Alibaba Cloud は、リアルタイム対話型 AI 向けに、さまざまなシナリオに適した複数の統合ソリューションを提供しています。
背景情報
大規模言語モデル (LLM) は、多くの業界ニーズに対応する AI エージェントとして機能します。特に、社内のナレッジベースと統合することで効果を発揮します。一般的なユースケースには、スマートカスタマーサービスやパーソナルアシスタントがあります。一方で、テキストベースの AI エージェントでは効率的なコミュニケーションを実現しにくい場合があります。このため、よりリッチで直感的なインタラクティブ体験を提供するために、ApsaraVideo Real-time Communication (RTC) を基盤とする AI エージェントが開発されました。
統合ソリューション
Alibaba Cloud は、音声通話とビデオ通話およびメッセージ会話向けに、AICallKit SDK を使用する 2 つのソリューション (UI あり/なし) を提供しています。
-
UI ありの統合：Alibaba Cloud は、音声/ビデオアプリケーション向けの既製の UI コンポーネントを提供しています。これらのコンポーネントを設定してデモを実行するか、プロジェクトに統合することで、リアルタイム対話型 AI の機能を迅速に追加できます。
-
UI なしの統合：独自の UI をカスタマイズしつつ、AICallKit SDK がリアルタイム対話型 AI の基盤実装を処理します。これにより、アプリケーションにリアルタイム対話型 AI の機能を迅速に追加できます。
AICallKit SDK を使用して統合する場合でも、ARTC SDK のインターフェイスを利用できます。AICallKit SDK は RTC SDK を基盤とした信頼性の高いシナリオベースのインターフェイスを提供し、利便性と柔軟性の両方を確保します。
サーバーサイドの機能
-
通話のパーソナライズ設定：AI エージェント向けに、カスタムグリーティング、声色、スマート割り込みを設定できます。
-
通話内容の取得：組み込みの音声認識により通話が自動的に文字起こしされるため、通話記録を確認し、モデルトレーニングなどのタスクに利用できます。
-
エージェントコールバック：特定のイベントが発生したときに、事前設定されたアクションまたは応答を自動的にトリガーします。
-
音声認識ホットワード：ドメイン固有の単語をホットワードとして追加することで、認識精度を向上させることができます。
-
デジタルヒューマン統合：ワークフローを使用して音声入力をデジタルヒューマンのアニメーション応答に変換し、より魅力的なインタラクティブ体験を実現できます。