SquishSuccubus searchDLsite

出演: 24作品 | 影響力: 0.25

assignment登録: 2026-03-03 05:40 | sync更新: 2026-10-03 14:18 | download作品初回取得: 2026-03-03 05:40 | download作品最新取得: 2026-10-03 14:18 | smart_toyAI分析: 未実施

smart_toyAI分析

notes紹介文

3D CG作品における女性主人公役への出演が非常に多く、視覚的に激しいシチュエーションに合わせた演技に定評がある。特に触手やスライムを用いた大量の液体描写を伴う作品において、生理的な反応を伴うリアルな喘ぎや悲鳴の表現が目立つ。断面図などの特殊な演出に合わせて、肉体的な変化や衝撃を声で伝える技術に長けている。また、アンドロイドやエルフといった多様なキャラクター設定においても、その特性に応じた声の質感の変化を見せる。

insights強み

激しい生理的反応を伴う、高密度の発声表現非人間的なシチュエーションにおけるリアリティのある喘ぎ・悲鳴大量の液体描写に合わせた湿り気を帯びた演技視覚的な衝撃に合わせて声のトーンを変化させる技術

auto_awesome特徴

3D CG作品を中心とした、視覚演出の強い作品への出演が非常に多い触手やスライムなどの非人間との絡みを主題とする作品に特化受動的な女性主人公としての感情表現を多く担当アンドロイドやエルフといった多様な種族設定にも対応

graphic_eq声質キーワード

喘ぎ悲鳴湿った声高音域リアリティのある吐息

mic声の適正

清純・可愛い系	1.3
ロリ・幼い系	1.5
お姉さん・ママ系	2.5
癒し・囁き系	1.8
元気・明るい系	2.9
小悪魔・メスガキ系	3.0
クール・ミステリアス系	1.8
ボーイッシュ系	1.9
総合適性スコア	21

スコアは全声優の分布に対する相対位置に基づく共通基準。「上位◯%」は10作品以上の声優の中での位置。出演数が少ない場合は統計的な縮約により全体平均寄りに表示されます。

infoレーダーの色が示す「型」について

特化型 — 特定の軸が突出し、他軸平均の2倍以上（かつ7.0以上）。1ジャンルに徹した専業の結果として他軸は低く出ます。

オールラウンド型 — 突出した1軸はないものの、8軸すべてが高水準（総合適性スコアが全声優の上位20%以内）。

標準 — 上記どちらにも当てはまらない、特化型・オールラウンド型ほど極端でないタイプです。

bar_chart影響力スコア

warningこのスコアは作品のレビュー数等に基づく参考指標であり、声優の演技力や人気を直接評価するものではありません。

影響力（平均）

0.25

ベイズ平均 × 専属度補正

影響力（累積）

3.07

価格バイアス補正・レビュアー多様性補正・サークル集客力補正を適用した合計値

影響力（raw）

6.10

補正なしの単純合計（参考値）

menu_bookスコアの見方

影響力（平均）	1作品あたりの影響力を示します。出演数の多寡に左右されにくい指標です。ベイズ平均（出演数が少ないほど全体平均へ引き寄せる統計処理）で少数作品の偶然的な外れ値を抑制し、専属度補正（6サークル以上で等倍）を適用しています。
影響力（累積）	全出演作品の影響力の合計です。出演数が多いほど高くなります。各作品のスコアからサークル側の集客力の影響（集客力補正）、低価格作品のレビュー膨張（価格バイアス補正）、少数の投稿者が繰り返しレビューしているサークルの水増し（レビュアー多様性補正）を差し引いた値を積み上げています。
影響力（raw）	サークル集客力補正・価格バイアス補正を適用しない生の合計値（参考値）です。補正後との差は、出演数が多いほど自然に広がります。差の大きさだけで集客力は判断できません。

calculate計算方法（クリックで展開）

各作品について、感想コメント数（review_count = 質の指標）と★評価数（rating_count = 量の指標）の2つを併用してスコアを算出します。

■ 作品スコア

score = 0.6 × log(1 + 感想数 ÷ 出演者数) + 0.4 × k × log(1 + ★評価数 ÷ 出演者数)

k = 正規化係数 ≈ 0.34（両指標のスケールを揃える、DBから動的算出）

■ 出演者按分

複数声優出演の場合、レビュー数を人数で均等按分してから対数変換

■ 価格バイアス補正

price_weight = min(1.0, 作品価格 / 500)

110円→0.22倍, 330円→0.66倍, 500円以上→等倍

■ レビュアー多様性補正

diversity_discount = 0.5 + 0.5 × (サークルの distinct投稿者数 ÷ 総レビュー数)

同じ投稿者が繰り返しレビューしているサークルほど件数の見かけの多さが支持の広さを表さないため割引。比率は全体中央値（約0.87）へベイズ平滑化（少数サンプルの偶然のブレを抑制）。極端に集中したサークル（比率0前後）→0.5倍、分散したサークル（比率1.0）→等倍

■ サークル集客力補正

influence_discount = 1.0 + 0.5 × ln(1 + サークル集客力)

対数ベースで飽和なし。集客力1.0→1.35倍割引, 3.0→1.69倍, 6.0→1.97倍

■ 影響力（累積）

Σ(作品スコア × price_weight × diversity_discount ÷ influence_discount)

■ 影響力（平均）

ベイズ平均(C=20, m=全体平均) × 専属度補正

専属度補正: 1サークル→0.58倍, 6+→等倍

設計根拠:

2指標併用: 感想コメント数（質）と★評価数（量）はスケールが異なり（約30倍）、両方を正規化して加重合算。
対数変換: レビュー数はべき乗分布するため、log変換で外れ値を圧縮。
サークル集客力補正: 集客力の高いサークルの寄与を差し引き、声優自身の貢献を抽出。
価格バイアス: 低価格作品の大量販売によるレビュー数膨張を補正。
レビュアー多様性補正: 一部の量産型サークルは、少数の投稿者が多数の作品に繰り返しレビューを書いており、件数の伸びが支持の広がりを意味しない。distinct投稿者数の比率が低いサークルほど寄与を割り引く。
専属度補正: 少数サークル専属の場合、サークルへの依存度を考慮して調整。
ベイズ平均: 出演数が少ない声優のスコアを全体平均へ引き寄せ、偶然の高低を抑制（C=20。20作品で観測値と全体平均が半々）。