラットフォームから、コメント・質問・リアクションが同時に届きます。

理解する

意図・感情・購買シグナルを、あなたのカタログ・価格・ブランドボイスに照らして読み取ります。

話す

自社のボイスモデルが、クローンしたあなたの声で、視聴者が実際に入力している言語で応答します。

見せる

自社のアバターモデルが、フレームごとにリップシンクした応答を生成し、そのままライブに送り出します。

配信の準備は、AIアシスタントに頼むだけ。

Luqira は、AI クライアントが外部ツールに接続するためのプロトコル MCP に対応しています。一度つなげば、アカウントの開設、プランの選定、台本の作成、商品ライブラリの登録までアシスタントが実行。初配信は午後いっぱいの設定作業ではなく、ひとつの会話から始まります。

Chat

任意の MCP クライアント

今夜の配信用に Luqira を設定して、この3商品を追加して。

このリンクを開いてコード 4F2C-91KD を承認してください。あとはこちらで進めます。

• アカウント接続完了
• プラン選定、決済リンク準備完了
• オープニング台本を作成して保存
• リンクから3商品を取り込み

信頼できるインフラ

エンタープライズ級のセキュリティ

通信は TLS 1.3、保存データは AES-256 で暗号化。音声クローンは本人の同意なしには実行されません。管理策の一覧はセキュリティページに掲載しています。

セキュリティページを読む

稼働率 99.9% の SLA

自動フェイルオーバーを備えたマルチリージョン構成に対する、努力目標ではない確約値です。グローバルなエッジ配信がレイテンシを低く抑え、売上がかかった配信を止めません。

オープン API と各種連携

Luqira を CRM・OMS・分析ツール・ストアフロントに接続。API リファレンスは公開されており、キーがなくても読めます。

API リファレンスを読む

専任サポート

優先的なオンボーディングとトレーニング、そして成果に責任を持つアカウントチームがサポートします。