
1 / 3
【概要】 Boson AIは、開発者や企業がリアルタイム音声エージェントを構築するための音声モデルと基盤モデルを提供するプラットフォームです。音声入力に対してその場で推論し、ツールを呼び出し、独自の音声で応答する音声対音声モデル「Higgs Realtime」を中核に、表現力豊かな音声合成やアバター生成までをカバーします。 従来の音声エージェント開発では、音声認識・対話管理・音声合成を個別に組み合わせる必要があり、遅延や割り込み対応が課題でした。Boson AIは、これらを統合したモデルにより、自然な会話フローを実現。ビジネスクリティカルな音声ワークフローを持つ企業や、リアルタイム音声エージェントを開発するチームに適しています。 【主な機能】 • Higgs Realtime音声対音声: 音声を聞き、思考し、独自の声でリアルタイムに応答。ツール呼び出しや割り込みからの復帰も可能です。 • 割り込み処理: ユーザーが会話に割り込んだり、途中で訂正したりしても文脈を保ち再計画します。 • ツール呼び出し/関数呼び出し: 音声入力から関数呼び出しを生成し、検索や予約などの多段階ワークフローを駆動します。 • 多言語サポート: 100以上の言語に対応し、言語ごとの設定なしでコードスイッチングも理解します。 • OpenAI Realtime API互換: 同じワイヤプロトコルとイベント形状を採用し、既存コードの接続先変更が可能です。 • 音声合成(Higgs TTS 3): 100以上の言語で自然で表現力豊かな音声を生成。音声クローニングと自動ボイスキャスティングに対応します。 • Higgs Avatar: 静止画と駆動音声からリアルなトーキングヘッド動画を生成します。 • 音声理解: 音声認識と感情検出により、声の感情シグナルを読み取り、ルーティングや分析、文脈認識エージェントに活用します。 【利用シーン】 1. 音声エージェントによる旅行計画や航空券予約 2. アカウント照会やアクションを伴うサポートコールの解決 3. 1つの会話内での2言語間のライブ翻訳 4. 健康保険のアウトバウンド営業 5. 通話中の不正検知 【料金概要】 Free trial credit: $10(新規アカウントに$10の無料トライアルクレジット) Higgs TTS 3: $0.015/1K文字(生成音声は無料) Higgs Avatar: $0.07/出力動画1分(640×480または480×640の場合、640×640は$0.09/分、音声+テキスト入力は無料) Higgs Realtime: $0.0023/音声入力1分、$0.014/音声出力1分、入力トークン$0.75/1Mトークン、キャッシュ入力トークン$0.25/1Mトークン 【長所と短所】 長所: - 音声対音声モデルを中心に据えることで、開発者は複雑なパイプラインを組まずに自然な会話体験を実装できるため、リアルタイム性が求められる音声エージェント開発に携わるチームに向いています。 - OpenAI Realtime API互換のため、既存のコード資産を活かしながら移行できる点が、開発リソースを重視する企業にとって有利です。 - 多言語対応と感情検出を備え、グローバルな顧客対応や分析業務の自動化を目指す企業に適しています。 短所: - Higgs Avatarの解像度は640×480、480×640、640×640に限定されます。 【よくある質問】 Q: 無料で試せますか? A: はい、新規アカウントには$10の無料トライアルクレジットが付与されます。 Q: どのような企業に適していますか? A: ビジネスクリティカルな音声ワークフローを持つ企業、リアルタイム音声エージェントを開発する開発者、アウトバウンド営業やカスタマーサポートを自動化したいチームに適しています。 Q: 料金体系はどうなっていますか? A: 利用量に応じた従量課金制です。Higgs Realtimeは音声入力$0.0023/分、音声出力$0.014/分など、各モデルごとに設定されています。
Free trial credit · $10 (New accounts get $10 in free trial credit) Higgs TTS 3 · $0.015 (Per 1K characters, Generated audio free) Higgs Avatar · $0.07 (Per minute of output video at 640×480 or 480×640, $0.09/min at 640×640, Audio + text input free) Higgs Realtime · $0.0023 (Per minute audio input, $0.014/min audio output, Input tokens $0.75 / 1M tokens)
表示価格は米国地域の参考価格です。地域によって価格は異なります。
WPS AIは、WPS Officeに統合されたAIアシスタントです。文書の執筆やPPTのアウトライン生成、長文の要約と質問応答、表計算の数式作成やデータ分析までをサポートします。中国語環境で利用でき、日々のオフィスワークにおける作成・整理…
Baidu Comateは、百度の文心大模型(ERNIE)を基盤としたAIコーディングアシスタントです。自動コード生成、単体テスト生成、コメント生成、インテリジェントQ&Aといった機能を提供し、開発者がコーディング作業を効率化できるよう支援…
UniConverterは、動画・音声・画像の変換、圧縮、編集、画質向上をまとめて行えるAIメディアツールです。低画質な映像を復元するAI Video…
Boson AIの代わりに検討したいツール6件