つ

つくよみちゃん@COEIROIN searchDLsite

出演: 10作品 | 影響力: 0.33 | AI分析: 2026-07-10 01:56

assignment登録: 2026-02-20 09:05 | sync更新: 2026-08-25 04:51 | download作品初回取得: 2026-02-20 09:05 | download作品最新取得: 2026-03-14 17:52 | smart_toyAI分析: 2026-07-10 01:56

smart_toyAI分析

notes紹介文

メスガキや生意気な後輩、天真爛漫なクラスメートから落ち着いたお姉さんまで、非常に幅広い属性のキャラクターを担当している。明るく元気な声質を得意とする一方で、ダウナーな雰囲気を持つトーンや無機質な質感の声も使い分けることができる。挑発的なセリフ回しや言葉責め、嘘喘ぎといった複雑な感情表現を伴う演技に定評があり、キャラクターの個性を際立たせた演じ分けが目立つ。合成音声を活用した独特な表現手法による作品にも出演しており、実験的なアプローチから感情豊かな演技まで幅広く手掛ける傾向がある。

insights強み

合成音声特有の質感を生かした独特な表現力キャラクターに合わせた声質の使い分け挑発的なセリフ回しや言葉責めへの高い適応力

auto_awesome特徴

人工音声を用いた実験的なアプローチを含む作品への出演メスガキや生意気なキャラクターへの出演傾向催眠や性転換といった特殊なシチュエーションを扱う作品での活動

graphic_eq声質キーワード

合成音声的天真爛漫生意気ダウナー明るい

mic声の適正

清純・可愛い系	5.8	上位23%
ロリ・幼い系	3.2
お姉さん・ママ系	3.3
癒し・囁き系	6.4	上位25%
元気・明るい系	4.1	上位45%
小悪魔・メスガキ系	4.5	上位42%
クール・ミステリアス系	2.5
ボーイッシュ系	3.9	上位46%
総合適性スコア	42	上位42%

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。

forumレビュー評判

耳元で囁くような演出や癒し系の語り口、明るく元気な声のギャップが好評な合成音声キャラ。

耳元で囁くような演出による臨場感可愛らしい合成音声による魅力表現明るく元気な声で淫語を発する際のギャップ癒し効果の高い優しい語り口メスガキキャラなどとの声質の相性の良さ状況説明が丁寧で感情移入しやすい演技言葉責め・M向け演出との相性の良さ

rate_reviewレビュー言及数: 68件

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）

0.33

ベイズ平均 × 専属度補正

影響力（累積）

1.88

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）

14.97

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）。