RORK LABEN
TOOLING — Rorkの開発者向けリポジトリが動き続けています。rork-xcodeが7月16日、rork-deviceが7月15日、rork-plistが7月13日に更新されましたOPUS46 — RorkでClaude Opus 4.6が稼働しています。Rork MaxはClaude Codeを土台にアプリを組み立てる設計ですSIM — ブラウザ上で動くクラウドのiOSシミュレータを備え、実機へのインストールは1クリック、App Storeへの提出は2クリックと案内されていますMAX — Rork MaxはReact Nativeではなく純粋なSwiftを出力します。iPhone・iPad・Apple Watch・Apple TV・Vision Pro、そしてiMessageまでが射程ですNATIVE — HealthKit、ARKitとLiDAR、NFC、Dynamic Island、Live Activities、Metalによる3D、Core MLのオンデバイス推論まで扱えますSEED — RorkはLeft Lane Capitalが主導する1,500万ドルのシードラウンドを実施し、Peak XVとa16z Speedrunが参加しましたTOOLING — Rorkの開発者向けリポジトリが動き続けています。rork-xcodeが7月16日、rork-deviceが7月15日、rork-plistが7月13日に更新されましたOPUS46 — RorkでClaude Opus 4.6が稼働しています。Rork MaxはClaude Codeを土台にアプリを組み立てる設計ですSIM — ブラウザ上で動くクラウドのiOSシミュレータを備え、実機へのインストールは1クリック、App Storeへの提出は2クリックと案内されていますMAX — Rork MaxはReact Nativeではなく純粋なSwiftを出力します。iPhone・iPad・Apple Watch・Apple TV・Vision Pro、そしてiMessageまでが射程ですNATIVE — HealthKit、ARKitとLiDAR、NFC、Dynamic Island、Live Activities、Metalによる3D、Core MLのオンデバイス推論まで扱えますSEED — RorkはLeft Lane Capitalが主導する1,500万ドルのシードラウンドを実施し、Peak XVとa16z Speedrunが参加しました
記事一覧/AIモデル
AIモデル/2026-04-08上級

Rork × AI 没入型語学学習アプリ実装ガイド — Whisper 音声認識 × Claude 会話AI × ElevenLabs TTS で個別最適化レッスンを構築する

Whisper 音声認識・Claude 会話AI・ElevenLabs TTS の3つの API を Rork Max で統合した没入型語学学習アプリの実装ノウハウ。CEFR レベル別の適応カリキュラム、SM-2 間隔反復、ストリーミングによるレイテンシ最適化、フリーミアム課金まで個人開発者向けに掘り下げます。

Rork Max229AI語学学習Whisper4Claude API11ElevenLabs2TTS音声認識4React Native209個人開発186EdTech2

プレミアム記事

ヨーロッパでの個展準備中に痛感した、語学学習アプリの「足りなさ」

2024年、ベルリンとミラノの展示準備で現地ギャラリーとやり取りしていたとき、既存の語学アプリで予習しても、いざ電話会議になると言葉が出てこないという経験を繰り返しました。フラッシュカードで覚えた単語は思い出せても、相手のイントネーションを聞き取れず、こちらの発音もうまく届かありません。原因は明らかで、ほとんどのアプリが「テキストを読む練習」に偏っていて、「話す・聞く」の実時間ループが弱かったからです。

個人開発者として2014年からアプリを作ってきた廣川政樹(dolice.design)の立場で、当時のメモを見返しながら考えたのは、Whisper・Claude・ElevenLabs を Rork Max で組み合わせれば、この「弱さ」を個人の規模でも埋められるかもしれない、ということでした。本ガイドは、その仮説を実装に落とすための設計図を、API キー1本ずつから本番運用まで踏み込んで共有するものです。前提として、フラッシュカード型の基礎はRorkで語学学習アプリを作る完全チュートリアルで扱っているので、ここから先は、その「次のステップ」だけに集中して掘り下げます。

組み合わせる AI 技術は次の3つです。

  • OpenAI Whisper API — ユーザーの発話をリアルタイムで文字起こしし、単語レベルの認識確率から発音精度を算出
  • Anthropic Claude API — CEFR レベル(A1〜C2)に適応した会話シミュレーション・文法フィードバック・カリキュラム自動生成
  • ElevenLabs TTS API — ネイティブ品質の音声で、リスニングとスピーキングの両方を同じ画面の中で訓練

実装に入る前にひとつだけ前置きしておきます。語学学習アプリは「音声 AI に置き換えればそれで十分」と思われがちですが、実際に運用してわかった肝心な点は「音声 AI の品質よりも、ループの遅延と一貫した学習体験のほうが定着率を支配する」ということでした。その実感を、設計・実装・運用の各ポイントで挟みながら進めていきます。


システムアーキテクチャ — 3つのAI APIの統合設計

全体構成

没入型語学学習アプリのアーキテクチャは、以下の4層で構成します。

  • プレゼンテーション層: React Native(Expo)のUIコンポーネント。会話画面・レッスン画面・進捗ダッシュボード
  • オーケストレーション層: AI APIの呼び出し順序を制御する中間ロジック。Whisper→Claude→TTSのパイプラインを管理
  • AI サービス層: Whisper(STT)、Claude(会話・分析)、ElevenLabs(TTS)の各APIクライアント
  • データ永続化層: Supabase で学習履歴・進捗・ユーザープロファイルを管理

パイプラインの流れ

ユーザーが英語で発話する典型的な学習セッションは、以下のパイプラインで処理されます。

// AI語学学習パイプラインの全体フロー
// pipeline/LessonPipeline.ts
 
interface LessonPipelineResult {
  transcription: string;        // Whisperによる文字起こし
  pronunciationScore: number;   // 発音スコア(0-100)
  feedback: ConversationFeedback; // Claudeによるフィードバック
  audioResponse: string;        // ElevenLabs音声のBase64
  nextPrompt: string;           // 次の会話プロンプト
}
 
export async function processUserUtterance(
  audioBlob: Blob,
  conversationHistory: Message[],
  userProfile: LearnerProfile
): Promise<LessonPipelineResult> {
  // Step 1: Whisper で音声→テキスト変換
  const transcription = await transcribeWithWhisper(audioBlob);
 
  // Step 2: Claude で発音評価 + 会話応答生成
  const claudeResponse = await analyzeAndRespond({
    userText: transcription.text,
    expectedPhrase: conversationHistory.at(-1)?.expectedResponse,
    history: conversationHistory,
    learnerLevel: userProfile.level,
    targetLanguage: userProfile.targetLanguage,
  });
 
  // Step 3: ElevenLabs で応答テキストを音声化
  const audioResponse = await synthesizeSpeech(
    claudeResponse.responseText,
    userProfile.preferredVoice
  );
 
  return {
    transcription: transcription.text,
    pronunciationScore: claudeResponse.pronunciationScore,
    feedback: claudeResponse,
    audioResponse,
    nextPrompt: claudeResponse.nextPrompt,
  };
}

このパイプラインのポイントは、Whisper の出力を Claude が受け取り、Claude の出力を ElevenLabs が受け取るというシーケンシャルな依存関係にあります。各APIの呼び出しが直列のため、レイテンシ最適化が重要になります(後述のストリーミング対応で解決)。


ここまでお読みいただきありがとうございます。

この記事の続きを読む

この先には、実装コードやベンチマーク結果など、実務でお役に立てる内容をご用意しています。このサイトは広告を掲載しておらず、サーバーや開発にかかる費用はメンバーの皆様のご支援で成り立っています。もしお役に立てていましたら、ご支援いただけますと大変ありがたいです。

この記事で得られること
Whisper×Claude×ElevenLabs を3層パイプラインに組み立てる実装パターンと、CEFR レベル別に挙動を切り替える Claude のシステムプロンプト全文
通常はブラックボックスになりがちな『発音スコア』を Whisper の word_probability から自力で算出する関数と、SM-2 間隔反復・適応カリキュラムのスコアリングロジック
API コスト約 $0.05/セッションの内訳と、月額¥980 で粗利 55% を維持するためのフリーミアム設計・先行 TTS によるレイテンシ短縮の実装
Stripe による安全な決済 · いつでもキャンセル可能

この記事を購入する

この先の内容をすべてお読みいただけます。一度のご購入で、いつでも何度でもアクセスできます。このサイトは広告を掲載しておらず、皆さまのご支援がサーバー費用などの運営を支えています。

または
メンバーシップなら全記事が読み放題 →
シェア

お読みいただきありがとうございます

Rork Lab は広告なしで運営しており、サーバー費用などの運営コストはメンバーシップのご支援で賄っています。実装コード・ベンチマーク・本番設計パターンなど、実務でお役立ていただける記事を毎日更新しています。もし読んでよかったと感じていただけましたら、ぜひご覧ください。

  • コピー&ペーストで使える実装コード付き
  • 毎日新しい上級ガイドを追加
  • ¥580/月 または ¥1,480 の永久アクセス
メンバーシップを見る →

関連記事

AI モデル2026-05-05
Rork Max で AI 面接コーチアプリを作る:音声録音・Claude 評価・進捗管理の実装ガイド
Rork Maxで音声認識・Claude 4 APIによる回答評価・セッション管理を組み合わせたAI面接コーチアプリを構築する完全ガイド。動作するコード例と収益化戦略まで一気通貫で解説します。
AI モデル2026-04-29
Rork Max でAndroid版アプリを出すには?クロスプラットフォーム展開の現実解
Rork Max は SwiftUI ネイティブ生成のため iOS 専用です。Android 版を出したい個人開発者が、Rork(無印)と Rork Max をどう使い分け、どの順序でリリースすべきかを実体験ベースで整理します。
AI モデル2026-07-15
オンデバイス画像認識、React Native の TFLite か Rork Max の Core ML か — 同じ題材で両方組んで決めた選び方
端末内で画像を分類する機能を、React Native に TFLite を積んで作るか、Rork Max のネイティブ Swift と Core ML で作るか。同じ題材を両方で組み、端から端までの内訳を測って選び方を整理しました。
📚RECOMMENDED BOOKS
大規模言語モデル入門
山田育矢
LLM開発
生成AIプロンプトエンジニアリング入門
我妻幸長
プロンプト
Claude CodeによるAI駆動開発入門
平川知秀
AI駆動開発
※ アフィリエイトリンクを含みます
もっと見る →