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かつ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に音声で応答し、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）や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

代表的なシナリオ

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。空気の質も良好で、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：「了解しました。午後3時のアラームを会議のリマインダー付きで設定しました。」

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：「最寄りのサービスエリアまで案内して。」 車載システム：「かしこまりました。陽澄湖サービスエリアは15キロ先です。到着予定時刻は10分後です。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：「周杰倫の人気曲を再生します。」

音声インタラクションにより、ドライバー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！一般的なシチュエーションから始めましょう。レストランでの注文を想定します。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。こちらがメニューです。今夜は何を注文されますか？」

ユーザー：「ビーフステーキを…」 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を行うだけでなく、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：「どうして恐竜は絶滅したの？」 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：「小惑星はどのくらい大きかったの？」 スピーカー：「約10キロメートルの幅があり、ほぼ山と同じ大きさでした！」

AIは子どもたちの「なぜなぜ百科」となり、好奇心を満たしながら学びへの興味を育みます。

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を実現
マルチターン対話	コンテキストメモリによる参照と省略理解
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、声、応答スタイルのカスタマイズが可能

対応デバイス例

• スマートスピーカー（例：天猫精霊、百度小度、Echo類似デバイス）
• 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