AI と LLM 機能

実験的な音声認識と Gemini によるフレーズ変化

NextATC は現在、音声入力と任意のダイアログ変化という 2 つの別々の領域で AI を使用します。どちらも実験的な機能です。目的は無線を単調にせず自然に感じさせることであり、通常の ATC ロジックを置き換えることではありません。

重要なルールは単純です。クリアランス、滑走路、高度、周波数、ルート、タクシー指示、交通状況、フライトフェーズは引き続き NextATC が決定します。AI は、あなたが話した内容の認識、またはすでに作成済みの ATC メッセージの言い換えを補助するだけです。自由会話のチャットボットでも、自律した管制官でもありません。

実験的な状態#

関連する Options 項目は実験的として表示されます。

AI Push-to-Talk Recognition (Experimental) は音声入力用です。
Dialog Generation and A.I. (Experimental) は生成された ATC 表現用です。
AI - Gemini (Cloud, Experimental) はクラウド LLM によるフレーズバリエーション用です。

実験的とは、結果がマイク、アクセント、コックピット音、インターネット接続、モデルの利用状況、API 制限、生成されるメッセージによって変わる可能性があるという意味です。何かが不自然、遅い、または信頼できない場合は、その機能をオフにして Radio Log のボタンを使用してください。フライトは標準の組み込みフレーズで続行されます。

NextATC が現在 AI に使うこと#

NextATC には 2 つの AI 支援機能があります。

Push-to-Talk Recognition はマイクを聞き取り、あなたのリードバックや無線アクションをテキストに変換しようとします。
Dialog Generation and A.I. は一部の ATC メッセージを LLM に書き換えさせ、毎回同じ表現に聞こえないようにします。

この 2 つは独立しています。音声認識だけを使う、Gemini だけを使う、両方を使う、またはどちらも使わないことができます。

Push-to-Talk 認識#

Push-to-Talk 認識は speech-to-text であり、LLM との会話ではありません。NextATC/voice_push_to_talk コマンドを割り当て、押し続けるかトグルして、リードバックまたは現在の無線選択を話します。NextATC は音声を文字起こしし、Radio Log にプレビューを表示し、ATC が待っている内容と重要な運用情報が一致するか確認します。

たとえば、コールサイン、滑走路、スコーク、方位、高度、周波数、プロシージャ名が重要です。ボタンの文言と完全に同じ単語を話す必要はありませんが、重要な数字と名前は含まれていて認識可能でなければなりません。

操作モードは 2 つあります。

Hold-to-Talk: 話している間 PTT キーを押し続け、終わったら離します。これが標準で、実際の無線に最も近い使い方です。
Toggle Talk: 一度押すと聞き取りを開始し、もう一度押すと停止します。割り当てたボタンを押し続けにくい場合に便利です。対応するプロンプトでは、ガイド付き auto-toggle が聞き取りの開始と終了を補助できます。

Push-to-Talk モデル#

Options には複数の認識モデルが表示されます。現時点では Whisper Base English を実用的な基準と考えてください。

Whisper Base English（約 142 MB）: 安定した組み込みモデルで、推奨される開始点です。英語向けで、標準的な ATC リードバックでは通常これが最も実用的です。
Whisper Small English（約 466 MB）: より大きな組み込み Whisper モデルです。認識精度は向上しますが、ディスク容量を多く使い、文字起こしは遅くなります。
Whisper Medium English（約 1.46 GB）: 高速な一般向け PC 用に提供される、最も精度の高い組み込みオプションです。

ローカル文字起こしで提供されるのは、これらの組み込み Whisper モデルサイズだけです。既定は英語です。多言語モデル対応 を有効にすると、選択したサイズを別途ダウンロードする多言語 Whisper 版に切り替え、Whisper が話し言葉の言語を自動検出します。英語以外の地名やローカルな発音のための機能であり、ATC のやり取りを別言語に変えるものではありません。NextATC が期待するリードバックのテキストは英語のままです。大きなモデルが遅すぎる、または信頼性が低い場合は Whisper Base English に戻してください。

Gemini によるダイアログ生成#

Gemini はテキスト生成だけに使われます。マイクを聞くことはなく、あなたが受けるクリアランスや指示を決めることもありません。AI - Gemini が選択され、API キーが設定されている場合、NextATC は言い換えるメッセージと、同じ事実を保つために必要な航空情報を含む短いテキスト要求を送信します。Options の モデル ボタンで Gemini Flash と Gemini Flash-Lite のどちらかを選択できます。NextATC は常に、Google が公開している選択したモデルの最新バージョンを使用します。

Gemini は同じ ATC メッセージを別の言い方にしようとします。目的は変化です。異なる始まり、少し異なるテンポ、長いセッションでの繰り返しの軽減です。ルート、滑走路、スコーク、高度、周波数、その他の運用情報は同じでなければなりません。

組み込みフレーズが常に基準です。Gemini が無効、利用不可、遅すぎる、空のテキストを返す、または検証に失敗するフレーズを生成した場合、NextATC は組み込みメッセージに戻ります。

Options の Gemini variation ボタンは、4 つの実験的な推論スタイルを切り替えます。同じ種類の ATC メッセージを Gemini がどのように書き換えるかを比較したいときに使います。より保守的、より変化が多い、テンプレートのコピーを抑える、例により強く誘導する、という違いです。変わるのは表現スタイルだけで、ATC の判断は変わりません。

ローカル LLM モデル#

Options に AI - <model> (Local paused, Experimental) のようなローカル項目が表示される場合があります。通常のビルドでは一覧に表示されますが一時停止中です。現時点のユーザーに推奨される方法ではありません。厳密で予測しやすいフレーズが必要なら組み込みの NextATC モードを使い、クラウドの表現変化を試したい場合だけ Gemini を使用してください。

期待すべきこと#

AI によるフレーズ生成は無線を生き生きさせることがありますが、控えめだったり、変化が小さかったり、ときどき誤ったりすることもあります。検証があっても、生成文が不自然に聞こえる、ニュアンスを落とす、好みに合わない表現を選ぶことがあります。最も予測しやすい体験が必要な場合は、ダイアログ生成を組み込みの NextATC モードにしてください。

音声認識では、ヘッドセットマイク、静かなコックピット、短いリードバック、はっきり発音した数字が最も効果的です。テスト中は常に Radio Log を表示してください。マウスで押す Readback と Say Again ボタンが信頼できるフォールバックです。