Wixzel Voiceのclassicエンジン：Deepgram + GPT-4o-mini + ElevenLabs
英語向けの標準パイプラインです。Deepgram Nova-3が文字起こしを行い、OpenRouter経由のGPT-4o-miniが推論し、ElevenLabs Flash v2.5が対応する32言語のいずれかで発話します。組み合わせ型エンジンの中で最も安価で、最初に使うエンジンとしておすすめです。
最終更新日：
Wixzel Voiceのclassicエンジンで、各モデルの料金はいくらですか？
組み合わせ型エンジンは3つの段階からなり、それぞれ独自の単位で課金されます。「1分あたり」の列は、一般的な発話速度でその単位が積み上がった金額です。パイプラインのラベルはDeepgram + GPT-4o-mini + ElevenLabsです。
| 段階 | モデル | 単価 | 1分あたり |
|---|---|---|---|
| 音声認識 | deepgram/nova-3 | 1秒あたり$0.0002 | $0.0108 |
| 言語モデル | openrouter/gpt-4o-mini | 入力1,000トークンあたり$0.0002 | $0.0005 |
| 言語モデル | openrouter/gpt-4o-mini | 出力1,000トークンあたり$0.0008 | $0.0004 |
| 音声合成 | elevenlabs/eleven_turbo_v2_5 | 1,000文字あたり$0.0700 | $0.0630 |
| 音声合成 | elevenlabs/eleven_flash_v2_5 | 1,000文字あたり$0.0700 | $0.0630 |
| オーケストレーション | wixzel/orchestration | 1分あたり$0.0120 | $0.0120 |
端数は切り上げで、切り捨てはしません。1つの段階に2つのモデルが記載されている場合、エンジンは言語に応じて選択します。上記のエンジン料金は、高いほうの経路を前提としています。すべての料金はモデルの料金一覧にあります。
よくある質問
classic音声エンジンとは何ですか？
classicエンジンの料金は1分あたりいくらですか？
classicエンジンはどのモデルを使っていますか？
deepgram/nova-3, openrouter/gpt-4o-mini, elevenlabs/eleven_turbo_v2_5, elevenlabs/eleven_flash_v2_5で動作します。各段階はそれぞれの単位で課金されます。認識された音声の秒数、モデルの入出力トークン数、合成された文字数です。classicを使うには自分のdeepgramアカウントが必要ですか？
wv_live_… APIキーと前払い残高で、classicエンジンを含むすべてのエンジンを利用できます。用意すべきプロバイダーキーはありません。通話でclassicエンジンを使うには？
POST /v1/agentsでエージェントを作成するときに、エージェントのvoiceで3つの段階を指定し（たとえば上記のstt、llm、ttsのref）、POST /v1/callsで電話をかけます。GET /v1/enginesは現在利用できるエンジンを一覧表示します。プロバイダーの性能が低下したエンジンは、通話が失敗し始める前にこの一覧から消えます。classicの1分あたりの料金は定額ですか？
GET /v1/usage/eventsに明細が記録されます。静かな、または短いターンは安く、長い独白は高くなります。開発者はclassicエンジンで何を構築していますか？
英語の予約では名前と日付を正確に聞き取る必要があります。Nova-3の文字起こしとGPT-4o-miniの組み合わせが、信頼できる中で最も安価です。他の言語ではsttの言語を切り替え、インドの言語ではsarvamエンジンを使ってください。
短い台本どおりの発信は最も安価な用途です。英語ではclassicエンジンが1分あたりの費用を最も低く抑えます。インドの言語のリストにはsarvamを使ってください。
クイックスタートのプロンプトは最初のエージェントをデフォルトのエンジンで作ります。英語で信頼できる中で最も安価な組み合わせです。エージェントはインドの言語向けにsarvamを、最小の遅延を求めるならgemini-liveを指定できます。エンジンはツールで一覧できるので、モデル名を推測する必要はありません。
classicエンジンを使って構築するガイドは？
Wixzel VoiceのMCPサーバーをClaude Codeまたはclaude.aiに接続すると、Claudeが音声エージェントを作成し、ご自身のSIPトランク経由で電話をかけ、文字起こしを読み上げられるようになります。
Twilio Elastic SIPトランクとWixzel VoiceのTypeScript SDKを使い、既存のTwilio番号に、予約を受け付けるAI受付を応答させます。
リードをアップロードし、自分で書いたエージェントでご自身のSIPトランク経由のキャンペーンを実行し、各通話のステータスと文字起こしを読み取ります。Wixzel VoiceのAPIとNode.jsを使います。
Wixzel Voiceでは他にどの音声エンジンが動いていますか？
最初の音声エージェントを構築