はじめに

早期アクセス

大事な

Voice AI エージェント は、早期アクセス機能として利用できます。アクセスまたは詳細を確認するには、専任のアカウントマネージャーまたはサポートにお問い合わせください。

AIエージェントエレメントへの通話転送

AI エージェントへの通話転送 エレメントを使用して、IVR （自動音声応答）フローからリアルタイムの Voice AI エージェント にアクティブな通話を引き継ぎます。これにより、音声認識、意図検出、生成 AI を使用して、通話を自然に会話で処理できるようになります。

メモこのエレメントは、IVR （自動音声応答）セッション内でのみ使用できます。インバウンドコールとアウトバウンドコールの両方で使用できます。

コールがフローのこのエレメントに到達すると、IVR （自動音声応答）は、選択した AI エージェントに制御を転送します。エージェントがタスクを完了すると、コールは常に IVR （自動音声応答）に戻り、コールが返された理由に関する情報が表示されます。

AIエージェントの詳細については、AIエージェントのドキュメントを参照してください。Voice AIエージェントの概要は、「Voice AIエージェント」を参照してください。

エレメントのサイドパネルで、次のフィールドを設定します。

通話を処理する AI エージェントと、それが実行するバージョンを選択します。

AI エージェントの処理タイプを選択します。

音声読み上げ: 単一の AI モデルが、テキストに変換することなく、音声で直接聞いて応答します。これにより、より高速な応答とより自然なトーンが可能になりますが、1分あたりのコストが高くなる可能性があります。
音声からテキストから音声へ: Voice は最初にテキストに書き起こされ、言語モデルによって処理されてから、音声に変換されます。このアプローチはコスト効率が高く、より優れた制御と簡単なデバッグを提供しますが、追加の処理手順により追加の遅延が発生します。

次の比較を使用して、ユースケースに最適な音声処理タイプを選択します。

考慮事項	スピーチ・トゥ・スピーチ	音声からテキストから音声へ
対応言語	日本語	広い範囲。Web インターフェイスで言語構成を確認します。
エンドツーエンドの待機時間	最低(約250〜500ミリ秒)	良好(約500〜1500ミリ秒)
トランスクリプトの可用性	利用可能。品質レビューに役立ちます。	利用可能。品質レビューに役立ちます。
Voiceの自然さ	非常に高い。ネイティブオーディオモデル。	高い。音声の選択によって異なります。
最適な用途	英語のみのレイテンシーが重要なユースケース	多言語、コスト重視、またはコンプライアンス重視の展開

選択した音声処理タイプに応じて、音声読み上げまたは音声テキスト読み上げに進み、エレメントの設定を完了します。

関連ページ

通話セッションの結果を管理する
呼び出しセッションの終了後に何が起こるかを、エレメントブランチを使用して処理します。

Voice AI エージェントの起動準備
音声プロンプトを作成し、セットアップを確認し、ライブ配信前にテストします。

Voice AI エージェントの概要
Voice AI エージェントが音声通話の音声固有の機能を使用して AI エージェントを拡張する方法について説明します。