# Volcano Engine スピーチサービス

Volcano Engine Real-Time Conversational AI は、RTC音声／映像伝送、ASR音声認識、TTS音声合成などのコア機能を提供します。開発者は CustomLLM モードを通じて独自のAIバックエンドを統合し、音声駆動のインテリジェントな対話を構築できます。

## Volcano Engine スピーチサービスとは

Volcano Engine Real-Time Conversational AI は、インテリジェントエージェントが「聞く、話す、見る、推論する」ことを可能にするエンドツーエンドの音声対話ソリューションです。AIアシスタント、AIカスタマーサービス、AIコンパニオン、AI音声学習、インテリジェントハードウェアなどのシナリオに適しています。

### コアコンポーネント

#### RTC（リアルタイム音声・映像）

クライアントとクラウド間の音声および映像伝送を担当します。

- WebRTCプロトコルに基づき、主要ブラウザをサポート
- マルチプラットフォームSDK：Web（`@volcengine/rtc`）、iOS、Android、Windows、Linux、macOS
- AIノイズ抑制（AI-ANS）を内蔵し環境ノイズを除去
- 字幕やステータスなどの構造化データを送信するバイナリメッセージチャネル
- ネットワークが不安定な環境でも強力なレジリエンスを持ち、信頼性の高い伝送を実現

#### ASR（自動音声認識）

ユーザーの音声をリアルタイムでテキストに変換します。

- ストリーミング認識によるリアルタイム文字起こし
- 中国語、英語、日本語、スペイン語など複数言語に対応
- ドメイン固有用語の認識精度向上のためのホットワード設定をサポート
- フレーム単位の音声活動検出（VAD）で正確な発話開始・終了検出を実現

#### TTS（テキスト読み上げ）

AIが生成したテキスト応答を自然な音声に変換します。

- 低レイテンシのストリーミング合成
- 複数の音声オプション（男性、女性、さまざまなスタイル）
- 発話速度、音程、音量の調整をサポート
- 感情合成（例：喜び、落ち着き）に対応

#### LLM（大規模言語モデル）

ユーザーの意図理解と応答生成を担当し、2つの統合モードがあります。

**Volcano Ark（ArkV3）**

Volcano Engineがホストする大規模言語モデルを利用し、すぐに使用可能です。

- Doubao、Claude、GLMなど複数モデルをサポート
- 追加のサービスデプロイ不要
- 自動クラウドスケーリング対応

**CustomLLM（カスタムバックエンド）**

開発者のカスタムサービスを呼び出してLLM応答を取得します。

- OpenAI、Qwen、ローカルモデルなど任意のLLMと統合可能
- 会話ロジックを完全に制御可能
- エージェントアーキテクチャやツール呼び出しをサポート
- プライベートナレッジベースの統合も可能

EMQX MCP AI音声アシスタントは CustomLLM モードを利用し、MCPツール呼び出しを実現しています。

## 拡張機能

Volcano Engine スピーチサービスは以下の拡張機能も提供します。

| 機能                     | 説明                                                         |
| ------------------------ | ------------------------------------------------------------ |
| インテリジェント割り込み | フルデュプレックス通信で、ユーザーはいつでもAIの発話を割り込み可能。より自然な対話を実現 |
| ビジュアル理解           | 画像や映像入力をサポートし、AIが視覚コンテンツを「見る」ことを可能にする |
| ファンクションコール     | LLMがユーザーの意図を識別し外部関数を呼び出せる機能           |
| MCPプロトコル対応        | 外部ツールエコシステムへの標準化されたアクセスを提供           |
| リアルタイム字幕         | ASR結果やLLM応答をリアルタイムで返却                           |
| コンテキスト管理         | ベクターデータベースを用いた短期・長期メモリをサポート         |

詳細な機能説明は
[Volcano Engine Real-Time Conversational AI ドキュメント](https://www.volcengine.com/docs/6348/1310537)をご覧ください。

## 料金

Volcano Engine スピーチサービスは利用量に応じて課金されます。各課金項目には無料トライアル枠が含まれています。詳細は
[Conversational AI Real-Time Pricing](https://www.volcengine.com/docs/6348/1392584)をご参照ください。

## 関連リソース

- [Volcano Engine Real-Time Conversational AI ドキュメント](https://www.volcengine.com/docs/6348/1310537)