Vercel、AI Gatewayで音声通話機能を提供開始

要点

• VerizelのAI Gatewayが音声・リアルタイム通話機能をベータ版で提供開始しました。

• OpenAIとxAIのモデルに対応し、開発者は既存のテキスト・画像機能と同じ方法で音声通話、音声合成、音声認識をアプリケーションに統合できます。

• 従来のように複数モデルを組み合わせる必要がなく、より自然な対話が実現する点が特徴です。

3つのポイント

よくある質問

どのモデルが対応していますか？

OpenAIとxAIのモデルに対応しています。具体的にはOpenAIのgpt-realtime-2やxAIのgrok-ttsが利用可能です。

リアルタイム音声通話と従来の方法の違いは何ですか？

リアルタイム音声モデルは音声を直接入出力するため、単一のモデルで完結します。一方、従来は音声認識→言語モデル→音声合成という3段階のパイプラインが必要でしたが、この新方式ではそれが不要になります。

いつから利用できますか？

ベータ版はAI SDK 7で利用可能です。また、Vercelのプレイグラウンドでコードを書かずにブラウザ上で試すこともできます。