Voicebun

欲しいものを自然な言葉で書くと、Voicebunが設定済みの音声エージェントに変換する。覚えるべきドラッグ&ドロップの流れも、手で触るモデル設定もない。エージェントはすぐ話せる状態で届き、コードではなく記述を書き換えて磨いていく。

エージェントは台本を読むのではなく、低遅延の双方向の会話を進める。これはサポートの電話や家庭教師で効く。相手の話を聞き、応答し、人のように割り込みにも対処する必要があるからだ。リアルタイム音声の層はLiveKit上で動き、音声の伝送を支える。

既定の声に加えて、Voicebunは複製に対応し、選んだ特定の声でエージェントが話せる。無料プランにも声の複製が無制限で付くのは、入門の位置づけでは珍しい。小さなチームが公開するエージェントごとに、声の印象をそろえやすくなる。

エージェントには実際の電話番号を割り当て、生の着信を受けさせられる。無料プランは1番号、Professionalプランは5番号、Enterpriseは無制限だ。これでブラウザのデモが、顧客が本当にかけられる相手になる。

コードはGitHub上にApache 2.0で公開され、Next.js、Supabase、LiveKit、OpenAIで作られている。自分で動かしたい場合は、リポジトリを複製し、自分のAPIキーを足してインスタンスをホストできる。これがVoicebunと閉鎖的な競合との最も大きな差だ。

Voicebunは他の利用者が作ったエージェントの公開ギャラリーを持ち、健康、教育、カスタマーサポート、生産性といった分類で並ぶ。動く実例とその記述を見て回れるので、新しいエージェントを作り始めるときの白紙感が減る。