一言ごとに添削が付く
スピーキング練習

自分の話す言語と学んでいる言語を選び、コーヒーを注文する、バスの切符を買うといった場面を1つ選びます。相手役はCartesia Managed Agentが声で演じ、一言話すたびに、直すべき点がサイドパネルに書き出されます。
VercelにデプロイGitHubで見る
スペイン語のカフェの場面で添削をオンにしたSpeaking partner。バリスタが学習者にスペイン語で答え、添削パネルには文法のカードと直した文が表示されている

スクリーンショット. ローカルで動かしたテンプレート。

モデル
ink-2, sonic-3.6
言語
英語、スペイン語、フランス語、ヒンディー語、日本語
ライセンス
Apache-2.0
技術スタック
Next.js 16React 19AI SDKshadcn/uiagents-web
Cartesia の製品
Managed AgentsInk 2Sonic 3.6

できること

場面は、新しい隣人へのあいさつから家賃の交渉まで9つあり、それぞれに達成する目標があります。教え方のスタイルも選びます。Teacherは単語を提案し、あなた自身の言語で説明します。Immersiveは役になりきったままで、添削は最初は隠れています。場面を終えると、1（苦戦した）から3（流暢）までのスコアと3つのアドバイスがもらえます。場面と2つのスタイルは、Zack Akilによるオープンソースのデモ（Apache-2.0）から取り入れています。

自分で動かす

  1. インストールする

    Node 22.22以降で下のコマンドを実行します。pnpmでも動きます。話すだけならCARTESIA_API_KEYで足ります。添削パネルにはLLM_MODELとそのプロバイダーのキーが必要で、設定するまでは何を追加すればよいかをパネルが表示します。

    npx degit cartesia-ai/cookbook/examples/speaking-partner speaking-partner
cd speaking-partner
# add CARTESIA_API_KEY, and LLM_MODEL plus its key for corrections
cp .env.example .env.local
npm install
npm run dev

    環境変数
    CARTESIA_API_KEY
    play.cartesia.ai/keys
    LLM_MODEL
    添削用。provider/model。例：openai/gpt-5.4-mini
    OPENAI_API_KEY
    LLM_MODELがopenai/で始まる場合
    ANTHROPIC_API_KEY
    LLM_MODELがanthropic/で始まる場合
    AI_GATEWAY_API_KEY
    それ以外のプロバイダーの場合。Vercelでは不要
    AGENT_MODEL_ID
    任意。相手役のLLM。GET /v1/agents/modelsから選ぶ
    VOICE_ID_ES
    任意。スペイン語の音声を固定する。VOICE_ID_EN、_FR、_HI、_JAも同様
    APP_PASSWORD
    ローカルでは任意。Vercelでは必須。公開するならnoneを設定
    TRUST_PROXY
    任意。自前のリバースプロキシの背後に置く場合は1

  2. 場面を選ぶ

    npm run devが表示するURLを開き、2つの言語を選びます。教え方のスタイルと場面を選んでStart speakingを押し、最初の一言は自分から話します。ヘッドホンを使ってください。セッションは3分で終わります。

コーディングエージェントで作る

どこから始めて、最初に何を読むべきかをコーディングエージェントに伝えるプロンプトです。

プロンプト

Claude CodeCursorCodex

Build a language speaking practice app on a Cartesia Managed Agent. Start from https://github.com/cartesia-ai/cookbook/tree/main/examples/speaking-partner and follow its AGENTS.md for the commands, files and rules. The server creates one temporary agent per session with POST /v1/agents, writing the mission, role, mode and languages into its instructions, because a browser access token cannot send dynamic_variables. The browser gets a 60 second token with only the agent grant and talks to the agent through useCartesiaAgent from lib/agents-web. Corrections are a separate AI SDK call per line. Keep the five Ink 2 languages (en, es, fr, hi, ja). If I don't have a Cartesia API key yet, follow https://www.cartesia.ai/agent-quickstart.md to get one.

仕組み

セッションサーバーが場面を新しいエージェントのinstructionsに書き込む
Ink 2学んでいる言語であなたの声を聞き取る
LLM相手役を演じる。初期設定はclaude-haiku-4.5
Sonic 3.6その言語のネイティブの音声で話す
添削別のLLM呼び出しで、あなたの一言ずつを確認する

この設計にした理由

セッションごとに1つのエージェント

ブラウザは有効期限の短いトークンで接続しますが、このトークンでは場面を通話に渡せません。そこでサーバーは、セッションごとに場面、役、教え方を新しいエージェントのinstructionsに書き込みます。あなたが退出すると、エージェントは削除されます。

添削は通話と並行して動く

あなたが一言話すたびに、別のLLM呼び出しがその一言だけを確認します。直した文と、あなた自身の言語での短い説明が返ってきます。相手役は会話を続け、添削のために止まることはありません。

相手役が場面を終える

目標を達成すると、相手役は別れのあいさつをして、場面を終えるためのブラウザ側のツールを呼び出します。3つのアドバイスと、Immersiveではスコアも渡し、ページはまとめを表示してエージェントを削除します。途中で退出すると、スコアなしのまとめが表示されます。

カスタマイズする

場面を追加する

場面の一覧であるdata/missions.jsonにエントリーを追加します。ルートは場面のidを受け取るので、ブラウザが自由なテキストをプロンプトに送ることはありません。

教え方を変える

2つの教え方のプロンプトはlib/prompts.tsにあります。

音声を選ぶ

VOICE_ID_ESなどを設定します。設定しない場合、サーバーは音声ライブラリから、親しみやすい説明が付いた最初のネイティブ話者を選びます。

多くのチームが選ぶ、Cartesiaへの移行

Artificial Analysis

ランキング1位

Artificial AnalysisのSpeech ArenaとSpeech to Textのランキングで

よくある質問

動かすのに費用はかかりますか？

テンプレート自体はApache-2.0の無料のオープンソースです。練習の通話はあなたのCartesiaアカウントを、文字での添削はあなたのLLMプロバイダーを使います。セッションは3分で終わります。

試すには何が必要ですか？

話すだけなら、CartesiaのAPIキーとNode 22.22以降があれば十分です。文字での添削には、OpenAI、Anthropic、Vercel AI GatewayのいずれかのLLMキーも必要です。

どの言語を練習できますか？

英語、スペイン語、フランス語、ヒンディー語、日本語を、どの組み合わせでも練習できます。これらはInk 2が聞き取れる言語なので、ほかの言語には別の音声認識が必要です。

インターネットに公開しても安全ですか？

デプロイする前にパスワードを設定してください。ページを開ける人なら誰でも、あなたのアカウントでセッションを始められるからです。Cartesiaはエージェントの通話ごとに音声と文字起こしも記録するので、利用者に伝え、不要な通話は削除してください。

自分の一言が話し終えてから表示されるのはなぜですか？

エージェントはあなたが話し終えた時点で言葉を送るので、あなたの一言とその添削が同時に表示されます。相手役の言葉は、話している間に表示されます。

このテンプレートの詳しい手順ガイドはありますか？

はい。レシピでコードを順に解説し、READMEでセットアップ、環境変数、デプロイを説明しています。Cartesia側の仕組みはクライアントツールのドキュメントにあります。

クックブックのほかの例

すべて見る
受付. 電話受付

電話に出て、枠を予約し、通話を記録します。

ドキュメント用音声ウィジェット. ドキュメントサイト向けの音声

scriptタグ1つ。ドキュメントをもとに答え、出典を画面に表示します。

今すぐ始める

専門家に相談する。

音声体験の開発にCartesiaをどう活用できるか、私たちのチームにご相談ください。

営業に問い合わせる

開発を始める。

APIでモデルにアクセスし、数分で音声エージェントを本番環境に導入できます。

Cartesiaを試す