AITuber-KitをDocker Desktopで試す

これは何？

AITuberKitをWindowsPC(GPUあり)で Docker Desktop を使ってローカルで試した記録です。個人的なDockerの学習を兼ねています。

AITuberKit とは

pixivのChatVRMをフォークして開発された、AIキャラクターと音声チャットできるWebアプリを構築できるオープンソースのツールキットであり、Next.jsアプリです。ライセンスは以下のとおりとなっています。

• 無償利用
  • 営利目的以外での個人利用、教育目的、非営利目的での使用は無償で利用可能です。
• 商用ライセンス
  • 商用目的での使用に関しては、別途商用ライセンスの取得が必要です。

2026年7月にPRTIMESの記事があがっています。

開発者はニケちゃんという方ですが、2025年11月に開発停止が宣言されているので、その点ご留意ください（クリティカルな不具合の修正、商用ライセンス販売等は継続となっています）。

確認環境

• Windows 11 Pro（25H2）
• NVIDIA GeForce RTX3060（12GB）ドライバインストール済み
• WSL2有効化済み
• Docker Desktop 4.81 インストール済み
• Git インストール済み

Docker Desktop は下記のとおり一定規模以上の組織での商用利用は有償ですので、ご留意ください。

Commercial use of Docker Desktop in larger enterprises (more than 250 employees OR more than $10 million USD in annual revenue) requires a paid subscription.

前提知識

• キットの性質上、バックエンドに自然言語対話サービス、音声合成サービスを必要としますが、これらの構築を Docker Compose に任せます。ここではローカルで ChatGPT のようなことができる ollama とずんだもんで有名な VOICEVOX を利用します

• 「Docker上でGPUを使うには、NVIDIA Container Toolkit が必要なのでは？」と思うかもしれませんが、Docker Desktop が橋渡しをしてくれるので、不要となっています
  (参考：Windows版Docker DesktopにおけるGPUサポート)

セットアップ手順

1. レポジトリのクローン

git clone https://github.com/tegnike/aituber-kit.git
cd aituber-kit

ここで取得したバージョンはv2.59.0でした。

2. 設定ファイル(.env)の作成と更新

cp .env.example .env

• 環境変数を設定します。設定は compose.yaml でも行えますが、compose.yaml の方が変更コストが重いので .env の方で設定します（個人で試す分にはあまり関係しませんが…）
• サーバー側秘匿キーのAPI利用制御である AITUBERKIT_SERVER_SECRET_ACCESS_MODE を unprotected 「従来互換。公開URLでは非推奨」に設定していることに特に注意してください

.env

-NEXT_PUBLIC_SELECT_LANGUAGE="en"
+NEXT_PUBLIC_SELECT_LANGUAGE="ja"

-AITUBERKIT_SERVER_SECRET_ACCESS_MODE="disabled"
+AITUBERKIT_SERVER_SECRET_ACCESS_MODE="unprotected"

-NEXT_PUBLIC_SELECT_AI_SERVICE="openai"
+NEXT_PUBLIC_SELECT_AI_SERVICE="ollama"

-NEXT_PUBLIC_SELECT_AI_MODEL="gpt-4o-2024-11-20"
+NEXT_PUBLIC_SELECT_AI_MODEL="gemma4:e2b"

-NEXT_PUBLIC_LOCAL_LLM_URL=""
+NEXT_PUBLIC_LOCAL_LLM_URL="http://ollama:11434"

-VOICEVOX_SERVER_URL="http://localhost:50021"
+VOICEVOX_SERVER_URL="http://voicevox:50021"

-NEXT_PUBLIC_VOICEVOX_SPEAKER="46"
+NEXT_PUBLIC_VOICEVOX_SPEAKER="0"

3. compose.yaml の作成

• 元々docker-compose.ymlがありますが、compose.yamlを作ってやればこちらが優先されます
• コンテナイメージに latest を使っているのは再現性の面でよくないかもしれませんが、とりあえずこれで

compose.yaml

services:
  app:
    build: .
    ports:
      - '3000:3000'
    volumes:
      - .:/app
      - /app/node_modules
    env_file:
      - .env
    command: npm run dev
    depends_on:
      - ollama
      - voicevox

  ollama:
    image: ollama/ollama:latest
    container_name: ollama
    volumes:
      - ollama_data:/root/.ollama
    restart: unless-stopped
    gpus: all

  voicevox:
    image: voicevox/voicevox_engine:nvidia-latest
    container_name: voicevox
    restart: unless-stopped
    gpus: all

volumes:
  ollama_data:

4. Docker Compose で起動

Docker Desktop を起動したのち、レポジトリのディレクトリから compose を実行します。

docker compose up -d

コマンドの意味は「compose.yaml に定義された、コンテナ群を作成・起動し、バックグラウンドで実行する」です。

しばらく待つと、Docker Desktop の Containers のところが以下のようになります。

5. 言語モデルの取得

ollama のコンテナ環境に言語モデルを取得します。
gemma4 のうち軽量なエッジモデルを選択します。

docker exec -it ollama ollama pull gemma4:e2b

コマンドの意味は「Dockerコンテナ ollama の中で ollama pull gemma4:e2b コマンドを実行し、ダウンロードの進捗を対話的に表示する」です。

6. ブラウザアクセスと設定、動作確認

あとはブラウザでアクセスすれば、音声対話可能になります。自分は Chrome で試しました。なお、初回の応答には時間がかかります。

うまくいかない場合は Webアプリの「設定」内容や、Docker Desktop の Containers からログを確認しましょう。また、AITuberKit には充実したドキュメントサイトがあります。昨今であれば、表示されたメッセージ、遭遇した現象、疑問に思った内容を生成AIに聞いた方が早いかもしれません。

7. コンテナ群の停止

サービスを停止する場合は、Docker Desktop を終了させればよい気がしますが、コマンドで止める場合は以下のとおりです。

docker compose stop

upと対応するdocker compose downだと、コンテナをすべて削除してしまいますので。