# ピュアボイス会話シナリオ

ピュアボイス会話は、人間と機械の最も基本的で自然な対話形式です。ユーザーは単にデバイスに話しかけるだけで、システムはリアルタイムで音声による応答を返し、スムーズなマルチターンの会話体験を実現します。

**技術的実装**：デバイスはVolcano Engine RTCを介してリアルタイムの音声チャネルを確立します。ユーザーの音声はASRによってテキストに変換され、LLMに送られて処理されます。LLMの応答はTTSによって音声合成され、ユーザーに再生されます。エンドツーエンドのレイテンシは約1秒です。VAD（音声活動検出）と割り込み機構と組み合わせることで、人間の自然な会話に近いインタラクション体験を提供します。

**デバイス要件**：マイクとスピーカーのみが必要で、画面やカメラは不要なため、幅広い音声対応デバイスに適しています。

## フローダイアグラム

![ピュアボイス会話フロー](./voice-chat.png)

## 典型的なシナリオ

### スマートスピーカー — 家庭の情報ハブ

朝の時間帯：

> **ユーザー**：「今日の天気はどう？」
>  **スピーカー**：「今日の杭州は曇りのち晴れ、気温は18度から26度です。空気の質も良く、屋外活動に適しています。」
>
> **ユーザー**：「午後3時に会議のリマインダーでアラームをセットして。」
>  **スピーカー**：「わかりました。午後3時のアラームを会議のリマインダー付きでセットしました。」
>
> **ユーザー**：「今日のニュースは？」
>  **スピーカー**：「本日のトップニュースは、まず、ある大手テック企業が新世代のAIチップを発表しました…」

スピーカーは家庭の情報ゲートウェイとなり、天気やニュース、スケジュールなどをハンズフリーで利用できます。

### 車載アシスタント — ハンズフリー運転

高速道路を走行中：

> **ユーザー**：「一番近いサービスエリアに案内して。」
>  **車載システム**：「了解しました。陽澄湖サービスエリアは15キロ先です。到着予想時間は10分です。ルートを設定しました。」
>
> **ユーザー**：「妻に電話して。」
>  **車載システム**：「通話を開始します…」
>
> **ユーザー**：「周杰倫（ジェイ・チョウ）の曲をかけて。」
>  **車載システム**：「人気の周杰倫の曲を再生します。」

音声インタラクションにより、運転者はハンドルから手を離さずに操作でき、安全運転を支援します。

### 語学学習 — AIとの会話練習

英会話の練習中：

> **ユーザー**：「英会話の練習を手伝ってくれる？」
>  **AI**：「もちろんです！よくあるシチュエーションから始めましょう。レストランで注文する場面を想像してください。私はウェイター役をします。準備はいいですか？」
>
> **ユーザー**：「はい、準備できています。」
>  **AI**：「こんばんは！当店へようこそ。メニューはこちらです。今夜は何を注文しますか？」
>
> **ユーザー**：「ビーフステーキをお願いします。」
>  **AI**：「いい選択ですね！ちなみに、より自然な言い方は ‘I’d like a beef steak, please.’ です。焼き加減はいかがなさいますか？」

AIは状況に応じた対話だけでなく、会話中に文法や語彙の訂正も行い、没入感のある学習体験を提供します。

### 子どものお供 — 教育的な対話とおやすみストーリー

就寝時：

> **子ども**：「眠れないよ。お話を聞かせてくれる？」
>  **スピーカー**：「いいですよ！今夜はどんなお話がいいですか？赤ずきんちゃん、三匹の子ぶた、それとも新しいお話？」
>
> **子ども**：「新しいお話がいい！」
>  **スピーカー**：「わかりました。昔々、大きな森に勇敢な小さなウサギが住んでいました…」
>
> —
>
> **子ども**：「恐竜はどうして絶滅したの？」
>  **スピーカー**：「いい質問ですね！約6600万年前に巨大な小惑星が地球に衝突しました…もっと知りたいですか？」
>
> **子ども**：「小惑星はどれくらい大きかったの？」
>  **スピーカー**：「約10キロメートルの幅で、ほぼ山ほどの大きさでした！」

AIは子どもの「なぜなぜ百科」となり、好奇心を満たしながら学びの楽しさを育みます。

## 技術的ハイライト

| 項目               | 説明                                                     |
| ------------------ | -------------------------------------------------------- |
| 低レイテンシ       | 約1秒のエンドツーエンド応答で、人間の会話に近い体験       |
| マルチターン対話   | コンテキスト記憶と参照、省略理解をサポート               |
| 割り込み対応       | ユーザーはいつでもAIの応答を割り込むことが可能           |
| パーソナライズ     | ペルソナ、音声、応答スタイルのカスタマイズが可能         |

## 対応デバイス

- スマートスピーカー（例：天猫精霊、百度小度、Echoなど）
- 車載ヘッドユニット／バックミラー
- スマートフォン／タブレットアプリ
- スマートウォッチ
- テレビ／セットトップボックス
- 子ども向け教育デバイス
- スマートデスクライトなどの音声対応IoTデバイス