返答は、届いた音声から。
PCM16・16kHz の音声を送ると、文字起こし、返答テキスト、返答音声が順に届きます。返答は最初の音声フレームから再生できます。
日本語のリアルタイム音声対話 API
声のある世界を、
ひとつ、つくろう。
話しかけると、音声認識・応答生成・音声合成をひとつの接続で処理し、返答の声とテキストをそのまま届けます。
ゲーム、学習、暮らしの機器に、日本語の会話を組み込めます。
月額0円の従量プラン · チャージは500円から · 登録すればすぐに会話テストまで
Go / JavaScript SDKWebSocketPCM16 / 16kHz
LIVE DEMO体験通話
読み込み中…
1:30
1 回 90 秒まで、既定の声で話せます。音声は返答の生成にだけ使い、保存しません。
01 / IDEAS
次は、何と話そう？
ゲーム
声で登場人物と話し、物語を進める。
学習・会話練習
日本語や面接を、何度でも練習。
キャラクター
好きなキャラと、今日の出来事を話す。
キオスク・案内端末
施設や展示の知りたいことを、声で質問。
見守り・介護
日常の会話や、予定の確認に。
家電・接続機器
使い方を聞く。声で設定を変える。
利用例です。画面・機器との接続・操作は開発者が実装します。
02 / BUILD
会話のしくみは、Otoaに。
あなたは、体験づくりを。
音声認識・応答生成・音声合成を、ひとつのAPIで。端末はマイクの音声を送り、返答の音声を再生するだけです。
server.mjs · JavaScript SDK
import { connect } from "./otoa-voice.mjs";
const call = await connect({
callTokenUrl: "https://platform.otoa.ai/v1/call-tokens",
apiKey: process.env.OTOA_API_KEY, // バックエンドだけが持つ
asr: "tsubame",
model: "medium",
systemPrompt: "あなたは冒険をともにする旅の仲間です。",
onSpeech: "interrupt",
});
call.on("transcript", (event) => show(event.text));
call.on("answer", (event) => append(event.text));
call.on("audio", (pcm16, sampleRate) => play(pcm16, sampleRate));API キーを通話トークンに交換する
POST /v1/call-tokens が、60 秒有効・1 回限りのトークンを返します。残高と同時接続数はここで確認されます。
WebSocket をひらき、start で設定する
返答モデル、音声認識（つばめ／はやぶさ）、声、システムプロンプト、道具、割り込みの扱いを 1 通の JSON で指定します。
音声を送り、届いた順に再生する
transcript、answer_delta、audio_frame が届きます。audio_frame の直後の PCM を、session が示すサンプルレートで再生します。
通話中に指示と道具を差し替える
instruct、set_tools、speak、clear で、接続を張り直さずに会話の進め方を変えられます。
1
→ログイン
2
→APIキーを発行・チャージ
3
SDKで接続
03 / PRICING
小さく始めて、
育ったぶんだけ。
音声対話
¥12 / 接続1分
認識・応答・合成込み。接続秒数で計算。文字起こしのみ
¥3 / 入力音声1分
入力音声を秒単位で切り上げ。1回8秒まで。チャージ：¥500〜¥100,000／180日有効。
100クレジット＝¥1。
学習利用に同意する音声対話：¥6 / 分
既定はオフ。通話の音声・テキスト等を保存し、学習に利用する場合があります。Businessは対象外。
取得済みデータの学習利用は取り消せません。条件を確認 →
月額プラン
付与クレジットは翌月末まで有効（日本時間）。
| プラン | 月額 | 付与クレジット | 音声対話の目安 | 同時接続 | APIキー |
|---|---|---|---|---|---|
| Starter | ¥980 | 108,000 | 90分 | 3本 | 10本 |
| Standard | ¥2,980 | 342,000 | 285分 | 5本 | 10本 |
| Pro | ¥9,800 | 1,200,000 | 1,000分 | 10本 | 20本 |
| Business | ¥59,800 | 7,920,000 | 6,600分 | 30本 | 50本 |
目安は¥12/分で換算。クレジットは文字起こしと共用。料金の詳細 →
学習利用は、既定でオフ。
同意なしの通話音声・テキストは保存しません。課金・障害調査用の情報は保存します。
登録用の音声は削除まで非公開で保存。処理によっては国外のサーバーを利用します。
YOUR IDEA, WITH A VOICE.