本文へスキップ

LiveKit Agents

通話にも応じるマルチモーダル音声エージェントを構築

公式サイトを見る

LiveKit Agents とは

LiveKit Agents は開発者が音声・動画・データの各チャネルで利用者とやり取りするマルチモーダル音声エージェントを構築できる、エンドツーエンドのフレームワークと紹介される。 OpenAI のリアルタイム API と LiveKit の WebRTC 基盤を組み合わせ、STT、LLM、TTS のパイプラインを案内すると説明されている。

できること

  • STT、LLM、TTS のモデルで AI 音声エージェントを構築する
  • OpenAI のリアルタイム API で音声から音声へのエージェントを作る
  • LiveKit のエージェントと SIP ライブラリで着信に応答する
  • 利用者に代わって電話を発信する

活用場面

  • 開発者が顧客対応の電話を自動で受ける音声エージェントを作る
  • 教育機関が学生の質問にリアルタイムで答える音声エージェントを作る
  • 企業が動画会議の記録と要約を行うエージェントを作る

導入の手順

  • LiveKit Agents の文書を読み機能と仕組みを理解する
  • 案内に沿って OpenAI のリアルタイム API と LiveKit の WebRTC 基盤を設定する
  • 必要な STT、LLM、TTS のモデルを選び統合する
  • コードを書き AI 音声エージェントのパイプラインを作る

長所と短所

✓ 良い点

  • 音声・動画・データの各チャネルを扱える
  • エージェントの配備と拡張の指針が示される

! 注意したい点

  • 案内される構成には OpenAI のリアルタイム API と LiveKit の WebRTC が関わる
  • 音声エージェントのパイプラインは選んだ STT、LLM、TTS のモデルで組み立てる

よくある質問

何を構築するためのもの?

資料は音声・動画・データの各チャネルでやり取りするマルチモーダル音声エージェントと説明。

電話にも対応する?

資料は着信への応答と利用者に代わる発信を挙げる。

最終評価日: 2026-11-15

その他 AIオーディオツール ツール

すべて見る →

評価方法