Webアプリとモバイルアプリ向けの音声エージェントAPI
アプリに音声エージェントを追加するには、たいてい不要な電話番号を買うか、APIキーを端末に置かないよう注意しながら、音声認識、モデル、音声を自分で組み合わせることになります。 電話回線ではなく自社のアプリの中に音声エージェントを置きたいプロダクトチーム向けです。電話に応答するのと同じエージェント、エンジン、ナレッジベース、予約受付に、ブラウザのタブやモバイルアプリからwss://api.voice.wixzel.com/v1/realtime経由でつながります。接続するものも、買う番号もありません。サーバーが使い捨てのセッションを発行するのでAPIキーがクライアントに渡ることはなく、セッションは同じエンジンの通話と同じくプリペイド残高を秒単位で消費します。
最終更新日:

Wixzel VoiceでWebアプリやモバイルアプリの音声エージェントを構築するには?
- 01POST /v1/agents
エージェントを作成します。プロンプト、最初の挨拶、ナレッジベース、音声エンジンを指定します。電話の通話がつながるのと同じエージェントです。
- 02POST /v1/realtime/sessions
サーバーからAPIキーを使って、エージェント、必要に応じて許可するブラウザのオリジンと独自のメタデータを指定すると、そのエージェントに対して1回だけ、1分間有効なclient_secretが返されます。
- 03wss://api.voice.wixzel.com/v1/realtime
クライアントがシークレットを使ってソケットを開き、音声をストリーミングします。ブラウザでは、wixzel-voice/realtimeのRealtimeSessionがマイク、再生、割り込みを処理します。Flutterでは、wixzel_voiceパッケージのRealtimeConnectionがプロトコルを処理し、マイクとスピーカーはアプリ側で用意します。
- 04GET /v1/calls/{id}
すべてのセッションはchannelがwebの通話記録になり、文字起こし、通話時間、費用、独自のメタデータを含みます。終了時には同じcallCompleted webhookが送られます。
- 05wixzel-voice/mascot, wixzel_voice_flutter
任意で、エージェントが話している間にそのマスコット(アニメーションする顔)を表示できます。Webページでは、wixzel-voice/mascotのmountMascotが描画し、face.connect(session)で口の動きを同期させて通話を実行します。Flutterでは、wixzel_voice_flutterパッケージのAgentMascotViewが描画し、MascotRealtimeLinkがRealtimeConnectionと動きを合わせます。
Webアプリやモバイルアプリの音声エージェントに合う音声エンジンは?
Wixzel Voiceのgemini-liveエンジンを使います。接続1分あたり$0.0491です。1つのリアルタイムモデルが聞き取り、考え、話すため、往復の遅延はGemini自体の性能どおりで、1分あたり最も安いエンジンです。インドの言語向けのsarvamパイプラインも、特定のElevenLabsの音声が必要な場合のclassicも、ソケット経由で動きます。
Wixzel VoiceでのWebアプリやモバイルアプリの音声エージェントの費用は?
gemini-liveエンジンでの4分のセッションにかかるWixzel Voiceのエンジン時間です。一般的な発話速度で計算し、実際の使用量に応じて秒単位で課金されます。電話回線を使わないため通信費はかからず、短いセッションはそのぶん安くなります。
| 月間のセッション数 | 接続時間(分) | 月間のエンジン費用 |
|---|---|---|
| 500 | 2,000 | $98.20 |
| 2,500 | 10,000 | $491 |
| 10,000 | 40,000 | $1,964 |
プリペイド制です。$5からクレジットをチャージし、セッションがそれを消費します。自分の使い方で見積もる。
Wixzel VoiceでWebアプリやモバイルアプリの音声エージェントを構築する方法を説明したガイドは?
Flutterアプリの中でユーザーが音声エージェントと話せるようにします。サーバーがセッションを発行し、`wixzel_voice` Dart SDKがWebSocketで音声をストリーミングします。SIPトランクも電話番号も不要です。
Webサイトからエージェントを作り、そのマスコットのWebサイトウィジェットを有効にして、scriptタグを1つ貼り付けます。訪問者はブラウザから通話でき、上限と発信者のルールはご自身で設定します。
`wixzel_voice_flutter`パッケージで、音声エージェントのアニメーションするマスコットをFlutterアプリに描画し、リアルタイム通話に合わせて聞く、考える、話す動きをさせます。
エージェントの見た目を変え、リンクやWebサイトウィジェットとして共有し、誰が電話できるかと1日の上限を設定します。
自社のサーバーでセッションを発行し、WebSocketで音声をストリーミングします。トランクも電話番号も不要です。
よくある質問
Wixzel Voiceで作った音声エージェントを自社のWebサイトやモバイルアプリに置けますか?
ブラウザやアプリにAPIキーが必要ですか?
リアルタイムAPIに対応しているSDKはどれですか?
Webやアプリのセッションの音質はどの程度ですか?
Webやアプリのセッションはどのように課金されますか?
セッションはどのくらい続けられますか?
Flutterで動きますか?
エージェントが話している間、アプリにその顔を表示できますか?
コードをまったく書かなくてよい方法はありますか?
代理店や開発者はWixzel Voiceでほかに何を構築していますか?
電話に出て空き状況を確認し、予約を入れるエージェントを、自社のSIPトランク上で構築できます。予約はAPI経由で書き戻されます。
リードをアップロードしてキャンペーンを開始すると、エージェントが自社のSIPトランク経由で1件ずつ電話をかけ、選別のための質問をします。各通話はステータスと文字起こし付きの記録になり、リードに紐づきます。
アップロードしたナレッジベースを参照するエージェントでサポート番号に応答し、よくある質問に対応して、すべての通話の文字起こしを残します。
インドの言語のために作られたモデルで電話エージェントを動かせます。sarvamエンジンが音声認識、言語モデル、音声合成を一貫して担います。
scriptタグ1つで、話すAIアシスタントをWebサイトに置けます。サイトの内容から作ったエージェントと、訪問者がブラウザから電話できるアニメーションのマスコット、発信者情報、電話できる人の設定、1日の上限を備えています。
Claude Code、Codex、Cursorなど任意のMCPクライアントをアカウントに接続すると、AIエージェントが通信事業者の接続、音声エージェントの構築、発信、キャンペーンの実行、文字起こしの確認を行えます。費用が発生するツールは、すべて実行前に確認を求めます。
1分あたり数セントでAI通話を実行できます。プリペイドのクレジットから秒単位で課金され、サブスクリプションや最低料金はなく、自社のSIPトランクを使うので通信料の上乗せもなく、すべての料金が明細化されます。
音声エージェントに顔を付けられます。エージェントに合わせて口が動くアニメーションのアバターを、Webサイト、共有リンク、Webアプリ、Flutterアプリで使え、アバターの料金はかかりません。
クライアントごとに、そのクライアントのアカウントと通信事業者で、クライアントの言語の電話エージェントを構築し、秒単位で課金される費用に対して月額の保守料を設定できます。
運営者、価格、上限、返金、データの保存場所を1ページにまとめています。
最初の音声エージェントを構築

