人と話すように会話できる AI 音声エージェントを構築

複数のプリセット音声から選べ、滑らかで自然に話します。読み上げ前に括弧や Markdown などの記号を自動で除き、オフィスやカフェなどの背景音を重ねたり、バッファ再生で音声を途切れにくくしたりできます。

通話中にナレッジベースを検索し、API・MCP・OAuth のツールで注文確認、予約、記録の書き込みを行い、データテーブルを自然言語で照会します。ユーザー属性や変数も通話に反映され、一人ひとりに合わせた応対ができます。

ユーザーがカメラをオンにしたり画面を共有したりすると、エージェントはその映像を見られます。機器を映して故障を切り分けたり、Web ページを見ながら次の入力を聞いたり。3 つのエンジンすべてで使えます。

エージェントで解決できない案件はルールに従って有人オペレーターにつなぎ、通話の要約と聞き取った情報をまとめて渡します。お客様が同じ説明を繰り返す必要はありません。

共有リンクを開くだけで通話でき、インストール不要、切断時は自動で再接続します。iframe で公式サイトやヘルプセンターに埋め込めば、通話の自動開始、通話の開始・終了イベントのページへの通知、ドメインのホワイトリストやクレジット上限の設定が可能。社員は GWork からも直接使えます。

お手持ちの Twilio 番号をつなげば着信に応答できます。保存時に認証情報を自動で検証し、着信ごとに署名も確認します。既存のコールセンターから SIP で通話をエージェントに転送することも可能です（プラットフォーム側での有効化が必要）。リストに沿った発信は近日提供予定です。

通話はすべて自動で録音され、各ターンの文字と録音が対応づけられます。ターンをクリックすればその位置から再生でき、倍速再生やダウンロードも可能。実行シーケンスには各ターンの検索、ツール呼び出し、所要時間が残ります。通話後の自動要約と解決判定は近日提供予定です。