Speech-to-Speech Model（音声対音声モデル）とは？

01 / UNDERSTAND

仕組みと使いどころ

音声対音声モデルは、音声入力を処理して音声で応答します。双方向ストリーミングに対応するモデルでは、利用者の音声を継続的に受け取りながら応答を生成し、低遅延の複数ターン会話や発話途中の割り込みを扱えます。製品によっては、文字起こし、ツール呼び出し、外部データを参照する検索拡張生成なども利用できます。対応言語、音声の種類、割り込み処理、セッション管理、利用可能なツールはモデルやAPIごとに異なります。また、同じ通信方式を利用していても、接続手順、認証情報、イベント形式が共通とは限りません。

02 / IN PRACTICE

Speech-to-Speech Modelの活用例

03 / GOOD TO KNOW

使うときのポイント

採用前に、対応言語、音声の入出力、割り込み、会話状態、ツール連携の仕様を確認してください。通信方式が同じでもAPI間の互換性は保証されないため、個別の接続ガイドを確認します。