テキストを入力すると AI がモーションを生成し、 VRMA (VRM Animation / .vrma) ファイルをブラウザ内で生成して、 その場で VRM キャラクターを動かす Web アプリです。 生成した .vrma はファイルとして保存でき、VRMA 対応アプリでそのまま利用できます。

例:「その場で歩く」「喜んでジャンプする」「手を振る」「悲しそうにうつむく」

• 📝 テキストからモーション生成 (日本語OK) — LLMキーフレーム / NVIDIA ARDY の2エンジン
• 🎬 生成したモーションを GIF / 動画 (1080p) で書き出し — SNSにそのまま共有できます
• 🎨 背景色の自由指定 — グリーンバック等のクロマキー合成用の単色背景にできます
• ⏱ モーションの長さを秒数で指定 (空欄で自動判定・「自動補正」オプションあり)
• ▶ 再生シークバー — 現在秒数の表示、任意の地点へスクラブ、一時停止
• 📍 経由地モード — 3Dビューの床をクリックして移動経路を指定 (ARDY)
• 😊 表情の自動生成 + 4言語UI (日本語 / English / 中文 / 한국어)
• 🔌 OpenAI互換プロバイダ対応 — OpenRouter / DeepSeek / Ollama 等も使えます

生成エンジンは2種類から選べます:

ARDYモードは GPT (頭) × ARDY (体) のハイブリッドとして動作し、APIキーがあれば 依頼内容に応じて2つのエンジンを自動で使い分けます。

モーションと同時に表情 (笑顔・悲しみ・驚き・まばたき等) も生成されます。 .vrma 保存時に「表情を含める / 含めない (ボーンモーションのみ)」を選択できます。

UIは 日本語 / English / 中文 / 한국어 の4言語に対応 (画面右上のセレクタで即時切替。 初回はブラウザの言語設定から自動判定) 。 The UI is available in Japanese, English, Chinese and Korean — switch instantly from the selector at the top.

🎁 ビルド不要で使いたい方 (Windows): Releases から最新版のzipをダウンロード — 解凍してexeをダブルクリックするだけ (インストール不要、ARDYエンジンのセットアップ一式も同梱)。 以下のセットアップは全て不要です。

ソースから動かす場合は2通りあります。迷ったら A. ブラウザ版 が最短です。

事前に必要なもの:

VRMモデルは VRoid 公式サンプルモデル (AvatarSample) の VRM1.0 版・VRM0.0 版を同梱しており、起動時に VRM1.0 版が読み込まれます。手持ちの .vrm への 差し替えも可能で、0.x / 1.0 の両形式に対応しています (three-vrm が自動判別し、向きも正規化)。

git clone https://github.com/Kirakun0328/text-to-vrma.git
cd text-to-vrma
npm install
npm run dev
# → http://localhost:5173 をブラウザで開く

git clone https://github.com/Kirakun0328/text-to-vrma.git
cd text-to-vrma
npm install
npm run build
npm run app:dev

• Electron 版は Vite のビルド結果 dist/index.html を読み込みます。初回とソースコード変更後は 必ず npm run build を実行してから npm run app:dev で起動してください (ビルド済みのまま再起動するだけなら npm run app:dev のみでOK)
• Codexサブスクリプション認証はデスクトップ版専用です (ブラウザ版はAPIキーのみ)。 使う場合は事前に Codex CLI のインストール・認証・PATH設定を済ませてください (Codex CLI はアプリに同梱されません)

1. 起動するとサンプルモデル (AvatarSample VRM1.0版) が読み込まれます。 「VRMファイルを開く」または 3D ビューへのドラッグ&ドロップで手持ちの VRM に差し替え可能
2. 生成エンジンを選択
   • OpenAI APIキー: キーを入力し、モデルを選択します。キーはブラウザの localStorage にのみ保存され、OpenAI 以外には送信されません。 「🔌 OpenAI互換プロバイダを使う」からベースURL・モデル名を指定すれば、 OpenRouter / DeepSeek / Ollama 等の互換APIも使えます
   • Codexサブスクリプション（デスクトップ版）: 「ChatGPTでログイン」を押して 既定ブラウザで認証します。既にCodex CLIでログイン済みなら、その認証を再利用します
   • ARDYローカルエンジン: ローカルで動くモーション生成AI (下記セクション参照)
3. テキストで動きを指示して「▶ モーション生成 & 再生」 (Ctrl+Enter でも可)
   • 「⏱ 長さ (秒)」で生成するモーションの長さを指定できます (空欄なら自動判定)。 「長さを自動補正」ONにすると、動作数に見合った自然な長さへ自動調整します
   • 「ループ再生」で 自動 / 常にループ / 1回だけ を選択できます
   • 「🔍 自己修正」(LLMモード) では生成後にもう1パスかけて品質を上げます
4. 生成された動きは3Dビューで再生されます
   • 下部の再生バーで現在秒数の確認・任意地点へのスクラブ・一時停止ができます
   • 右上のカメラリセット / フルスクリーン、下部の背景切替でプレビューを調整
5. 「4. 書き出し・共有」から出力
   • ⬇ .vrma 保存 — VRMA対応アプリ (VRoid Hub / cluster 等) で使えるファイル
   • 🎞 GIF書き出し / 🎬 動画書き出し — 1080pで書き出してSNSにそのまま共有
   • 生成履歴の各項目からも再生・保存・GIF/動画書き出しができます

NVIDIA Research の text-to-motion モデル ARDY (SIGGRAPH 2026) を ローカルで動かし、モーションキャプチャ品質の全身モーションを生成するモードです。

できること:

• 歩く・走る・踊る・ジャンプ・格闘などの全身運動を、実際の人間のモーション キャプチャデータで学習したAIが生成 (重心移動・勢い・足の接地が本物らしい)
• 日本語プロンプトOK — ローカル翻訳 (FuguMT) で自動英訳。 OpenAI APIキーが保存済みなら GPT が英訳+連続動作の分割まで行い、精度が上がります
• 📍 経由地モード — 3Dビューの床をクリックして経由地を置くと、 キャラクターがその順番に通るモーションを生成 (右クリックで1つ取り消し)
• 「歩いて走ってジャンプして転んで」 のような連続動作も、GPTが動作を分割・ 検証して最大12動作まで繋げて生成します (APIキー保存時)
• モーションの長さは秒数で指定 (0.1秒〜) または内容から自動判断。表情・ループ可否も自動
• 生成回数無制限・完全ローカル (セットアップ後はオフラインで動作)

動作要件と速度:

💡 ARDY公式のデモはVRAM 20〜24GBを要求しますが、本アプリはモーションモデル本体の GPU使用を実測で約1.2GBまで削減しています (VRAMの大半を占めるテキスト理解部の 8B LLM をCPU側で動かす構成のため)。生成中もVRAMはほぼ増えません (実測 +約12MiB)。 モーションモデル本体・拡散ステップ数は公式そのままなので 生成品質は一切落ちていません。 ※ 数値は nvidia-smi による実測 (プロセス停止/起動時のVRAM差分)。 モデル使用は約1.2GBで生成しても増えないため、デスクトップ表示分を足しても VRAM 4GB のGPUで十分動く見込みです (動作確認は12GBで実施。4〜6GBは未検証のため推奨6GB以上)。 GPUがなくてもCPUで動作します (生成が数倍遅くなります)。

品質を支える3層構成 — 役割分担は「GPTが頭、ARDYが体」:

APIキーなしでもローカル翻訳 (FuguMT) で完結しますが、キーがあると 「走ってからジャンプして、最後にお辞儀」のような複雑な指示の再現度が上がります。

セットアップ (Python 3.10+ と git が必要。約20GBダウンロードします):

Windows:

powershell -ExecutionPolicy Bypass -File tools\ardy-engine\install.ps1

macOS:

bash tools/ardy-engine/install_mac.sh

macOSでHomebrewが未導入の場合は、セットアップ中に自動でインストールされます。 macOS対応は @emadurandal さんのコントリビュート (#2) によるものです。 開発者による動作確認はWindowsのみです (macOSの不具合報告・修正PRを歓迎します)。

完了後、エンジンを起動してからアプリの「ARDYローカルエンジン」モードを選択します。 詳細・手動起動・APIは tools/ardy-engine/README.md を参照してください。

本機能は Meta Llama 3 をテキストエンコーダとして利用しています。Built with Meta Llama 3

[LLMキーフレームモード]
テキスト ── OpenAI API / Codex CLI ──▶ モーション spec (ボーン別オイラー角キーフレーム JSON)

[ARDYモード]
テキスト ── GPT (英訳・動作分割・エンジン振り分け) ──▶ ARDYエンジンサーバー (localhost:2337)
              │                                        │ 拡散モデルで20fpsモーション生成
              └ APIキーなしならローカル翻訳            │ → 足滑り補正 → VRMリターゲット
                                                       ▼
                                          モーション spec (共通フォーマット)

spec 以降は両モード共通:

                          モーション spec
                                   │
                                   ▼
              vrmaBuilder.js ── glTF + VRMC_vrm_animation 拡張 → GLB (.vrma)
                                   │
                                   ▼
              viewer.js ── three.js + @pixiv/three-vrm-animation で VRM に再生

LLM が生成する中間表現です:

{
  "name": "wave",
  "duration": 2.6,
  "loop": true,
  "tracks": {
    "rightUpperArm": [
      { "t": 0, "r": [0, 0, 70] },
      { "t": 0.4, "r": [0, 0, -45] }
    ]
  },
  "hips": [ { "t": 0, "p": [0, 0, 0] } ]
}

• r = T ポーズからのオイラー角 [X, Y, Z] (度) / p = 腰位置オフセット (m)
• expressions は VRM プリセット表情 (happy / blink 等) のウェイト (0〜1)。 プレビューでは常に再生され、.vrma 保存時は含めるかどうかを選択できます (再生側アプリが VRMA の表情トラックに対応している必要があります)
• 座標規約: モデルは +Z 正面 / +X が左手側 (VRM 1.0 準拠)

• 動作確認環境: Windows 11 (macOS / Linux では動作未確認です。 ブラウザで動く Web アプリのため動作する見込みはありますが、保証はありません)
• APIキーモードのモーション生成には OpenAI API の利用料が発生します (1回あたり数円〜十数円程度。 使用モデルとモーションの長さによって変動)
• OpenAI の データ共有プログラム (Complimentary daily tokens) を有効にすると、1日あたりの無料トークン枠内で無料で試せます (API の入出力が OpenAI のモデル学習に共有される点に注意。対象アカウント・地域の条件あり。 本プログラムは OpenAI 側の都合で変更・終了される可能性があります)
• Codexモードはログイン中のChatGPT/Codexプランの利用上限と組織ポリシーに従います。 Codexサブスクリプションの本ツールでの利用が OpenAI の利用規約・ポリシー上 許容されるかは利用者自身でご確認ください (利用は自己責任です)
• アプリ内のCodexログアウトは、このPC上のCodex CLI全体のログイン状態へ影響します
• ARDYローカルエンジンを使う場合でも、OpenAI APIキー (または互換API) を設定しておくと、 複雑な動作の解釈・分割・検証を AI が担い、より意図どおりのモーションになりやすくなります (APIキーが無くてもローカル翻訳で動作します)
• ARDYローカルエンジンは実験的機能です。モデルの性質上、同じテキストでも生成のたびに 違うモーションになります (気に入らなければ再生成してください)。 モデル重み (NVIDIA ARDY / Meta Llama 3 / FuguMT) は本リポジトリに含まれず、 セットアップ時に各配布元 (Hugging Face) から利用者自身がダウンロードします。 各モデルのライセンスは THIRD_PARTY_NOTICES.md を参照してください
• 生成される .vrma の利用は各自の責任で行ってください

本ソフトウェアは現状のまま・無保証で提供されます。 本ソフトウェアの利用または利用不能により生じたいかなる損害 (API 利用料、データの損失、生成物に起因するトラブル等を含む) についても、 開発者は一切の責任を負いません。 生成された .vrma の利用、および各種AI・APIの利用は、各自の責任で行ってください。

Text-To-VRMA は、個人開発の無料オープンソースです。

「テキストを打つだけで、誰でも自分のキャラクターを動かせる」—— その世界を目指して、NVIDIAの最新モーションAI (ARDY) の統合のような挑戦も含め、 これからも便利で使いやすいオープンソースを公開していく予定です。

正直に書くと、いまは職を離れ、生活的に厳しい状況の中で開発を続けています。 それでも作りたいものがたくさんあります。もし本ツールが役に立ったなら、 応援・ご支援をいただけるととても励みになります 🙇

Text-To-VRMA is free & open-source, built by an independent developer in Japan.

The goal: anyone can bring their VRM character to life just by typing — powered by state-of-the-art motion AI, running on your own PC, free forever.

I'll be honest: I'm currently between jobs and building this through financially difficult times. But there is so much more I want to create — more open-source tools for the VRM / VTuber / creative community.

If this tool helps you, or you simply want to see more projects like it, your support genuinely keeps this work (and its developer) going 💚

スターを付けてもらえるだけでも大きな励みになります! / Even a ⭐ on this repo means a lot!

• @emadurandal — macOS対応 (ARDYエンジンのmacOSインストーラーと起動安定化、#2)、および長さ指定の不具合報告 (#5)。 素晴らしいコントリビュートをありがとうございます!
• @taiyop — Electronデスクトップ版のビルド・起動手順をREADMEに追記 (#3)。 ありがとうございます!
• @zzmzaizai — OpenAI互換プロバイダ対応のご提案 (#4)。 ありがとうございます!

バグ報告・機能提案・PRを歓迎しています。特にmacOS環境の改善はコミュニティの力が頼りです。

• X (Twitter): @Kiratchi0328

• ソースコード: MIT License (Copyright (c) 2026 Kiratchi)。 MIT License はソースコードにのみ適用され、サードパーティ素材 (同梱 VRM モデル等) は対象外です (詳細は THIRD_PARTY_NOTICES.md)

• クレジット表記のお願い: 本ツールをアプリやサービスに組み込む場合、 義務ではありませんが、画面やクレジット欄に以下のような表記をしていただけると嬉しいです。

  Motion generation powered by Text-To-VRMA (© Kiratchi)
  https://github.com/Kirakun0328/text-to-vrma
  

  なお MIT ライセンスの条件として、コードのコピー・再配布時には上記の著作権表示と ライセンス文の同梱が必要です。

• ARDYローカルエンジンが利用する外部モデルのライセンス:

  • NVIDIA ARDY — コード: Apache-2.0 / 重み: NVIDIA Open Model Agreement (商用利用可)
  • Meta Llama 3 — Meta Llama 3 Community License。本機能は Built with Meta Llama 3
  • FuguMT (日英翻訳) — CC BY-SA 4.0
  • 詳細は THIRD_PARTY_NOTICES.md を参照

• 同梱の AvatarSample モデル (© pixiv Inc.) は MIT ライセンスの対象外です。 ピクシブ株式会社の AvatarSample A〜Z 利用条件 が適用されます (無償利用・再配布可 / 有償での再配布と CC0 としての配布は禁止)。 モデルに関する著作権その他の権利は各権利者に帰属します

• その他の VRM モデルは各モデルの利用規約に従ってください

• 生成された .vrma は MIT ライセンスの対象外で、生成した利用者のものです。 本プロジェクトが生成物に権利を主張することはなく、商用含め自由に利用できます