学ぶ。
ウォームトランスファーとは？コールドトランスファーとの違い
ウォームトランスファーは発信者を紹介してから電話を引き継ぎ、コールドトランスファーは紹介なしで転送します。仕組み、使い分け、音声エージェントによる転送を解説します。
WebRTCとWebSocketの違い：リアルタイム音声にはどちらを使うか
WebSocketはTCP上で順序どおりにメッセージを送り、WebRTCはジッターバッファと損失回復を備えてUDP上で音声を送ります。音声AIでの使い分けを解説します。
コンタクトセンターの自動化：最初に自動化すべきもの
コンタクトセンターの自動化を層ごとに整理します。最初に自動化する通話、音声エージェントが解決に必要なもの、1分あたりのコスト、測定すべき指標を解説します。
SIPトランクとは？仕組みと音声AIでの使い方
SIPトランクは、電話システムと通信事業者の間の通話をインターネット経由で運びます。 仕組み、VoIPやPRIとの違い、AI音声エージェントへの接続方法を説明します。
MOS（平均オピニオン評点）とは？
MOSは聴取者の評価を1〜5で平均した値です。計算方法、通話とTTSそれぞれでのよいスコアの目安、そして2つのMOSがほとんど比較できない理由を解説します。
対話型AIデザイン：音声エージェントのための設計ガイド
音声向けの対話型AIデザイン。耳で聞く前提の書き方、ターンと割り込みの扱い、確認すべき情報、失敗時の動きと人への引き継ぎを解説します。
AI音声エージェントプラットフォーム比較（2026年）
Vapi、Retell、Bland、Synthflow、ElevenLabs、LiveKit、Pipecat、Cartesiaを比較。各プラットフォームが何を担うのか、1分あたりの費用、選び方をまとめました。
ニューラルTTSとは？ニューラル音声の仕組み
ニューラルTTSは、学習済みのニューラルネットワークでテキストを音声に変換します。その仕組み、標準音声との違い、そして「ニューラル」が請求額でいくらになるのかを解説します。
音声認識モデルの比較と選び方（2026年）
ストリーミングとバッチ、APIとオープンソース。2026年に検討すべき音声認識モデルの得意分野と選び方を解説します。
ElevenLabsの料金（2026年）：プラン、クレジット、API
2026年のElevenLabsの料金を解説。6つのプラン、クレジットが何分の音声になるか、モデル別のAPI料金、エージェントの料金、実際のワークロードでの合計額をまとめました。
PipecatとCartesiaで音声エージェントを構築する
Pipecatで処理をつなぎ、Cartesiaで音声を生成。ブラウザーで動く音声エージェントを構築し、Inkの発話終了予測で応答時間を短縮します。
AIコールドコールとは：仕組みと構築方法
AIコールドコールは、自ら発信し、見込み客を見極め、商談を予約する音声エージェントです。通話費用、同意に関する法律、2つの構築方法を解説します。
オンプレミス音声AIとは：仕組みと導入方法
音声認識、言語モデル、音声合成を自社ネットワーク内で実行するオンプレミス音声AI。クラウド、VPC、オンプレミス、エアギャップ構成を比較します。
2026年に知っておきたい音声AI企業
音声モデルの提供企業、音声エージェント基盤、クラウド音声サービス、オープンソース。各社が実際に提供するものに分けて紹介します。
AI音声エージェントとは：仕組みと構築方法
AI音声エージェントの仕組みと、通話者が会話を続けられるかを左右するレイテンシ、ターン交代、テストの判断を解説します。
音声区間検出：音声エージェントのためのVAD
音声区間検出の仕組み、ターン検出との違い、リアルタイム音声エージェントで間や割り込みを扱う方法を解説します。
単語誤り率とは。音声AIのWERでは測れないもの
単語誤り率が測るもの、TTS評価で判断を誤らせる理由、実際の会話で重要な音声品質の検証方法を解説します。
対話型IVRで電話メニューを置き換える方法
対話型IVRが音声の要望を振り分ける仕組み、音声エージェントの役割、電話メニューを置き換える前に検証すべきことを解説します。
固定した音響評価器はASRの幻覚をどう変えるか
会議音声の挿入誤りを減らす新しい音声認識の研究から、単語誤り率全体だけでなく誤りの種類を見る重要性を考えます。
AIコールセンター：音声エージェントの試験導入
サポート窓口の選定、ツール接続、担当者への引き継ぎ、解決率と費用の測定を通じて、AIコールセンターの試験導入を進めます。
エンドポイント単位の測定でTTS APIを比較する
CovalのQwen3の結果をもとに、レイテンシの数値が示すことと、本番向けの候補を検証する方法を解説します。
AI受付：既製品を買うか、自分で構築するか
既製のAI受付と独自の音声エージェントを比較し、予約、人への引き継ぎ、費用、最初の着信のテストを計画します。
SpeechSynthesisでJavaScriptのテキストを音声に変換する
JavaScriptでブラウザーの読み上げデモを作成します。音声の取得、読み上げ、停止を実装し、ホステッドTTS APIを使うべき場面も解説します。
CovalのストリーミングSTTベンチマークと推論レイテンシ
Covalの測定から、推論基盤と導入構成が音声認識の速度に与える影響を読み解きます。
Pythonで音声合成：音声をWAVファイルに保存する
PythonとCartesia SDKでテキストからWAVファイルを生成します。APIキーの設定、声の選択、音声や認証に関するよくあるエラーへの対処を解説します。
Speechifyの代替15選：無料・有料の選択肢
文書を聴くため、または音声を使った製品を作るためのSpeechifyの代替を比較。無料で使える選択肢と、各ツールでできることを紹介します。
ElevenLabsの代替：10の選択肢を比較
リアルタイム音声エージェント、台本付きナレーション、文書の読み上げ、メディア編集という用途別にElevenLabsの代替を比較し、テスト方法も紹介します。
Descriptの代替10選
Descriptの代替を、録音、文字起こし編集、動画制作、音声APIで比較し、各ツールが作業のどの部分を担うか確認します。
Google Cloud Text-to-Speechの代替10選
Googleの音声合成の代替を、APIの処理、対応言語、発話の制御、導入の要件で比較します。
Murf AIの代替11選
台本付きナレーションと音声API向けにMurf AIの代替を比較し、選ぶ前に編集、出力、ストリーミングを試します。
Discordでテキスト読み上げを使う方法
Discordの/ttsコマンド、再生と通知の設定、メッセージが読み上げられない場合の確認方法を解説します。
Hume AIの代替10選
音声生成とエージェント向けにHume AIの代替を比較し、TTS、会話型インターフェース、表現の分析の違いを解説します。
Lovo AIの代替10選
録音ナレーション、独自の声、ライブの発話向けにLovo AIの代替を比較し、声の一貫性と修正の流れを試します。
Amazon Pollyの料金と無料枠、代替11選
Amazon Pollyの料金は音声エンジンによって100万文字あたり4〜100ドルで、それぞれに無料枠があります。料金表の全体と、11の代替候補を紹介します。
Flikiの代替11選
ナレーション付き動画と音声生成向けにFlikiの代替を比較し、動画を組み立てるツールと音声を供給するツールの違いを確認します。
Azure Text to Speechの料金、無料枠、代替10選
Azure Text to Speechはニューラル音声で100万文字あたり15ドル、毎月50万文字の無料枠があります。料金表、カスタム音声の利用条件、そして代替サービス10選を紹介します。
Narakeetの代替10選
ナレーションと音声API向けにNarakeetの代替を比較し、スライドのタイミング、発音、完成動画までの手順を確認します。
サービス終了後のPlayHT代替サービス15選
PlayHTは2025年12月31日にサービスを終了しました。用途別に15の代替サービスを比較し、移行で何を復元できるかを解説します。
Resemble AIの代替11選
独自の声と音声生成向けにResemble AIの代替を比較し、同意、声の一貫性、導入方法、利用権利を確認します。
Respeecherの代替10選
声のクローンと生成した台詞向けにRespeecherの代替を比較し、TTSと録音した演技の変換の違いを解説します。
Speecheloの代替10選
ナレーション、文書読み上げ、音声API向けにSpeecheloの代替を比較し、購入条件、修正、商用出力を確認します。
Typecastの代替10選
台本付きや対話型の声に使うTypecastの代替を比較し、話し方の制御、話者の一貫性、割り込み対応を試します。
WellSaid Labsの代替10選
業務用ナレーションと音声アプリ向けにWellSaid Labsの代替を比較し、台本のレビュー、発音修正、APIの動作を試します。