フォートナイトとDiscordの体験

ここ最近ずっとフォートナイトの話ばっかりしてる。ここ最近っていうかもう1年以上前から結構流行って、去年の1月から始めましたからもう1年半以上か経ってるんですけど、この熱も最近では冷めてきてとかっていうことは一切なくて、むしろ熱は上がってきてですね。

Discordでの新しい体験

最近は新しくDiscordのチャンネルに入ったりとかして、遊ぶメンバーがより増えて、メンバーっていうかその中で遊べる人たちが増えているという感じなんですけど、このDiscordに入るっていうのは結構僕は全く知らない動く文化で、最近入ってみてすごい面白いなと思うんですけど。

Discordの入り方

昨日ちょうど昨日入った、入ったというか説明を受けたところ、本格稼働したところがすごく面白い特殊な体験だったんですよ。このそもそもDiscordに入るってどういうことかっていうと、フォートナイトってフレンドを申請して、その友達と一緒にやるみたいな感じで進められるんですけど、このフレンドを一緒にやりましょうみたいなのは、リアルな友達じゃなくてネット上で募集できるわけですよね。

Discordのコミュニティ

なんですけどとはいえこういうツイッターとかで、誰かフォートナイト一緒にやりましょうっていうのもハードル高いじゃないですか。その人との依存度もそういう感じで友達になっちゃうと高いみたいな。でいうとそのDiscordの中でその募集して、今空いてる人たちとやりましょうみたいな、そういうラフなコミュニティみたいなのがいくつかあるんですよ。

Discordの利用規約

でそのDiscordに入ればもう募集したら、結構誰でも誰でも結構いつでも誰か反応してくれるみたいな感じなんですけど、でそのDiscordに入りましたって話なんですよね。そのDiscordってじゃあどこにあるのかっていうと、いろんなところツイッターだけとか色々あるんですけど、多いのはYouTubeのフォートナイトの動画配信をしてる人がいて。

Discordの説明会

昨日入ったところですよがこれまで入ったやつとちょっとトーンが違ったんですよ。何が違うかっていうと割とがっつり説明会っていうものがある。でその後しか中に入って活動できませんみたいなところだったんですね。

Discordの新しい体験

この体験がすごく新しいっていうのもあったんですけど、良かったんですよね結果として。実際だからこういうのって1時間とか2時間かかりますって言って、20分とかで終わるケースもあると思うんですけど、がっつり本当に昨日受けて1時間5分説明受けましたから。

Discordのコミュニティの魅力

そのコミュニティーがあってみたいな、で昨日入ったところですよがこれまで入ったやつとちょっとトーンが違ったんですよ。何が違うかっていうと割とがっつり説明会っていうものがある。でその後しか中に入って活動できませんみたいなところだったんですね。

ゲーム体験の共有

これまたいい具合にちょうどレベル感も良かったんですよね。同じぐらいの感じで、同点みたいな感じがついたりとかして、最終的に僕は3人中最下位だったんですけど、10対9対7とか8とかだったかな、7だったかなでもそういう感じでいい感じになって、いいですねみたいな感じで思いながら楽しくやって、だんだん落ち続けてきて。

もう一人の説明会僕ともう一人だったその人にもフレンドリクエスト送ってみんなフレンドになって、よしじゃあこれ楽しかったなってこれで終わりかなと思いきやまだあって、全員ロビーっていう場所に戻ってその会社のところに1回集まってロビー行きますかって。

予想外の展開

あっ終わりかと思ったらせっかくなんで一戦行きますかみたいな感じで言われて、時間大丈夫ですかっておー全然大丈夫ですよって言って3人で今度チームになって、試合に出ていくわけ試合っていうかそのランクってのつけてない感じなので、ラフな感じではあるんですけど3人でやっていくわけですよ。

いいですねこれっていう今まで敵同士だったのが味方になってやるわけじゃないですか、っていうなるほど。しかも3人中の一人で説明する人で僕ともう一人説明受ける人がいるっていう3人なわけですけど。

試合の進行

最初は僕がリードするっていう僕がいつも動くところの順番で進んでいくっていう形でやって、で2試合次の試合次の試合ちょっとあのすぐ死んじゃったんでみんなもう一試合みたいになったんですけど、その試合はもう一人の人のその流れでやっていくみたいな感じで。

まあそれぞれやっぱりこう自分がどこにでプレイするかっていうのがあるのでやっていきながら、戦うっていうのをこうやってなんかこういい感じに温まってきて。

サプライズの訪問

最後あたりまあ中盤あたりもそのこれで最後の試合かなーっていう感じの中でこう中盤を走ってたら、その説明する人があ入れますねって唐突に。あ入れますねどういうこと戦う中でそんな動くどういうことだって思ったらポンって入ってきたのが、そこのそのチャンネルの第一その youtube 動画でいつも喋ってる人がそこに入ってくるわけですよ。

さっきも言ったようにそのそれぞれのカスタママチとかの中で入ってお互い一緒にやるってことあるので、別にこれ自体が超特殊というか入ってきてくれるんだとかじゃないんですけど、このなんか今までのこの流れがあるじゃないですか。

観戦とフレンドリクエスト

説明会受けて1対1対1をしてでチームをやってみんな戦ってるこの流れの中でポンと入ってくる。しかもこれ試合中なので観戦として入ってくるわけですよ。なのでこうなんていうのかこう3人で戦ってるのを観戦するっていう入り方で、お疲れ様ですみたいな感じで入ってくるっていう。

なーにこういう登場っていうこういうそういう登場ですかって言っちゃいましたけど、なーにっていうこれは楽しい展開じゃないかと思って。

体験の振り返り

でまあその3人で今やってる状態観戦なので3人でこうやっていくわけですけど、で試合が終わるとなるほどっていうでまあ途中でそういう感じで入ってきたので、まあじゃああと楽しくやってくださいお疲れしたーって言って5分ぐらい抜けるのかなと思ったら、最後まで観戦してるわけですよで見てもらってる感じだって。

あーなんか変な緊張感もあって楽しいなと思って、で1回ロビー戻りますかでまた解散するっていうところに1回戻って、じゃあみたいな。

4人での試合

あそうだ1個忘れてた観戦入ったタイミングでその人からまずフレンドリクエスト自体も来てて、フレンドリクエストすぐ送ってくれるんだみたいな。他のところは割とそんなこともないかなと思うのでやっぱりその代表の人だと、数多すぎるじゃないですか他のそのフレンドの人達もっていうので、一緒にマッチしたとしてもフレンドっていう感じでもないのかなというのは多いんですけど。

すぐもうその観戦に入ってきたタイミングでフレンドリクエスト来て、フレンドになってくれるんだみたいなのもあったりとかして、でじゃあロビー戻りますかで戻って。

いやーこれからよろしくお願いしますみたいな感じかなって思いっきりそうじゃなかったんですよ。せっかくなんで4人でもう1戦いきますかみたいに言って、今度4人ですよ。

つまり最初の説明してくれた人と僕ともう1人説明受けてる人と、その和歌屋学園っていうところなんですけどの人ですよという、4人これでもう1試合のここまでの流れの出来上がってる感じ、すげーなと思って。

サービス体験の振り返り

だからこう説明会もすごい良かったっていうのもこれ前提なんですよ。1時間もあって1時間が本当にクソみたいな時間でしたらと、なんかそれの何ですかね墨滅ぼしってあれですけどそれをなんかカバーするだけに見えるじゃないですか。

でもそんなことなくて説明会自体もすごく良くて、操作そのディスコードのここにリアクション入れてもらうと、こっちのチャンネル使えるなってみたいな動線もすごくうまくできてるところからっていう全体が設計されたので、すごい良かったですね本当に。

っていうのがあってで結果まあ4人でワイワイやって普通に試合やって終わるっていう、なんかこうしかも良かったんですよねこの和歌屋学園の和歌屋さんっていう人が、距離感もいい感じのなんていうのかなこう、なんていうのかな。

まとめと呼びかけ

入ってください、なんて言ったらいいんだろう普通に一緒に楽しくボートナイトをしてる感じという、体験でしたね本当に。

だからもう自分でいろいろ見直そうと思ったのは自分がこう作ってるサービスっていうのは、やっぱりそれと比べると他のディスコードチャンネルと同じように、もっとこう今のインターネットっぽい今のアプリっぽい設計を、カスタマージャーニーマップを考えてということで考えてきたつもり最善のフローを考えていたつもりだったんですけど。

こういう体験をするとそれが一番いいかどうかっていうのも含めて考えないといけないのでまだそこまで結論に至ってないんですけど、こういう体験をすると今まで考えていたカスタマージャーニーマップっていうのは割とこうステレオタイプでかつ、狭い視点の中でしか考えてなかったなってこういう体験もあるのかっていうのができたのはすごい良かったですね。

ぜひ皆さんも幕屋学園、まぁまず是非フォートナイトを一緒にやりましょう。これは本当に是非、お願いします。

屈折率の理解

屈折率って何か分かりにくいなって思ってたんですけど、多分これですね。

屈折率というのは、屈折率が大きくなればなるほど速さが小さくなるっていうこの逆の関係になってるっていうのが、この分かりにくさのすべてなんじゃないかと思います。

実際にこの速さだけじゃなくて角もそうなんですけど、この屈折角もそうなんですけど、屈折率が大きくなるということが他の要素が小さくなるというこの逆の関係性みたいな、逆の方向性みたいなこれが分かりにくさなんじゃない。

だから逆に言うと、だから逆数にしてるんだなっていうその逆の方向向いてるから逆数にしてると思えば、これでスッキリしたんじゃないかなと思います。

屈折率と速さの関係

例えばその速さが3メートル毎秒で波が進んできて、それが倍数入って2メートル毎秒になりましたっていうこれは3に対して2になったので、66%になりましたという表現をするのが自然な感覚だなと僕は思ったんですけど、そうではない。

屈折率というのを表現するにあたっては、その屈折率が大きくなったから大きいものに入ったから、速さが遅くなったという表現になるので、2の屈折率ではなくこれを2分の3つまり1.5というその屈折率だと、もともとよりもその進みにくくなったと屈折すること進みにくくなったということで、1.5の進みにくさ屈折度合いみたいな表現をしたいということで、2分の3にするしかないということかなと思います。

屈折率と角度の関係

そう考えると屈折角もなんかうまいことを言ってるなぁと思ったのは、ここら辺も整合性取れてるなっていう意味でこれが由来とかではないと思うんですけど。

屈折角って培出に対して垂直な線を引いてそこからの角を見るじゃないですか。

あれもそっちである必要性は何?みたいなのもあると思うんですけど、そっちなの?っていう培出の方からの角を見ればいいんじゃないの?みたいなのも多いんですけど、これここでも整合性が取れてると、何でかっていうと、屈折率が大きくなるほど角がさっき言った速さは遅くなると、屈折率が大きくなるほど速さは遅くなる小さくなる。

じゃあ同じように他のやつも屈折率が大きくなるほど小さくなるって表現ができると、一緒のイメージで持ってる一緒の式で表せる一貫性があるように見えるわけですよ。

とすると屈折率が大きくなった時に角が小さくなるように表現するにはどうしたらいいかというと、実際にサインで取るわけですけど、この角をまさにその垂直、培出に対して垂直な線を引いた時のそこからの角を取って、そのサインにすれば屈折率が大きい時にはここが小さくなるわけですよ。

屈折率が小さくなるとここが大きくなるわけですよ、ということになるので、ここもうまくリンクしてるなということだというふうに考えるとすごくスッキリしましたね。

屈折率の理解のまとめ

ということは屈折率っていうのが見てるそれぞれの要素、速さとかあとは今の場合の角とかですね、っていうこととリンクさせる時に方向性が逆だから逆数にして、1.3が2になったことを1.5と表現するというために逆数にしているんだなという理解でスッキリするかなと思います。

■ AIを使った学習体験

AIを使って勉強する形っていうのが自分の中でだんだん定着してきて、毎日すごい楽しいんですよね。

今までの学習体験だと、ここから先にはいけないストッパーみたいなものがたくさんあったんですが、全部外れていく感じがして、それがすごく気持ちよくって。本当に新しい体験ですよね。

数学にしても、物理にしても、ググったら出るかもしれないけど、10分とか15分でググっても答えまで行き着けそうになさそうなものって結構あるじゃないですか。
15分かけてそこに行き着くための道筋が見えるならまだいいんですけど、それさえも見えないかもしれないみたいな状態における脇道にそれるハードルの高さ。。（本来は脇道ではないんですが）

■ 学習の壁と向き合う

だからそういうときは、一旦寝かせておいて無理やり進める形が多かったんですよね。

最近だとSwift UIの本を読んでて、Swift UI「入門」っていう本だったんですけど、Swiftではなく「Swift UI」の入門であるがゆえにSwiftのことは結構前提が前提すぎるっていうか、難しかったんですよね。
Swiftの入門書も一応読んでいたし、簡単な実装みたいなものはしていたんですけど、それでも全然読めなくて。
こういうことって何かを学んでるときって意外とよくあるじゃないですか。

■ 学習の進め方

さっきも言ったように、こういう時には無理やり読み進めるっていうことを僕はやっていて、まず1周目は分からなくてもいいから読んでいくというスタイル。
開発周りの場合は手は動かせるので、実際に実装はしてみて、動くには動くという状態を重ねていくと、だんだん時間が経つにつれて慣れてくるし色々と情報も得ていいくしで、いつの間にか分からなかったことが当たり前に分かってるみたいな。
こういう流れで進めることが多かったんですよね。

■ AIツールとの共生

それがChatGPTもそうですし、他のAIツールも、それこそネイロもそうだし、Kakeraもそうだし、色々組み合わせながら、ある意味自分専属の家庭教師みたいなのが何人もいる状態みたいになっていて、各サービスという意味でも4〜5人いるし、その中で人格もそれぞれ出来上がっていくと、サービスごとに3〜4人くらいいるとなると、10~20人というものすごく多くの家庭教師みたいな人たちがいる状態になっている。
で、さっきみたいな分からない部分に出くわしても、その分からないところを膨らませるためだけの目次を書いてもらって、読みたいところから読んでいって、、とやればいいわけですよね。
そうこうしている間に、楽しくていつの間にか2時間とか3時間とかあっという間にたってしまうという（さっきの15分とかって話、どこ行ったんだよって話なんですけど）
最初の10秒でちゃんと入口からちゃんと歩き始められれば、そこから先の部分は2時間3時間かけて理解するのも全然苦じゃないんですよね。

■ 学習の進化

こういう感じでやってると、本当に知りたいことはちゃんと知れるし、気になったことも逐一ちゃんと拾っていって、また戻ってくるみたいなことができるという。。

こういう体験をこれまでやろうと思っても、その分野の知識がある人に一対一で質問しない限りできなかったことだはずなんですよね。それが今やどんな分野でもある程度できるっていう。
どんな分野は言い過ぎか。
まぁとにかく、未だにこの感覚に慣れず感動している。

■ AIと共に学ぶ新たな体験

この前も遺伝子の本を読んでて、遺伝の話とか結構昔にやったけど全然覚えてなくて、でも理解してから読み進めた方が面白いだろうなと思うところがあったんですよね。
でも本を読んでる途中で先に進みたいので、あんまり長く時間とりたくない、できれば1時間ぐらいがいいな〜という、絶妙なバランスにもいい感じに答えてくれる。

その時はKakeraに続きを書いてもらって(下に実際に書いてもらったリンクはりました)、遺伝子の僕が知りたいところの目的を一回バーッと作ってもらって、興味あるところザーッとつまみ食いしながら、さらにわからないところをもう一回深掘ってもらって、みたいなことをぐるぐる回して（同時にGoogleを横に置いといて、ファクト的に本当かなみたいなものはそこで調べるっていうのはちょこちょこやって）たら、結局全体で40分ぐらいですかね、いい感じにその本を読むのに知りたいところまで分かって本に戻りました。

そのときに書いた内容↓
kakera.link/collections/15…

■ 学習体験の変化

参考書読みながら電子辞書を調べる感じに近い感じで、Googleで調べてる感じですね。電子辞書と違って単語を調べるのではなく、記事とか論文を調べて読む感じなので若干重いですが。

ここら辺の流れもすごく安心感あるというか、気持ちがいいというか。
そういう深掘りしながら、ファクトチェックをGoogleでやりながら、面白い記事にも出会ったりすると、興味湧いた上にベースの理解はあるので、普段なら読むのが面倒くさそうな記事でも興味持てて読めたりして、面白く全体が進むみたいな。すごいんですよ、本当に。

■ 学習体験の感想

すごいんですよって、わざわざ僕が言うまでもなくやってる人も多いと思うんですけど。すごいですよね。

半年前に全くやってなかった学習体験でずっとゾワゾワし続けるっていう、数学とか、それぞれ好きな分野の中にあると思うんですよ、この瞬間ゾクゾクくる面白さがあったみたいな、いわゆる理解とか体系化みたいなものが同時にザザッときて、ゾクゾクするみたいな体験。
学習時間の中で2％とか3%ぐらいあるかなという感じだと思うんですけど、これが急に2割ぐらいまで10倍に膨れ上がってる感じっていうのが、もうすげえなって（すごいしか言ってない気がしてきた）。

■ 本題

んで、ここからが本題なんですが、そこで改めて考えないといけないなと思っているのが、僕が自分で作るコンテンツのトーンどうするか問題なんですよ。
っていう話をしようと思ったんですけど、ちょっと長くなったので次回にその話しようと思います。

とにかくこの、本当にゾクゾクくくる感じが学習に広がってる、これはやばいぞこれは楽しいっていう、まずそれが前提な感じがいいですよね〜。

OpenAIのAPIとファンクションコーリングの利用

今回のこの長文に文ごとに解説をつけるっていうアップデートについては、OpenAIのAPIの中でファンクションコーリングっていうのを使ってるので、これの紹介をしたいなと思うんですけど。このファンクションコーリングの利用例っていうのは、いろいろ書いてる人いるんですけど、なかなかイメージが持ちづらかったんですね、僕。なのでどこで使うかなみたいな、圧倒的にこういう便利そうっていうところも、はまるところあるんですけど、何が便利かっていうのをぼやっと考えると、行き着けないみたいなところがあったので、これ一つの参考例になるかなと思うので、紹介しようと思います。

ファンクションコーリングの概要

まずファンクションコーリングについては、ちょっとドキュメントを見ていただきたいんですが、ちょっとだけ解説すると、まずここのファンクションコーリング自体のイメージが付きづらいっていう問題があるので、ここはちょっとだけ解説したいんですけど。

ファンクションコーリングのイメージのしづらさの原因となるのが、2回プロンプトを送るっていうことなんですよね。やっぱり1回、例えば今から例として出す、「ボストンの8月の平均企業を教えてください」って、これ1回送って1回でパンと返ってくるんだ、AIすげえっていうのは分かりやすいと思うんですけど、これが1回送って帰ってきたものを、こっちでもう1回送り返して、帰ってきたものが最終的に答えであるっていう、これがめちゃくちゃ分かりにくいと、分かりにくいっていうかイメージがしづらい、アイディアが生まれづらいっていうのが、ここなんですよね。

ファンクションコーリングの利用例

例えばどういうことかっていうと、こちらから送るプロンプトを今みたいに、「ボストンの8月の平均企業を教えてください」って送るわけですけど、そのときに本当はこっちで、「ボストン8月平均企業」っていう三つ指定されたら、何度、例えば30度って出せるデータシステムを僕が持ってるとするじゃないですか。

そうすると別にわざわざAPIを経由させて、AIということにしたら、その相手のAIにそれの答えを出してほしいわけではないんですよ。こっちが正確なデータ持ってるわけですから、この正確なデータを返したいわけですよ。でもユーザーから文章で、「ボストンの8月の平均企業は何度ですか」っていう、この文章に対して、「ボストン8月平均企業」っていう三つの要素を抜き出すっていうのは、これはいろんな書き方が、自然言語ですからあるっていう意味で、ここが難しいわけですよね。

そこで関数は僕のほうで持ってると、「ボストン8月平均企業」って言ったら、30度ってやるシステムは持ってるから、それを発動させられるようにしてくれっていうのが、これが最初のラリーなんですよ。2つある2回ラリーするうちの最初のラリー。

なのでその最初の「ボストンの8月の平均企業は何度ですか」っていうテキストをAIに送ると、OpenAIのAPIに送ると、そこで「ボストン8月平均企業」っていう三つの情報を返してくれるという、このラリーが最初に行われます。

この時に僕がその「ボストン8月平均企業」っていう三つの情報が欲しいっていうことを、もちろん伝えてないと返ってこないじゃないですか。なのでこの時にその三つの情報があれば、平均企業を出せるシステムを持ってますよっていう情報、この三つを返してくださいねっていう情報を一緒に投げるわけです。

つまり最初に送るのは、プロンプトの「ボストンの平均企業は何度ですか」っていう文章と、こちら側に平均企業を取得するメソッド関数を持ってます、使いたいなら使えるんでいつでも呼んでねって送るわけです。

もちろん使わないこともあるわけですから、テキストの内容によっては、「ボストンで今流行っているものは何ですか」とかっていうのが来たら、別に関数使えないですから。だからあくまで使えるかどうかの判断も含めて、一回やってくださいと。

返してくるときには、「ボストン」と「8月平均企業」の三つの情報を返してねっていうのを、最初のプロンプトで送りますと、そしたらそこから返ってくるわけですよ。使えそうなのでっていうことが判断されればっていうのを受け取ります。

この段階では別にユーザーにもちろん30度とかっていう、その基本だけポンと出すんだったら、そのまま出せばいいわけですけど、その情報がこっち来て、こっちで30度っていうデータが抽出できるならば、なんですけど、せっかくなら「ボストンの基本は30度です」っていう、割と暑いですねとか、気が利いた文章にしたいわけですよ。

ファンクションコーリングの2回目のラリー

っていうことを考えると、もう1回作ってほしいっていうのがこれ2回目ですと。ここで分岐が起きるのは、今言ったように30度ですという情報はこっちでもゲットできるので、30度っていう情報が分かったら、ポンと30度って返してもいいし、もう1回その内容を、もう1回ヨシナにやってくれっていうのを、もう1回AIに頼んでいい文章を作ってもらう、適切というか気の利いた文章を作ってもらう、っていうことをしてもいいという、この2個の選択肢が生まれるわけです。

校舎を選んだ場合には、校舎には最初に送った「ボストンの平均気温は何度ですか」っていうのと、関数項に使いますよって送った最初のデータと、もう1個こっち側で情報を取得しましたよっていう、その30度ですよっていう、30度っていうのを一緒に送ってあげるわけです。

そしたらその30度を組み込んで、「ボストンの8月の平均気温は30度でした、ほどほど暑いですね」みたいなことが、AI側から返ってくるので、それをシステムは取得して表示するみたいなことをするという、こういう形になってるわけですけど。

今回のエグボックスの文の解説に関して

今回のエグボックスのこの文の解説に関しては、まず最初に文ごとに区切らないといけないので、それはシステム側で先にやっちゃいます。その文1個1個区切った文に対して、その文ごとに1個1個ファンクションコーリング使って、この文に対してこっち側で欲しい情報は、キーワードとかあとは文法的な解説とか、こういうものですよって4つ5つぐらい指定しておいて、それを送ってもらいます。

それを文ごとに全部やるので、7文あったら7回それを送って、7個の文に対してキーワードである単語とか、熟語のリスト、その文法的な解説とかっていうのが、1個1個に対して返ってくるという形になってます。

さっき言ったようにこれをシステム側に組み、システムとしてもそこから表示しちゃうのか、もう1回ラリーを行うのかでいうと、このエゴボックスの今回のアップデートに関しては、もう1ラリーは行ってません。なので、こちらが欲しいデータの形で1回もらったら、それをそのまま保存してそれを表示してるという形になっています。

話してて思ったよりややこしいなというのは、難しいというよりややこしいですね、というのを思ったんですけど、こういう形になっているので、ファンクションコーリングのこの2択含めて、どっちも使えるマインドに持っていくのを、意外といろんなパターンを実装してみないと難しいなと思ったので、参考になるかなと思って紹介してみました。少しでも参考になると嬉しいです。

ということで本数字リートはちょっとずれましたけど、技術的な紹介も少しだけしてみました。とにかく本題としてはこの本文のほうですね。ぜひ使ってみていただけると嬉しいです。

ネタとラジオの間あたり

ネタみたいな30分と10分でもいいんですけど、5分でもガッチリ喋るみたいなものっていうのも世の中にいっぱいあって面白いと思いますし、一方でその今ラジオ2時間とか1時間とかラジオみたいな、とにかくその場でバーッと喋ってる風のものもあります。もちろん、いろいろと準備はしてるんだと思いますけど、そこで繰り広げられる会話みたいなものという楽しみ方っていうか話っていうのもあると思うんですけど、この間みたいなものっていうのは何でこうあんま出てこないのかなっていうのを、まさにこの今話してるような感じのところはそれを探りに行ってるんですけど、まだ答えっていうかここら辺のトーンかなっていうのは見つかってないんですけど。

Twitterっぽい音声コンテンツのトーン

Twitterがやっぱり僕はX社になってしまいそうな感じはありますけど、そのXというTwitterがやっぱり僕はすごくいいメディアだなと思っていて、メディアっていうかSNSというか、自分が日常を吐き出すのにすごくフィットしてるじゃないですか。あの感じを音声コンテンツで出すこともできて、聞き手側もそれが自然と受け入れられるみたいな感じにならないかなと思ってるんですよね。

新しい形式の模索

そうするとその時の、だから今それに当たるものがこれだっていうのにあんまり出会ったことはないので、全然その答えがあるとかでも今ないですし、今僕は模索しながら喋ってる感じではあるんですけど。冒頭に挨拶をして自分の名前を言うとかで始まるとかじゃないじゃないですか、Twitterの感じって。話したいことをポツポツ話していくのであれば、スタートは本当に話し始めるぐらいですし、あともう一個終わりですよねという話でしたというわけで、ではまたみたいなんじゃなくて、っていうのを思ったんですよね。ぐらいの感じで終わるのが自然となっていくと、ポツッと2,3分話すみたいな感じになるというか。

音声コンテンツの可能性

たまにありますよね、Twitterにも音声配信というか音声投稿ができますけど、とかの中であったりとかっていうのはあるので全くないわけじゃないんですけど、なんかそれをみんながしてる状態にならないとやっぱりそこが聞き手側も、すっと受け入れる雰囲気にならないというかという感じがあると思うので、それがいい感じに何とか確立されないかなっていうのを最近というかずっと思ってるんですけど。

音声コンテンツの開発

ネイロ開発しながらより、このゾーンのトーンってどういうかだからBGMがあった方がいいんだろうかとか、そういうのでだいぶ雰囲気とか聞きやすさとか話しやすさも含めて変わると思うので、そこらへんうまいとこ見つけたいですね。