Event

自治体総合フェア2025に出展いたしました

Qualiteg　ビジネス開発本部 | マーケティング部

2025年7月21日 — 6 min read

こんにちは！

先週開催された自治体総合フェア2025に出展いたしましたので、写真で様子をふりかえりながら簡単にレポートいたします！

自治体総合フェア2025 開催概要

自治体総合フェアは公民連携の総合展示会で今年はは2025/7/16～18まで東京ビッグサイトにて開催されました。

株式会社 Qualiteg の出展内容

当社からは４名体制でAIアバター動画生成サービス「MotionVox™」をはじめ、LLMセキュリティソリューション「LLM-Audit™」、企業・自治体向けセキュアチャットサービス「Bestllam🄬」の展示をさせていただきました。

デモ内容

当日のご紹介内容の一部をご紹介いたします

MotionVox™

MotionVox は、まるで、本物の人間のようなフォトリアリスティックなアバター動画を生成するサービスです。
これまでから機能を大幅拡張した MotionVox 2.0 をお披露目いたしました。
MotionVox 2.0では、以下のようなフィーチャーを追加いたしました！

まるで人間！　リアリティをさらに向上したアバター
10言語をペラペラしゃべる！　多言語動画、一括生成
煌めく美声！　100名を超える声優から選択できるアバターボイス
テレビ番組さながら！　ニュース風やインタビュー風、対談風といった多彩なシーン選択

MotionVoxなら、多言語の動画作成も簡単です。
当日は自治体が発行する通知文をもとに、多言語動画を生成するデモンストレーションをご覧いただきました。

日本語をしゃべるアバター

英語をしゃべるアバター動画を自動生成

韓国語をしゃべるアバター動画を自動生成

LLM-Audit™

LLM-Audit は従業員・職員がAIに対して個人情報を漏洩しそうになったとき、それを未然に防ぐことのできるLLMセキュリティソリューションです。当日は、LLMサービスへの情報漏洩の検出と遮断デモをご紹介させていただきました。自社データを「うっかり」ChatGPT等の外部LLMサービスに送ってしまうことを防止することが可能です。

Bestllam™

Bestllam(ベストラム)は自治体・企業向けのセキュアLLMチャットサービスです。「業務効率化のためにChatGPTを使いたいが、米国企業のサービスで、データが海外サーバーを経由する可能性があるため、導入が認められない」というケースにBestllamは最適なソリューションとなります。

1. 高度なオープンLLMによる代替ソリューション

BestllamはLlama 4やMistralなど、最先端のオープンソースLLMを活用。ChatGPTに匹敵する、あるいはそれ以上の性能を、完全に国内環境で実現します。文書作成支援、要約、分析など、自治体業務に必要なAI機能をすべてカバーしています。

2. 100%国内完結型のデータ管理と安心のセキュリティ

すべてのデータ処理は国内データセンター内で完結。入力された情報が海外に送信されることは一切ありません。また、BestllamではLLM-Audit機能を利用することができるため、LLMへの入出力において高いセキュリティを実現します

3. 複数LLMの同時活用による信頼性向上

Bestllamは複数のモデルを同時に使用することが可能です。このことにより単一のLLMに依存せず、複数のモデルを組み合わせることで、より正確で偏りの少ない回答を生成。行政サービスに求められる公平性・中立性を技術的に担保します。

ChatGPTが使えないからといって、AI活用を諦める必要はありません。Bestllamは、自治体の厳格なセキュリティ要件を満たしながら、世界最先端のAI技術を提供します。純国産・国内完結型のAIプラットフォームとして、日本の自治体DXを力強く推進してまいります。

出展ふりかえり

今回は、多くの自治体・公共機関の皆様にブースへお立ち寄りいただき、貴重なご意見を伺うことができました。お客様ならびに自治体総合フェア主催者さま、地方創生2.0パビリオン主催の内閣府様のご尽力に感謝申し上げます。

今回の出展で特に印象的だったのは、データセキュリティに対する関心の高さです。来場された自治体職員の方々から最も多くいただいた質問が「データは国内で管理されているのか」「海外のサーバーを経由することはないか」という点でした。

住民情報や行政データを扱う自治体にとって、データの保管場所やセキュリティは最重要課題です。特に昨今の国際情勢を踏まえ、データの国外流出リスクに対する懸念は一層高まっています。

この点において、弊社のソリューションは大きな強みを発揮しました。

完全国産・国内完結型のシステム設計に高い評価

当社のAIソリューションは、開発から運用まですべて日本国内で完結しています。データセンターは国内の堅牢な施設を利用し、お客様のデータが国境を越えることは一切ありません※
この「純国産」という特徴に、多くの自治体担当者から安心感を示していただきました。

※機能の一部に海外製サービスのAPIを使っているサービスも「完全国内保証オプション」を有効にすると、一部機能制限をして、完全に国内データ保証をいたします。

「海外のクラウドサービスだと、どうしても難しいところがある」「国産システムなら導入の障壁が大きく下がる」といった声を直接お聞きし、改めて国内完結型システムの重要性を実感しました。

当社は創業以来、「純国産AI」の実現にこだわり続けてきました。海外の大手クラウドサービスに依存する選択肢もありましたが、あえて困難な道を選び、国内でのGPUクラスター構築から始めました。高性能なGPUの調達、冷却設計、ネットワークの最適化など、すべてをゼロから構築するのは決して容易ではありませんでしたが、今回の自治体総合フェアで、多くの方々から「まさにこういうサービスを待っていた」という言葉をいただき、私たちの選択は間違っていなかったと確信しました＾＾

これからも、日本のデジタル主権を守りながら、世界最高水準のAI技術を提供し続けてまいります。

Appendix 自治体総合フェア2025の思い出写真

自治体総合フェア2025は西３．４ホールで開催です。西３・４ホールは２Fなのでご注意を。

MotionVox自治体エディションリーフレット。データ越境無し！完全国内サーバーで動作可能です！

Qualitegは地方創生2.0パビリオン内 S-09 で出展させていただきました

これもアバターです♪MotionVox2.0で大進化。あらゆるシーンのアバター動画が作成可能に！

発話音声からリアルなリップシンクを生成する技術第3回：wav2vec特徴量から口形パラメータへの学習

こんにちは！前回までの記事では、 * wav2vecを用いた音声特徴量抽出の仕組み（第1回）と、 * リップシンク制作における累積ドリフトの補正技術（第2回）について解説してきました。今回はいよいよ、これらの技術を統合して実際に音声から口の動きを生成する核心部分に踏み込みます。本記事で扱うのは、wav2vecが抽出した768次元の音響特徴量を、26個の口形制御パラメータの時系列データに変換する学習プロセスです。これは単なる次元削減ではありません。音の物理的特性を表す高次元ベクトルから、人間の口の動きという全く異なるモダリティへの変換なのです。この変換を実現するには、音韻と視覚的な口形の間にある複雑な対応関係を、ニューラルネットワークに学習させる必要があります。特に重要なのは、この対応関係が静的ではなく動的であるという点です。同じ音素でも前後の文脈によって口の形が変わり、さらに音が聞こえる前から口が動き始めるという時間的なズレも存在します。これらの複雑な現象をどのようにモデル化し、学習させるのか。本記事では、LSTMとTransformerという2つの強力なアプロー

AI時代のデータ漏洩防止の要諦とテクノロジー：第1回 AI DLPとPROXY

こんにちは！本日はAI時代のデータ漏洩防止について、とくにその通信技術面に焦点をあてつつ、AIセキュリティにどのように取り組んでいくべきか、解説いたします。 1. はじめに生成AIの急速な普及により、企業のデータガバナンスは新たな局面を迎えています。ChatGPTやClaudeといった大規模言語モデル（LLM）は、業務効率を飛躍的に向上させる一方で、意図しない機密情報の漏洩という深刻なリスクをもたらしています。従業員が何気なく入力した顧客情報や営業秘密が、AIサービスの学習データとして使用される可能性があることを、多くの組織はまだ十分に認識していません。従来のDLP（Data Loss Prevention）ソリューションは、メールやファイル転送を監視することには長けていましたが、リアルタイムで行われるWebベースのAIチャットやAIエージェントとの対話で発生しうる新しい脅威には対応できていないのが現状です。本記事では、AI時代のデータ漏洩防止において中核となる技術、特にHTTPS通信のインターセプトとその限界について、技術的な観点から詳しく解説します。プロキシサーバー

LLM推論基盤プロビジョニング講座　第5回 GPUノード構成から負荷試験までの実践プロセス

こんにちは！これまでのLLM推論基盤プロビジョニング講座では、推論速度の定義、リクエスト数見積もり、メモリ消費量計算、推論エンジン選定について詳しく解説してきました。今回は、残りのステップである「GPUノード構成見積もり」「負荷試験」「トレードオフ検討」について一気に解説し、最後に実際のサーバー構成例をご紹介します。 STEP5：GPUノード構成見積もり GPUメモリから考える同時リクエスト処理能力 LLMサービスを構築する際、どのGPUを何台選ぶかは非常に重要な決断です。今回はLlama 8Bモデルを例に、GPUメモリ容量と同時リクエスト処理能力の関係を見ていきましょう。 GPUメモリの使われ方を理解するここは復習となりますが、 LLM推論においてGPUメモリは主に2つの用途で消費されます 1. モデル重みデータ: LLMモデル自体を格納するためのメモリ 2. KVキャッシュ: ユーザーとの対話コンテキストを保持するための一時メモリ Llama 8Bを16ビット精度で実行する場合、モデル重みデータは約16GBのメモリを占めます。これは固定的なメモリ消

発話音声からリアルなリップシンクを生成する技術第2回：AIを使ったドリフト補正

こんにちは！前回の記事では、当社のMotionVoxで使用している「リップシンク」技術について、wav2vecを用いた音声特徴量抽出の仕組みを解説しました。音声から正確な口の動きを予測するための基礎技術について理解いただけたかと思います。今回は、その続編として、リップシンク制作における重要な技術的課題である「累積ドリフト」に焦点を当てます。wav2vecで高精度な音素認識ができても、実際の動画制作では複数の音声セグメントを時系列に配置する際、わずかなタイミング誤差が蓄積して最終的に大きなずれとなる現象が発生します。本記事では、この累積ドリフトのメカニズムと、機械学習を活用した最新の補正技術について、実際の測定データを交えながら詳しく解説していきます。前回のwav2vecによる特徴抽出と今回のドリフト補正技術を組み合わせることで、MotionVoxがどのように高品質なリップシンクを実現しているのか、その全体像が見えてくるはずです。累積ドリフトとは何か基本概念累積ドリフトとは、個々の音声セグメントが持つ微小なタイミング誤差が、時間の経過とともに蓄積していく現象で