AIToday
音声・スピーチAIビジネス・産業Hacker News掲載日時: 2026年5月5日 7:00

OpenAIがWebRTCを再設計、音声AIの低遅延化

LINEで送る

3つのポイント

  1. 何が起きたか

    OpenAIはWebRTCスタックを再設計し、週9億人以上のアクティブユーザー向けに低遅延の音声AIを支えるようにした。新設計では、リレーとトランシーバーモデルを用いてパケットルーティングとプロトコル終端を分離した。

  2. なぜ重要か

    従来の1セッション1ポートモデルは、Kubernetesで大きなUDPポート範囲を扱うのが難しく、運用の複雑化やスケーリングの問題を引き起こしていた。新アプローチでは、クライアントにとっての標準的なWebRTC動作を維持しつつ、公開UDPポートの範囲を縮小し、インフラのセキュリティ確保とスケーリングが容易になった。

  3. 注目点

    このアーキテクチャの成否は、世界中で低遅延とジッタを維持できるかにかかっている。OpenAIは地理的に最適化されたシグナリングとグローバルリレーを利用し、セットアップとメディアの両方をユーザーに近い経路で処理する計画だ。

わからないところ、AIに聞けます

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

背景と解説

OpenAIがSFU(選択転送ユニット)モデルからの移行を決めたことは注目に値する。SFUは多人数アプリケーションで標準的に使われることが多いが、OpenAIのワークロードは主に1対1のセッションで遅延感度が高く、トランシーバーモデルの方が適している。この判断から、Kubernetesでセッション所有権を維持しつつスケールするための独自ソリューションの開発に至った。

重要な洞察は、ICEのufrag(プロトコルネイティブなフィールド)にルーティング情報をエンコードし、リレーが外部参照なしで最初のパケットを転送できるようにしたことだ。この設計選択により、バックエンドサービスやクライアントの動作に複雑さを追加せず、ルーティング層に集中させることができた。また、SO_REUSEPORTやスレッドピニングなどの標準的なLinux機能を使用することで、カーネルバイパスを避け、実装をシンプルに保っている。

このアーキテクチャの長期的な成功は、おそらく本番環境での性能、特にジッタとパケットロスに依存するだろう。設計はエントリーポイントをユーザーに近い場所に置くことで遅延を低く抑えることを目指しているが、実際の性能が最終的な試金石となる。このインフラがChatGPTの音声機能とRealtime APIを支えているという事実は、すでにかなりのトラフィックを処理していることを示しているが、週9億人以上のユーザーの要求に応え続けるには、継続的なモニタリングが鍵となるだろう。

よくある質問
この新アーキテクチャでOpenAIはどのような問題を解決したのか?
OpenAIは従来の1セッション1ポートのWebRTCモデルが抱えていた問題を解決した。このモデルはKubernetesで大きなUDPポート範囲を扱う必要があり、スケーラビリティとセキュリティに影響を与えていた。新設計では小さく固定されたUDP範囲を使用する。
この変更はクライアントのWebRTC利用に影響するか?
いいえ、クライアントの視点ではWebRTCセッションに変化はない。新しいアーキテクチャは標準的なWebRTCの動作を維持しつつ、OpenAIのインフラ内部でのパケットルーティング方法を変更している。
LINEで送る

あなたの仕事に関係するAIニュースを、毎朝お届けします。

業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。

登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →

AIに質問

この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。

質問と回答はこのページに公開されます。

このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る

関連記事

次の記事へChatGPTが教育に好影響をもたらすと主張した論文が、分析の矛盾を理由に撤回される