■ 概要 Grok TTS のタイムスタンプとOculus viseme setを組み合わせ、ニューラルリップシンク・外部APIなしでブラウザベースの音声同期アバターを実現したミニマル実装。 ■ 特徴・用途 - **タイムスタンプベース設計**：TTS出力に含まれる文字タイミング情報をそのまま活用し、強制配置や推論モデルを省略。Web Audio FFTで振幅のみ抽出してあご開度に充当。 - **複数フォーマット対応**：2D Rive mascot と3D GLB morph target の両方に適応し、アバター切り替えで実装を統一化。 - **エッジ実行**：モデル・GPU・クラウド依存なし。ラップトップで完全動作し、遅延最小・プライバシー保全。 ■ 結論 タイムスタンプ再利用という設計の巧妙さにより、従来の「リップシンクは重い」という固定観念を破り、実装複雑度と計算量の両立が可能であることを示す良いケーススタディ。