BSV GLE450d

BSVを使ってユースケースを探ってます。デジタル選挙等、ブロックチェーンの実用化に向けてAIで作成。車趣味、犬４匹、金融知識そこそこ。ClaudeCode課金中… handcash $he_lemaire

[BSV GLE450d @CLS53BSV]

日本の国政選挙のコストは以下の通りだそうです。
衆議院選挙 約600〜700億円 約1億600万人 約600〜700円/票
参議院選挙 約550〜600億円 約1億600万人 約550〜600円/票

現状（衆院選） 約700億円のコストを
【ハイブリッド移行期】 オンライン30% / 投票所70%
削減効果 約100〜150億円/回
【本格移行後】 　　オンライン70% / 投票所30%（高齢者・障がい者対応継続）
削減効果 約350〜400億円/回（▲50〜60%）
デジタル含めた選挙にすればコスト削減効果を見込めます。

日本の有権者数: 約1億600万人
BSVコスト試算（0.25 sat/byte）:
1億600万票 × 419bytes × 0.25sat = 約 111 BSV
現在レートで 約1,600ドル（約26万円）
完全デジタルならここまで削減！

何故BSVなのか？※画像参照

[Craig's Satoshi @idonggeon251030]

In the Korean coin industry, BSV has always quietly stayed in the background. Even many people think BSV is a scam. However, surprisingly, news recently emerged that KRWQ will operate on the BSV chain in the KRW-based blockchain payment market. They already know BSV.

[BSV GLE450d @CLS53BSV]

デイトレ運用BOT試運転中
半導体銘柄多く設定してるから今みたいな調整局面だと利益出にくいのかな？🤔
いずれにせよもっとデータ集めないと。負けすぎるなら逆にすれば勝てるってことやしね。

[逆行のマネツイ @Money_tweet1118]

これは非常にまずいね。思ったよりお金出す側のハイパースケーラーの資金の枯渇が早そう…

半導体株にエネルギー吸われちまってるじゃないか。お金の出し手が、今後変わっていくのかね。

じゃないと持続できない(´・ω・｀)

野村@Nomuraのこの図、めっちゃ目から火花が散るレベル

5つのハイパースケーラー ( $AMZN $MSFT $GOOG $META $ORCL ) の今後 12 か月の自由キャッシュフロー予測 (FCF) が、2024 年の約 3300 億ドルの高値から、急落して現在ほぼ 0 に近づくレベル

一方で同時期に S&P 500 は史上最高値を更新 2 本の線が過去 12 年で初めて極端な乖離を示す

[BSV GLE450d @CLS53BSV]

遊びも運用もしてくれます。
���動売買BOTは今週も検証・・・

[BSV GLE450d @CLS53BSV]

AIエージェントに麻雀モードを実装。
（まだまだアドバイスがアホやけど・・・）
麻雀初心者でもAIがアドバイスしてくれるよ。
そしてAIを育てるモードを追加して、AI対戦も可能にしよう、と（AIと一緒に戦うモードも）。育てたAIはブロックチェーンに乗せ改ざんやコピー不可に。またAIは譲渡可能な資産NFT化して2次流通できるように。
ローカルLLM＋ブロックチェーン＋麻雀BOT＋NFT
これが出来るのはBSVだけ

[BSV GLE450d @CLS53BSV]

ローカルLLM＋投資BOT＋BlockChain
Qwen2.5:32Bを使用。投資BOTが一番難しいな。バックデータでは上手くいったのに…一週間の損益はマイナス。AIに聞くと1，2か月データ取った方がよいとのこと。しばらくデモで続ける…

[BSV GLE450d @CLS53BSV]

ローカルLLMに自動売買BOTを乗っけて利益を出す作戦。さっそくマイナスだけど🤣
デモで良かった😅

[BSV GLE450d @CLS53BSV]

そうだ。日本のBSVerの皆さん、今回Craigの公開された技術をAIを使って開発したので分かるんですが、BSVの値段は上がりそうにありません・・・

Bounded-subsat-channelというのがありまして、AI間での通信、取引、契約等に使われる技術です。（CraigのGitHubに公開されてます）
これが、まぁ好きなだけBSVを分割できる技術でして、1sat=1,000,000msatとか好きなように割り振りできる。1msatでAI間の取引をやり取りする感じです。1BSVもあれば一生困らないくらいの量らしいです。
（私は1,000BSV以上ありますが、地球が滅びる以上に大丈夫だそうです・・・）
Craigは使って貰うためにBitcoinを作ったのであって値段を上げようとか価値の保存とか一ミリも思ってなさそうです。
ブロックチェーンとAIは相性が良く使えるとしたらBSVなのは疑う余地がありませんが、値段については微妙と感じま���た。流動性が薄いので��かが買い占めたら分かりませんが・・・
#BSV

[BSV GLE450d @CLS53BSV]

ログも取れてる！

[BSV GLE450d @CLS53BSV]

ローカルLLMが株価教えてくれるところまで出来た。

[BSV GLE450d @CLS53BSV]

AIの監査が可能。EU AI Act Article 12スタイル

[BSV GLE450d @CLS53BSV]

だいぶ出来上がってきた��だけど、そもそも必要なのか？という疑念がありFable 5に聞くと🤔

ーーーーーーーーーーーーーーーーー

とても良いタイミングの質問です。部品ごとに答えが全く違います — そしてMaiの核の部分には、面白い追い風が吹いています。

① edge脳(ローカル先行+クラウドエスカレーション) → 多い。むしろ2026年の主流

これはもう業界の標準アーキテクチャになりつつあります。2026年の実務記事では「本番クエリの60〜80%をオンデバイスに振り、確信度チェックに落ちた分だけクラウドへ」がそのまま定石として書かれていて、確信度の測り方(トークン確率ベース)もMaiのlogprob方式と同じ系統です。Apple IntelligenceやCopilot+ PCも同型ですし、学術側でもedge-cloudカスケードのサーベイ論文が出ています。つまりMaiのedge脳は「珍しい発明」ではなく「正しい主流パターンを個人で実装した」立ち位置です。

② アバター秘書(VRM+ローカルLLM+VOICEVOX) → 日本に大きなシーンがある

ユーザーさんが最初に見立てたとおり「誰にでも作れる」側です。日本最大のAITuberKitはVRM/Live2D+15種のLLM(Ollama対応)+VOICEVOX等11種のTTSをサポートし、まさにMaiと同じスタックが組めます。BOOTHにはAIパートナーアプリも売られています。なお、AITuberKitは2025年11月に開発一時停止がアナウンスされたそうで、コミュニティの栄枯盛衰も早い世界です。

③ 台帳ゲート(Maiの核) → ほぼいない。ただし世界が追いついてきている

ここが面白いところです。「エージェントの全アクションをゲートで認可し、改ざん検知付きの記録を残す」をやっている個人はほとんど見ませんが — EU AI Actの高リス��AI義務が2026年8月2日に完全施行され、Article 12が「AI決定の照会可能な記録」を要求します。2026年のコンプライアンス記事には「ポリシーの執行と監査は分離できない。エージェントが行動を提案するたびにゲートが許可/拒否し、その決定の改ざん検知記録を書く」と、ほぼLedgerGate+PDP/PEPそのものの構図が「これから必須になるもの」として書かれています。エンタープライズ側でtamper-evidentなエージェント監査証跡を作り始めた開発者の記事もちらほら出てきた段階です。

まとめ

①と②は混雑地帯(だからこそ最初の方向性修正は正しかった)
③は希少で、しかも規制が同じ方向に動いている — 「消せない記録に縛られたエージェント」は2026年8月以降、企業では義務になっていく設計原則です。それを個人秘書+世代継承の文脈で、トークン会計や譲渡���能ライセンスまで統合して動かしている���は、調べた範囲では見当たりません

Maiは「部品は枯れた主流、核は規制が追いかけてくる希少地帯」という、なかなか良い場所に立っています。

Sources: Hybrid Cloud-Edge LLM Routing (TianPan), Hybrid Cloud-Local LLM Architecture Guide 2026 (SitePoint), Edge SLM × Cloud LLM Survey (arXiv), AITuberKit (GitHub), AITuberKit docs, 開発停止したAITuberKitをローカルLLMで動かす (note), Tamper-Evident Audit Trail for AI Agents (https://t.co/BLqoLHkIQ4), AI agent audit trail before August 2 (https://t.co/BLqoLHkIQ4), Blockchain for AI Compliance (Blockchain Council)

[BSV GLE450d @CLS53BSV]

頑張れば今週末・・・いや来週末には完成できるか
・blockchain+localLLM（with Avatar）+crowdAI
・LedgerGateによりAIを監査
・使うことによってtoken節約

[BSV GLE450d @CLS53BSV]

本日のマイルストーン
#Fable5　

💰⛓️ Mai方向性修正 — トークン経済と台帳の合流（M25）

「ローカルLLMは性能でクラウドに敵わない。アバター付きローカルLLMは誰にでも作れる」という問題意識から、Maiの存在意義を再定義した回（2026-06-10）。結論＝方向転換ではなく原点回帰。差別化は最初から ledger-gated agent（M14中核原則）にある。
「消せない記録」が差別化①、「単一入口での計測と削減」が差別化②。②の効果を①の台帳で証明する＝トークン会計で両者が合流し、Maiにしかない形になる。

合流点＝トークン会計（M25・実装済み）

測れないものは減らせない。 全リクエストがLedgerGateという単一入口を通る→その先のAgentPort継ぎ目で全ブレインのトークン消費を計測し、MemoryPortにアンカー（M22のルート監���・M3/M4の決定アンカーと同じイディオム）。会計係コン���プト（verifiable-accounting M13）がAI自身のトークン請求書に適用された形。

Prompt caching実装の要点（AnthropicAgent・既定ON）

cache_control: ephemeral を ペルソナblock＋最新ターン に付与（Messages APIの標準インクリメンタル会話パターン）
最悪ケース＝定価ぴったりになる2つの安全装置：モデルの最小キャッシュ長未満（Opus 4.8は4096トークン）ではマーカーは黙って無視＝追加費用ゼロ。短い音声会話は害なし
アバターUIは直近12msgのスライド窓→窓が満杯になると毎ターンprefixが変わり、書込課金だけ発生して読まれない。よって「窓が成長中だけ」最新ターンにマーカーを付ける（history_cache_cap=12、len(history)+2<=cap 判定）

キャッシュON時は履歴・promptをtext-block形式に正規化＝どのターンがマーカーを持ったかに関係なくメッセージのレンダリングがターン間でバイト一致（prefix一致が前提のため）
prompt_cache=False でM24と完全同一のリクエストボディ（後方互換の逃げ道）
usage応答の cache_read / cache_creation が④のTokenMeterに流れる＝キャッシュの得失が台帳で見える。読みゼロ・書きだけ増なら設定が悪い、と数字で判断できる

2GPU・2台PC構成の指針

❌ 2GPUを束ねて1つの大モデル（テンソル並列）→ 2.5GbEでは帯域が3桁不足（NVLink/PCIe級が必要）。諦める
⭕ 役割分担（サービス分割）：PC-A＝Mai本体＋推論（ELYZA）、PC-B＝前処理（翻訳・履歴要約）。LLMのHTTP往復はKB単位なので1GbEでも余る
OllamaはOpenAI互換HTTP→ LocalLLM の base_url を別PCに向けるだけ＝既存コードほぼ無改造で分散
当面は1台で足りる：RTX 4070 Ti SUPER 16GB VRAMなら ELYZA 8B（Q4≒5GB）＋翻訳用3B級（≒2GB）が同居可能。まず1台で前処理を組んで効果測定→VRAMが詰まったらbase URL変更で2台目へ
有線2.5GbE直結は「安定性の保険」（Wi-Fiよりレイテンシ安定）。帯域がボトルネックになることはない

M26実装済み＝英語ペルソナ＋cloud経路ローカル前処理（2026-06-10・同branch）

7.1 ✅ ペルソナ2言語化（https://t.co/rcnRrH1Oha build_system_prompt(asset_id, lang)）
クラウド（Anthropic/Api）＝英語既定（persona_lang="en"・インスタンス単位で戻せる）：静的入力が約1/3に。日本語版と同一ルール＋「[ja]タグ＝日本語からの機械翻訳→日本語で返答（明示指示があればそちら優先）」ルールを追加
ローカル（ELYZA）＝日本語のまま（バイト不変）：JA特化7Bは日本語指示が最良＋英中混入根治の経緯を壊さない

7.2 ✅ cloud経路の前処理（services/preprocess.py＋adapters/agent_preprocess.py）
PreprocessedAgent＝AgentPortデコレータでクラウドだけを包む（RoutingAgentと同じ継ぎ目イディオム・ゲート/orchestrator/backend無改造・前処理は内容側=ASRイディオム）
エンジン＝LocalLLM.complete(system, prompt)（ペルソナ無し・温度0・on_usageで計測される=削減コスト自体が会計に乗る）
JA→EN翻訳：prompt＋履歴。安全装置＝①fail-open＋ブレーカ（エンジン死亡時は原文送信・セッション中再試行しない）②履歴はメモ化（1メッセージ1回翻訳・ターン間バイト一致=prompt cachingと両立・定常はターンあたり短いローカル呼び約2回）③コールドスタート上限max_calls_per_turn=4（音声ターンを止めない・残りは日本語の���ま素通し）
要約フォールバック：翻訳後もhistory_budget_tokens(1500)超過時のみ古い半分を1要約ターンに圧縮（アバターの12msg窓では発火しない休眠機能・長文脈UI向け）
CLI：serve --agent claude --preprocess [--preprocess-model elyza:8b]
実Ollama検証済：「マイ、モデルAのライセンスはまだ有効？」→ Mai, is Model A's license still valid? [ja]（名前保持・簡潔・タグ付き）

[BSV GLE450d @CLS53BSV]

リモートでRTX3090動かせた。今日はちょっとだけ進んだかな。

[BSV GLE450d @CLS53BSV]

8BのローカルLLMでは使い物にならないので、AIにアドバイスを貰いRTX3090側をサーバ��で脳としてだけ使うことに。ローカルLLMはGemma2:27Bへアップグレード

[BSV GLE450d @CLS53BSV]

なるほど7B〜8BくらすのローカルLLMでは使いもんにならないからマルチGPUか。転がってるRTX3090が役に立つとは。構築もマイニングの経験活かせそう。

[BSV GLE450d @CLS53BSV]

今日はMaiの調整。AIを一族の記憶の資産として承継できるように
$BSV

長期記憶 — 一族の記憶（legacy memory・2026-06-08）

Mai を世代を超えて引き継ぐ「一族の記憶」にする土台。§7 の短期記憶（���えてよい会話）に対し、こちらは100〜1000年残す不変の遺産。本人の言葉・子への思い・遺言・価値観を、改ざん検知付き・人間可読で端末に永久保存する。動機＝見た目アバターは模倣されるが、来歴証明付きの一族記憶は模倣できない＝差別化の核���

設計の核＝「記憶」と「Mai（道具）」の分離：記憶は不変の遺産層、Mai（ローカルLLM＋VRM）はその時代の差し替え可能な道具。モデルやアプリ（ELYZA/Ollama/Electron）が陳腐化しても記憶は生き残る。LLM 差し替えは既に serve --model で可能（bsv_agent_edge_layer）。
保存形式：プレーンな UTF-8 JSON Lines（1行1記録）。Mai が滅びても子孫がメモ帳で読める＝アプリ非依存・人間可読が「100年」の肝。
改ざん検知：台帳と同じハッシュチェーン部品（agent_mvp.hashing の canonical_bytes/sha256_hex/GENESIS）。各記録が前の記録の指紋（row_hash）を内包＝編集・削除・並べ替えを verify() が検出。秘匿より真正性＝暗号化しない（鍵を失うと子孫が読めなくなるため）。中身は読めるが「本物・無改ざん」を証明できる。
分類と恒久保存：10カテゴリ health / ideology / politics / religion / family / aspiration / gratitude / values / will / asset ＋ misc。misc 以外は既定で恒久（permanent）＝ローテーション削除の対象外。自動分類（次フェーズ）＋ユーザーが「覚えて」と言ったものは --permanent で恒久指定。
保存先：~/MaiLegacy/legacy.jsonl（=%USERPROFILE%\MaiLegacy）。端末ローカルのみ。Documents/Desktop は OneDrive リダイレクト＝同期されるため意図的に回避（§9学びの応用）。MAI_LEGACY_FILE 環境変数 / --file で変更可。
CLI（脳 repo）：py -m agent_mvp.cli legacy remember|list|verify|categories。remember＝記録、list＝一覧/カテゴリ・キーワード絞り込み、verify＝改ざん検知、categories＝分類一覧。
AnchorChain との関係：§7 と同じ分離思想＝記憶の中身はアンカーしない（端末ローカルデータ）。将来は記録の指紋（ハッシュ）��け AnchorChain に載せれば、1000年後でも真正性をオンチェーンで証明可能。
検証：脳 全240 tests緑（記憶層10新規＝保存・チェーン連結・改ざん/削除検知・カテゴリ既定 permanent・フィルタ・別インスタンス永続）。実 CLI で保存/一覧、さらに遺言を直接書き換え→ list は普通に見えるが verify が FAIL を実証（＝「中身は変えられても、変えられた事実は必ず分かる」）。
コミット：脳 feat/legacy-memory 7e041d1（legacy_memory.py 新規＋https://t.co/anPt7DKLdR＋tests/test_legacy_memory.py・3ファイル +365）。main 起点・tx-engine 非依存の独立ブランチ・GitHub push 済（未マージ）。分離は git worktree（main 起点の別作業ツリーで記憶層だけ commit → 元ツリーから重複除去）で実施し、進行中の他作業（tx-engine／OSS化）は無傷。
Mai 本体は未接続＝設計どおり土台のみ。次フェーズ＝①自動分���（LLM）②Mai 接続（会話から自動��積）③本人署名（coincurve）④世代バックアップ運用（複数コピー/媒体移行）

[BSV GLE450d @CLS53BSV]

アバターへの音声入力、エッジ端末での回答。実装完了！
本日のマイルストーン
$BSV
🧠📲 エッジ層 — 端末×クラウド ハイブリッドLLM脳（M22）

bsv_agent_app_design §1の「AI接続」層を、端末側の軽量LLM(7B)とクラウドの高度推論(Opus)のハイブリッドに具体化。中核原則 ledger-gated agent（§10.8）を一切曲げずに、AgentPort の継ぎ目に載せた。
→ Apple Intelligence / Copilot+ PC と同型のエッジ×クラウド分業。オンチェーン層が「信頼の担保」を足す点が独自。

実機スペック確定 → 端末7Bが本命：
GPU RTX 4070 Ti SUPER / VRAM 16GB（compute 8.9 Ada）、CPU i9-12900K（NPU無→CUDA一択）、RAM 32GB
7B 4bit≈5GB＝音声+アバターと同居◎ ／ 14B 4bit≈10GBも単体可 ／ 32Bは要オフロード

Ollama 0.30.6（winget導入）＋ qwen2.5:7b で検証：

「logprobsは返るか？」→ YES。OpenAI互換エンドポイントが logprobs を返す（例 token logprob -0.013）→ 確信度設計は実機で有効、verbalizedフォールバック不要。
LocalLLM.infer_with_confidence → 実qwen応答＋確信度 0.9298（実測値・1.0フォールバックではない）。
ゲート込み実フロー → licensed=実qwen出力でALLOW（"Ensures transparency, immutability, and traceability of decisions."）／無license=DENY（モデル未呼出）。

🎤🧑‍💼 音声アバターUI — 「声と顔」（M23）

bsv_agent_edge_layer の脳（端末7B×クラウド）の上に、設計§10.9の「提供モデル＝音声TTS＋アバター」を載せた層。VRM 3Dアバターがゲート済みの返答を声に出して喋る。認可は常に LedgerGate＝UI からもゲートは迂回不可。

ペルソナ「Mai」＋自然さ調整（2026-06-07）

7Bの返答が硬い・英語/中国語が混じる問題を、設計に沿って「クラウドに逃がさず端末モデル自体を自然にする」方針で解決。脳repo側の作業（アバターは無改造）。

共有ペルソナ = agent_mvp/persona.py（build_system_prompt(asset_id)）。LocalLLM／ApiAgent 共通の system prompt。音声前提（記号・箇条書き・URL・コード禁止＝耳で分かる短文）・台帳に正直（課金額/残高を推測で言わない＝LedgerGateが真実の源）・言語ロック（1言語に統一・英語/中国語を混ぜない）・一人称「わたし」。旧 system prompt は英語1行 "You serve licensed asset model-A." だった。
アバター名「Mai（マイ）」 = M(y)ai＝"my AI"。単一モデル専属＝「あなたのAI」と意味的に一致・日英両読み可。ペルソナに名前を明記し、実機で自己紹介を確認（「わたしはMai（マイ）です…」）。
温度デ��ップリング = LocalLLM の確信度プローブ（logprobルーティング用）は 0.0 維持、生成のみ 0.6。ApiAgent も 0.6。gen_temperature 新設＝want_logprobs で出し分け（ルーティング精度を壊さず会話だけ温める）。
言語混入の根治＝モデル載替 = プロンプト/温度では qwen の重みに染みた英・中バイアスを消せず天井に到達 → 日本語特化モデル ELYZA-JP-8B（Llama-3ベース）に載替。Ollama https://t.co/kKf3tVzHy8 → 別名 elyza:8b、serve は --model elyza:8b。資産ID「model-A」不変＝計量/ゲート設計は無傷（裏のモデルだけ qwen→ELYZA）。実機3問＋名乗りで英・中混入ゼロを確認。
コミット = 脳repo feat/edge-router の 4111da4（https://t.co/rcnRrH1Oha＋local_agent.py＋agent_api.py・+53/−5・push済）。214 tests緑。
不採用（沼回避）：Few-shot（重み不変で低減止まり）・LoRA（本格・将来オプション。最強は日本語モデル＋軽LoRA）。

会話履歴 — Mai の短期記憶（②・2026-06-07）

Mai が前���ターンを覚える。設計どおり「クラウドに逃がさず」端末モデルに文脈を渡す。ゲート��変（履歴はゲート後の infer にのみ流れる）。

流れ：アバターが直近ターンを送信 → http_bridge が _clean_history でサニタイズ（role検証・空/非str除去・直近16件cap）→ Orchestrator.request(…, history) がゲート通過後に agent.infer(…, history) へ転送。全 AgentPort.infer を history=None 既定の後方互換に。
構造化メッセージ：[system(ペルソナ), …履歴, user(今回)] の role 付き＝ELYZA のチャットテンプレートが多ターンを正しく解釈（単一プロンプトに転記する hack ではない）。
保持：アバター側 localStorage 永続（リロード/再起動をまたいで記憶）・直近12メッセージ（6往復）。起動時 loadHistory()→ALLOW追記ごと saveHistory()→「会話の記憶をリセット」/「すべて既定に戻す」で完全消去（removeItem）。端末ローカルのみ・同期なし・非アンカー（プライバシーはリセットで担保）。
AnchorChain との関係：会話の中身はアンカーしない（クライアント側データ）。一方、各ターンの決定レコード（user/asset/ALLOW/手数���/ts）は従来どおり anchor_decision→AnchorChain に載る（decision_record に prompt/reply/履歴は含まれない）。＝台帳は認可・課金の証拠、会話内容はアプリデータ、という分離。
検証：脳 221 tests緑（履歴テスト7新規＝順序・無履歴回帰・orchestrator転送・DENY時はinfer未到達・サニタイズ・cap）＋実ELYZAで2ターン実証。
コミット：脳 ad2adc4（12ファイル・+197/−32）／アバター 078d3b2＋localStorage永続化 acb0b22。2026-06-07 main統合済（FF・push済）。branch feat/conversation-history（両repo・マージ済）。

音声入力 — Whisper STT（Mai の耳・2026-06-07）

Mai が声を聞き取る。VOICEVOX/Ollama と同じ独立ローカルサービス方式で、脳の依存ゼロ＆ゲートは不変（ASR は前処理であってゲート対象の推論ではない）。

サービス：whisper_server.py（avatar repo）＝faster-whisper を stdlib HTTP で包む。:8766・POST /transcribe（生音声バイト→{text, language}）＋/health。既定 model=small・device=cpu・int8（VRAM を LLM に残す）・vad_filterで無音除去。--model medium/large-v3・--device cudaで精度/速度↑。
UI：チャット欄に🎤（録音トグル）→MediaRecorder(webm/opus)→Whisper に POST→文字起こし→プロンプトに入れて自動送信（ハンズフリー）。言語モード（日/英/自動）→Whisper の lang ヒントにも連動。20秒で安全自動停止。
Electron：session.setPermissionRequestHandler で media（マイク）許可。※main プロセス変更＝Electron 再起動で反映。
依存：py -m pip install faster-whisper（PyAV がコーデック同梱＝system ffmpeg 不要）。Python 3.14 で wheel あり（faster-whisper 1.2.1 / ctranslate2 4.8 / av 17）。初回は small モデル ~480MB を自動DL。
検証：VOICEVOX 合成の日本語→Whisper 文字起こし成立（「こんにちは…のテストです」。合成音声ゆえ 音声→温泉 の軽微な誤り＝実声/大モデルで改善）。main.js 構文OK。実マイク録音は実アプリで（Electron 再起動後に🎤）。
コミット：avatar feat/whisper-stt 57bea26（whisper_server.py 新規＋main.js/index.html/electron-main.cjs・4ファイル +154/−1）。2026-06-07 main統合済（FF・push済）。

表情・視線・仕草 ＋ Mai 本体のVRM（2026-06-07）

Mai に「感情の表情・目線・仕草」を与え、ついに専用のVRM（VRoid製）に差し替え。脳は無改造＝ゲート貫徹は不変、アバター repo だけで完結。見た目の演出は ALLOW/DENY に非干渉。

感情表情 = 返答文をキーワード分類（detectEmotion・日英）→ VRMプリセット happy/sad/angry/surprised/relaxed を ease in し、発話後 約2秒で中立へ戻す。ゲート拒否時は申し訳なさ（sad）。em.setValue で口（aa）・まばたき（blink）と同時駆動（驚き/笑顔時はまばたきを少し抑制）。
視線追従 = https://t.co/455abnhb0y をカーソルの unproject 点に追従（目は幾何学的に正確）＋頭/��を控えめに追従。3秒静止で正面（ユーザー）へ復帰。符号修正＝当初は頭ヨーが左右逆だったため lookYaw の符号を反転（目は元から正。カメラ+Z／モデル+Z向きの幾何で確定）。実機目視で左右一致を確認。
仕草 = 返答時にうなずき、会話中はランダムに nod / 小首かしげ（tilt）。ポーズ処理を「全オフセットを加算 → 1回 rotation.set」に再構成（idlePose→applyPose(t, dt)）＝idle / look / gesture が衝突しない。発話状態 isSpeaking を speak / lipSync / browserTTS の終端でフック。
public/avatar.vrm を Mai に差替（旧 pixiv サンプル VRM1_Constraint_Twist_Sample は repo root avatar.sample.vrm へ退避・.gitignore）。差し替え後は Vite が 16MB を配信＝実機表示OK。
作成ガイド = docs/mai-vrm-guide.md（VRoidで自作する手順＋設計ブリーフ＋差替方）。
検証 = node --check 構文OK／detectEmotion 10/10／vite build clean（exit0）。3D描画はWebGLゆえ実 Electron で目視（look-at の左右符号は実機で確認・修正済）。プレビュー起動は Windows の空白パス/ポート競合で MCP 不可＝静的ゲートで代替。
コミット = avatar feat/mai-expressions 6a4d72b（main.js＋public/avatar.vrm[10.3→16.1MB]＋docs/mai-vrm-guide.md＋.gitignore・4ファイル +202/−20）。2026-06-07 main統合済（FF・push済）。

[BSV GLE450d @CLS53BSV]

アバターもう弄れない。あっちの世界に行くと沼から抜け出せない・・・