音声AI APIとフレームワーク：何を作るべきか？

マネージドAPIでは、アプリケーションはプラットフォームのインターフェースを通じてエージェントを作成し、通話を開始し、イベントを受け取ります。ホスト型のランタイムはプロバイダーが運用します。ビジネスルール、顧客データの流れ、同意、プロンプト、結果を処理するアプリケーションは引き続き自社の責任です。

フレームワークでは、チームがランタイムとその導入環境を組み立てます。メディア経路やターン処理をより深く制御できる一方、デプロイ、スケーリング、プロバイダーとの連携、可観測性、障害対応はチームが担うことになります。決める前に、個々のフレームワークとそのオプションのマネージドサービスを確認してください。

必ずしもそうではありません。Wixzel VoiceはSIPトランク持ち込み型のモデルを採用しています。電話番号と回線は通信事業者が保持し、AIとの会話はWixzel Voiceが実行します。通信事業者を維持することと、音声ランタイムを誰が運用するかは、別々の判断です。

ブラウザやモバイルの音声には、電話の通信事業者は不要です。Wixzel VoiceはWebSocket経由のリアルタイム音声セッションを提供しており、バックエンドがアプリ用に短時間だけ有効なクライアントシークレットを作成します。通信機能を評価する前に、製品に必要なのが電話の通話か、アプリ内の音声か、その両方かを決めてください。

セルフホスト型のソフトウェアでは、フレームワークの周りにすべてのサービスを組み立てる代わりに、既存のプラットフォームを運用します。Wixzel Voiceのセルフホストライセンスでは、サーバーの運用とプロバイダーのアカウントの用意は自社で行います。ライセンス、サーバー、監視、アップデート、バックアップ、プロバイダーの料金、通信事業者の利用料を予算に入れてください。

アプリケーションを自社サーバーで動かしても、それだけですべての音声とテキストがそのサーバー内にとどまるわけではありません。設定した音声モデルや言語モデルが外部サービスであれば、該当するデータはそのプロバイダーが処理します。導入を評価する際は、各コンポーネントのデータ経路をたどってください。

機能一覧を比較する前に、ある選択肢を除外する条件となる要件を書き出してください。特定の通信事業者、モデル、言語、導入リージョン、契約上の要件、障害時の動作などが含まれることがあります。そのうえで、最小限の代表的なワークロードでテストします。

Wixzel Voiceは創業者が運営しています。ファクトページとセキュリティページに、現在の機能と制限が記載されています。それらの制限は、省ける実装作業とあわせて評価してください。ホスト型APIがあることから、エンタープライズ向けの認証やSLAがあると推測しないでください。

• アプリケーションの提供が優先で、ホスト型サービスが要件を満たす場合はAPIを選びます。
• 独自のランタイム動作が不可欠で、チームがそれを運用できる場合はフレームワークを検討します。
• 既存のプラットフォームを自社のインフラとプロバイダーのアカウントで運用したい場合は、セルフホスト型のソフトウェアを検討します。

このリソースはWixzel Voiceが公開しています。製品の詳細は以下の参考資料に基づきます。評価に関する推奨は提案する方法であり、ベンチマークの結果ではありません。

• Wixzel Voiceの製品ファクトと制限
• セルフホストの要件
• リアルタイムセッションのドキュメント

誤りを見つけた場合は、修正を送ってください。