Smallest.ai
Smallest AI · 音声・言語
Smallest.aiはリアルタイムの音声AI基盤だ。Lightningがテキストを読み上げ、Pulseが音声を文字にし、ホスト型エージェントが電話やWeb、自社アプリで応対する。
Smallest.ai について
About
Smallest.aiとは
Smallest.aiは、一般向けの単体アプリではなく音声のインフラだ。4つのモデル群を1つのアカウントと1本のAPIキーにまとめる。テキスト読み上げのLightning、音声認識のPulse、推論のターンを担う小型言語モデルのElectron、そして音声to音声のHydraだ。その上に載るホスト型のVoice Agentsが、これらのモデルを、電話に出て台本に沿って動き、電話やWebウィジェット経由で顧客に届くエージェントに変える。
狙いは、小さく特化したモデルを複数そろえる方が、万能の巨大モデル1つより強いという考え方だ。Electronは30億パラメータ未満のモデルで、調整したタスクではGPT-4.1を上回るとSmallestは説明する。話の軸は一貫して速度にある。Lightningは最初の音声バイトを約200ミリ秒で返し、これは自然な会話が求める水準だ。
制約も同じくらい重要だ。開発者とチーム向けの基盤なので、単発のナレーションを作るドラッグ操作の音声エディタはない。音声to音声のHydraは現時点で英語のみ、最も充実した音声カタログも英語、ヒンディー語、インド諸語に寄っていて、世界一律のリストではない。
はじめかた
- Smallest AIのコンソールでアカウントを作り、APIキーのページを開いてキーを発行する。
- テキスト読み上げのエンドポイントに最初のリクエストを送る。文字起こしが要るならPulseのエンドポイントを使い、音声が返ることを確かめる。
- エージェント一式を作るなら、Voice Agentsのダッシュボードを開き、テンプレートを選ぶか白紙から始めてプロンプトを書く。
- 声を選び、ツールやナレッジベースをつなぎ、ブラウザで動作を試してから、電話番号やWeb・モバイル用の埋め込みを接続する。
AIツール情報
Smallest.aiの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- 製品に音声を足す開発者：モデルはHTTPかWebSocketで呼ぶだけなので、音声スタックを自分で組まなくてもアプリに発話を足せる。
- サポートと営業のチーム：ホスト型エージェントが着信と発信キャンペーンをさばく。専任の機械学習チームは要らない。
- 規模より速度が要るスタートアップ：従量課金は無料クレジットから始まり契約も不要。試作がそのまま本番に育つ場合に向く。
タスク
- 低遅延でテキストを読み上げる：Lightningはライブのアシスタントに足る速さで音声を出し、変化が欲しいときはボイスクローンと200種超の声も使える。
- 通話と録音を文字起こしする：Pulseはライブと録音済みの音声を扱い、話者分離、タイムスタンプ、数十言語に対応する。
- 話すエージェントを通しで動かす：聞く、考える、話すを基盤がつなぐので、エージェントは実際の電話を受けられる。
シーン
- AI受付を作る：番号を借りてエージェントを向け、応答、取り次ぎ、通話記録を任せる。
- 音声製品を現地化する：プロンプトと声をAPIに渡せば、利用者が実際に話す言語の発話が返る。
- 着手前に音声のアイデアを試す：無料クレジットとブラウザの試用ツールで、電話回線に金をかける前に動くエージェントを聞ける。
主な機能
Lightningによるテキスト読み上げ
Lightningは音声エンジンで、2つのプールがある。Lightning v3.1は標準プールで、217種の声、音声を学習済みの12言語、5〜15秒のサンプルからの即時クローンを備える。Lightning v3.1 Proは上位プールで、米英印のアクセントをそろえた厳選カタログ、英語とヒンディー語の混用、さらに29言語を扱う。どちらも最初のバイトを約200ミリ秒で返す。
Pulseによる音声認識
Pulseはライブと録音済みの音声を文字にする。多言語版はストリーミングとバッチを数十言語でカバーする。話者分離、タイムスタンプ、キーワードの重み付け、機微な語の伏せ字も加わる。別モデルのPulse Proは録音ファイルの英語精度に絞り、Pulse 2.0は発話終了の検出、感情、性別を最初から備えた英語のストリーミングモデルだ。
ホスト型の音声エージェント
Voice Agentsはモデルを製品に変える層だ。ダッシュボードでプロンプト、声、言語、ツールを設定すれば、音声認識、推論のターン、読み上げ、電話をSmallestが回す。実回線に触れる前に、ブラウザでエージェントを試せる。
Electron小型言語モデル
Electronは音声エージェントの思考段階向けに作られたOpenAI互換のLLMで、最初のトークンが速く、ツール呼び出しにも対応する。30億パラメータ未満のモデルで、音声エージェントが実際に走らせるタスクで、はるかに大きなモデルと並べている。この主張は自分のプロンプトで試す価値がある。
Hydraによる音声to音声
Hydraは途中の文字起こしを省く。音声を受け取り、単一のWebSocketで音声を返し、相手の割り込みにも対応して、ツールを直接呼ぶ。自然なやり取りへの最短経路で、現時点では英語で動く。
ボイスクローンと豊富な声
Lightningの標準プールでは短いサンプルから声を複製でき、ブランドの読み上げや一貫したナレーターに足りる。両プールを合わせると数百種の既製の声があり、Lightning v3.1 Proは英語とヒンディー語以外の言語、たとえばオランダ語やスウェーデン語の専用の声も加える。
電話とマルチチャネル配信
エージェントはWebページに閉じない。電話番号を借り、自前のSIPトランクを持ち込み、発信キャンペーンを回せる。同じエージェントをWebウィジェット、iOSやAndroidのアプリ、Flutterのビルドにも埋め込める。WebhookとLiveKit、Pipecat、Vercel AI SDKの連携は、すでに自前のパイプラインを持つチームを支える。
メリットとデメリット
メリット
- APIキー1本で読み上げ、音声認識、言語モデル、音声to音声をまかなえるので、4社をつながずに音声スタックを組める。
- 遅延が最大の売りで、Lightningの約200ミリ秒という最初のバイトは、途切れない会話を支える。
- 従量課金は無料クレジットから始まり契約も不要なので、初期の試作が安く済む。
- ボイスクローンと数百種の声が標準プールに入るので、変化を求めるだけで上位プランに上げなくていい。
- 主要モデルはセルフホストの手順が用意されており、データを自社クラウドから出せない場合に効く。
デメリット
- 声と翻訳の厚い対応は英語、ヒンディー語、インド諸語に寄るので、対象言語は契約前に確かめたい。
- 音声to音声のHydraは現時点で英語のみで、多言語エージェントには使えない。
- 手早くナレーションを作る単体アプリはなく、コードを書かない人には触れる部分が少ない。
- 電話やエンタープライズの機能は公開価格表ではなく営業経由で、予算の見積もりが遅れる。
よくある質問
Smallest.aiは音声AIの基盤だ。テキストを読み上げに変え、音声を文字にし、電話とWebの会話をさばく音声エージェントをホストする。すべて1つの基盤とAPIで完結する。
関連コンテンツ
Smallest.aiに関連するツール、スキル、記事を探す。
Smallest.aiの代替ツール
Foley
Hanamori Labs, LLC · 音声・言語 · 生産性向上 · AIアシスタントFoleyは音声ToDoリストだ。話した一文をプロジェクト・日付・時刻まで入ったタスクとして整理し、その後はすでにあるリストを軸に一日の順番を組み立てる。
HireKey
HireKey · 音声・言語 · 生産性向上 · 学習HireKey は元テック業界リクルーターが作った AI 求職コパイロット。求人適合分析、職務経歴書のカスタマイズ、面接練習、応募管理を一つの画面にまとめる。
Fluence
Yay Software (Yannick Huchard) · ライティング · 音声・言語 · 生産性向上Fluence は Android 向けのドキュメントリーダーだ。PDF、EPUB、Word 文書、ウェブ記事を読み上げ、発話中の文を画面で追わせ、本文についての質問にも端末上で答える。