2026 OpenHuman 完全インストールガイド | ローカル AI アバターをゼロから構築

01 · OpenHuman とは何か、何ができるか

OpenHuman は TinyHumans が開発するローカル優先のオープンソース AI エージェント基盤で、macOS・Windows・Linux のデスクトップで動作します。一般的なチャットボットとは異なり、メール・カレンダー・Slack スレッド・コードリポジトリを Memory Tree（ローカル SQLite）に構造化して蓄積し、会話のたびにその文脈を引き出してパーソナライズされた回答を返します。SaaS 型アシスタントと違い、プロンプトだけでなく「あなたの仕事データ」が応答品質を左右します。

2026 年版では Meeting Agent、マルチモーダル文脈認識、Obsidian Vault 連携が追加されました。開発者・研究者・クリエイターにとって、単なるツールではなく作業パターンを学習し続ける「デジタル分身」に近い存在です。最大の利点は、コアデータが原則ローカルに留まること——ホスト型モデル API を明示的に設定しない限り、リモートサーバーへ送られません。企業ポリシーでクラウド推論が制限されている環境でも、Memory Tree とオフライン Ollama の組み合わせが有効です。

02 · インストールでよくある三つの問題

手順に入る前に、初回インストールで多くの方が踏む三つの失敗パターンを整理します。

Python バージョンの衝突。 macOS にはシステムパスに Python 2.7 や 3.8 が残っていることがあります。仮想環境なしで pip install openhuman を実行すると誤ったインタプリタに数十個の依存関係が入り、ModuleNotFoundError やバージョン不一致が連鎖します。OpenHuman は Python 3.10 以上が必須で、本番運用では 3.11 を pyenv で固定するのが無難です。
モデル重みのダウンロード失敗。 HuggingFace は地域・回線によって遅延やブロックがあり、チェックポイントは数 GB〜数十 GB で標準クライアントでは再開が困難です。ModelScope はアカウント認証が必要、百度网盘は無料枠で帯域制限があります。初回は ModelScope → HuggingFace ミラー → 百度网盘 の順で試し、大容量は夜間バッチが現実的です。
GPU バックエンドの取り違え。 Windows では CUDA 12 と PyTorch wheel の組み合わせを誤る例が最も多く、Intel Mac には CUDA がありません。Apple Silicon は MPS が正解ですが、オンライン教程の多くは NVIDIA 前提のため、M チップユーザーが CUDA を入れて時間を失います。本稿では OS ごとに正しいバックエンドだけを記載します。

本稿では三つすべてに、プラットフォーム別の検証済みコマンド列で答えます。

03 · ハードウェア要件とプラットフォーム対照表

下表は 2026 年時点の公式推奨構成と 3 OS の導入経路です。ローカル LLM を使う場合は RAM・ストレージ列を最優先で確認してください。

項目	最小	推奨	備考
OS	macOS 12 / Win 10 / Ubuntu 20.04	macOS 14+ / Win 11 / Ubuntu 22.04	Apple Silicon は macOS 13+
RAM	4 GB	16 GB+	大規模メールボックス + ローカルモデルは 16 GB+
GPU	なし（CPU）	NVIDIA RTX / Apple M 系	推論速度差は約 5–10 倍
ストレージ	10 GB	50 GB+ SSD	Memory Tree はデータ量に応じて増加
macOS 導入	Homebrew brew install openhuman		署名検証を Homebrew が処理
Linux 導入	apt 署名 apt または AUR		Ubuntu 20.04 LTS+
Windows 導入	MSI 署名 MSI（公式）		GPU 利用時は CUDA 12.x を推奨

📌 三つの硬データ：① 公式最小 RAM は 4 GB ですが、ローカル AI モデル併用は 16 GB 以上を推奨；② Memory Tree の初回フル同期はおおよそ 20 分；③ Apple Silicon の MPS 推論は純 CPU 比でおよそ 5–8 倍速い傾向があります。

04 · 環境準備

Python バージョン管理

OpenHuman は Python 3.10 以上が必要です。pyenv または conda でシステム Python と分離することを強く推奨します。

                        # Verify Python

python3 --version   # 3.10+

# macOS: pyenv

brew install pyenv

pyenv install 3.11.9 && pyenv global 3.11.9

# venv

python3 -m venv openhuman_env

source openhuman_env/bin/activate   # Linux/macOS

openhuman_env\Scripts\activate       # Windows

Git の確認

                        # Git バージョン確認

git --version   # 2.x+

# macOS

brew install git

GPU バックエンドの注意

Apple Silicon（M1–M4） では OpenHuman が自動的に Metal Performance Shaders（MPS）を有効化します。CUDA のインストールは不要です。macOS 13 以降の Apple Silicon では、Homebrew 版は arm64 ネイティブビルドのため Rosetta 2 より大幅に高速です。

NVIDIA 利用時は CUDA 12.x と PyTorch の組み合わせ不一致が最多の GPU エラー原因です。

05 · 五段階インストール手順

ステップ 1 — macOS：Homebrew（推奨）

                        # Official tap

brew tap humansai/openhuman

brew install openhuman

# Verify

openhuman --version

Homebrew は bottle のハッシュ検証と依存関係を自動処理します。インストール後はアプリケーションまたはターミナルから起動できます。既存の Python 仮想環境と混在させないため、OpenHuman 専用の venv を別途作っておくと pip 系のトラブルが減ります。

ステップ 2 — Linux：署名付き apt リポジトリ

                        sudo apt-get install -y gnupg2 curl ca-certificates

curl -fsSL https://tinyhumansai.github.io/openhuman/apt/KEY.gpg \

  | sudo gpg --dearmor -o /etc/apt/keyrings/openhuman.gpg

echo "deb [signed-by=/etc/apt/keyrings/openhuman.gpg arch=amd64] \

  https://tinyhumansai.github.io/openhuman/apt stable main" \

  | sudo tee /etc/apt/sources.list.d/openhuman.list

sudo apt-get update && sudo apt-get install -y openhuman

Arch Linux：yay -S openhuman-bin

ステップ 3 — Windows：署名 MSI

tinyhumans.ai/openhuman から署名 MSI をダウンロードして実行します。GPU 加速を使う場合は事前に CUDA 12.x を入れてください。インストーラーはスタートメニュー登録とバックグラウンド同期サービスを設定します。

ステップ 4 — 初回ログインと権限

初回起動時の GitHub/Google サインインは製品ログインであり、Gmail 等の Integration OAuth とは別です。macOS はアクセシビリティ・入力監視・任意でカメラ/マイク（会議エージェント）を求めます。権限をスキップしても後から有効化できますが、音声ショートカットや会議要約を使う場合は早めの許可がおすすめです。

完全セルフホストで独自 API キーを使う場合は、Custom / Local モード に切り替え、設定ファイルを編集します。

                        # macOS: ~/Library/Application Support/openhuman/config.toml

[model]

provider = "custom"

base_url = "https://api.deepseek.com"

api_key  = "<YOUR_API_KEY>"

[memory]

backend  = "local"

ステップ 5 — データソース接続と Memory Tree 初期化

Integrations パネルで Gmail・GitHub・Slack など最重要の三ソースを OAuth 接続し、バックグラウンドで初回同期を完了させます。初回フル同期はおよそ 20 分かかります。取り込み中はアプリを終了しないでください。以降の増分同期は数秒で済むことが多いです。

ローカル推論を使う場合は、HuggingFace・ModelScope・百度网盘のいずれかからチェックポイントを取得し、config または Integrations でパスを指定します。初回ダウンロードは回線状況により 30 分〜数時間かかることもありますが、Memory Tree の 20 分同期とは独立して並行できます。

06 · 初回起動の検証とエラー早見表

Web UI または API でテストプロンプトを送り、Knowledge パネルに Memory Tree が構築されているか確認してください。応答がない場合は config.toml の provider・API キー（または Ollama エンドポイント）を先に点検します。初回はクラウド API で応答を確認し、その後 Ollama に切り替える二段階デバッグが効率的です。

エラー	原因	対処
ModuleNotFoundError: openhuman	pip が別の Python 環境に入った	venv を有効化して再インストール
MPS not available	PyTorch が MPS 非対応	macOS arm64 向け PyTorch 2.0+ を導入
Memory DB locked	複数インスタンスが SQLite を競合	openhuman プロセスを終了して再起動
Integration OAuth failed	システム時刻のずれ	時刻同期後に OAuth を再試行
Ingest timeout	初回にソースを一度に接続しすぎ	Integration を段階的に追加

07 · 応用：ローカル AI と Web UI

Ollama で完全オフライン運用

クラウドに依存せず動かすには、モデルバックエンドをローカルの Ollama に向けます。config.toml を編集します。

                        [model]

provider = "custom"

base_url = "http://localhost:11434"

model    = "deepseek-r1:14b"

Apple Silicon M4 では 14B 量子化モデルで Ollama 上およそ 18–25 tok/s——日常会話には十分です。70B 級は Mac mini M4（64 GB 統合メモリ以上）や Mac Studio を検討してください。

Memory データベースのパス

macOS: ~/Library/Application Support/openhuman/memory.db
Linux: ~/.local/share/openhuman/memory.db
Windows: %APPDATA%\openhuman\memory.db

Memory Tree ディレクトリを Obsidian Vault にリンクすると、個人ナレッジベースの読み書きを AI が直接行えます。研究者・ライターに人気の連携です。

一台のレンタル Mac で OpenClaw と OpenHuman を併設する手順は、2026 OpenClaw & OpenHuman on レンタル Mac mini M4 を参照してください。

08 · 自前ハードの限界：Mac レンタルが賢い理由

自前機で OpenHuman を動かすことは十分可能ですが、コミット前に知っておきたい摩擦があります。

初期ハード投資。 16 GB の Mac mini M4 は約 10 万円前後、512 GB 統合メモリの Mac Studio は 50 万円超。数日試したいだけの段階では負担が大きいです。
主力機でのリソース競合。 日常使いの Mac で Ollama とバックグラウンド同期を同時に走らせると、ブラウザ・Xcode・デザインツールが重くなります。専用マシンなら衝突を避けられます。
Windows / Linux の依存関係の複雑さ。 CUDA バージョン行列、WSL2 の癖、パス区切りの違いで初回インストールに数時間かかることも。クリーンな macOS は多くのエッジケースを回避します。
統合メモリは後から増設不可。 Apple Silicon は RAM を SoC に実装しているため、ワークロードが肥大化したら本体ごと買い替えになります。

日単位の Mac mini M4 / Mac Studio レンタルなら、MPS が使えるクリーンな macOS でフルワークフローを低コスト検証できます。主力機を汚さず、依存関係の絡まりも避けられます。ワークフローが合うと確信してから、長期レンタルか購入を選べます。

Web UI と API の初回確認

インストール直後は、ターミナルから openhuman を起動するかアプリケーションアイコンから Web UI を開きます。ブラウザで簡単な質問（例：「接続済みの Gmail から今週の未読件数を要約して」）を送り、Memory Tree が空でもクラウド API モードなら応答があることを確認してください。ローカル Ollama モードでは、先に ollama pull deepseek-r1:14b などでモデルを pull してからテストするのが確実です。

バックグラウンド同期中はメニューバーの進捗インジケータを確認できます。CPU のみの環境では推論キューが長くなるため、初回同期が完了する 20 分間は重いローカルモデルを同時に走らせないことを推奨します。Apple Silicon では MPS が有効な場合、Activity Monitor で GPU タブに負荷が載ることも確認できます。

モデル重み三チャネルの実務比較

HuggingFace はグローバルカタログが最も充実していますが、日本からは夜間や有線回線での取得が現実的です。ModelScope は中国 CDN 経由で大容量が安定しやすく、アジア圏では第一候補になりがちです。百度网盘 は単一ファイルが 20GB を超えるチェックポイント向きで、会員プランで帯域制限を緩和できます。いずれも取得後はディスク上のパスを config に明示し、Integrations の「Local model」項目と矛盾しないよう揃えてください。

トラブル時は本稿のエラー表に加え、ログは macOS では ~/Library/Logs/openhuman/、Linux では ~/.local/state/openhuman/logs/ に出力されます。OAuth 失敗は多くの場合システム時刻のずれか、企業プロキシによる localhost コールバック遮断が原因です。

09 · FAQ

GPU なしで動かせますか？

はい。クラウド API（OpenAI、DeepSeek など）のみ使う場合、CPU モードで十分です。Memory Tree のインデックス・埋め込みパイプラインは GPU 非依存です。ローカルモデル推論だけが遅くなり、M シリーズ MPS 比で 2–4 倍程度の遅延を見込んでください。会議要約やメール検索など Memory Tree 中心の機能は GPU なしでも実用レベルです。

Apple Silicon をネイティブサポートしていますか？

はい。Homebrew の bottle は arm64 ネイティブです。macOS 13+ の Apple Silicon では MPS が自動有効化され、Rosetta 2 より大幅に速いです。Intel Mac では CPU またはクラウド API が現実的な選択肢になります。

モデル重みの取得が遅い場合は？

優先順位：① ModelScope（アジア CDN）；② HuggingFace（HF_ENDPOINT=https://hf-mirror.com 等のミラー）；③ 百度网盘（超大容量・会員で帯域緩和）。中断時は huggingface-cli download や ModelScope CLI など resume 対応ツールを使ってください。

最新版へのアップデート方法は？

macOS：brew upgrade openhuman。Linux：sudo apt-get install --only-upgrade openhuman。Windows：新 MSI で上書きインストール。設定と Memory Tree DB は保持されます。メジャーアップデート前に memory.db のバックアップを取る習慣をつけると安全です。

商用利用は無料ですか？

コアコードは MIT 系ライセンスで個人利用は無料です。商用展開・社内 hundreds 席規模の展開は tinyhumans.ai の最新条項を確認してください。ホスト型 API 機能やエンタープライズサポートは別ライセンスの場合があります。

関連：2026 Hermes Agent インストールガイド——Mac 上で OpenHuman と併用しやすいローカルファーストエージェントです。