CPaaSはCommunications Platform as a Serviceの略で、開発者が通話・SMS・ビデオ・認証を自社アプリケーションにAPI経由で組み込めるクラウドプラットフォームです。キャリアのインフラを構築・運用する必要はありません。Twilioが2008年にこのカテゴリを作り、今も定義づけており（同社の1ページガイドが参照定義です）、Vonage、Sinch、Plivo、Bandwidth、Infobip、Bird（旧MessageBird）も同じモデルで展開しています。
典型的なCPaaSの買い手は、アプリ内に通知、ワンタイムパスコード、マスクド通話を実装する必要があるプロダクトチームです。配車ドライバー到着のSMS、歯医者のリマインダー、2FAコードは、すべてCPaaSのトラフィックです。より新しい買い手は、音声エージェントを電話に載せるチームです。その買い手は最後まで読んでください。プラットフォームの問いが形を変えているからです。
CPaaSがカバーするもの
正確なカタログはプロバイダーによって異なりますが、中核は同じチャネル群で、それぞれAPIから使えます。
- メッセージング。 SMSとMMS、トールフリーメッセージング、WhatsAppやMessengerなどのOTTチャネル。
- 音声。 VoIPと公衆電話網でのプログラマブルな通話、および既存キャリアをつなぐSIPトランキング。
- ビデオ。 P2P通話、グループルーム、ライブストリーミング。
- メール。 トランザクショナルおよびマーケティング配信。
- 認証。 ワンタイムパスコード、二要素認証、本人確認。
- ローコードツール。 各種インテグレーションを手書きせずにフローを組みたいチーム向けのビジュアルビルダー。
これらをプロダクトに組み合わせます。ヘルスケアアプリなら、ログインに認証、リマインダーにSMS、緊急時に音声、という具合です。CPaaSはキャリアとの関係、配信ルーティング、コンプライアンスの配管を引き受け、あなたはアプリケーションを所有します。
CPaaS・UCaaS・CCaaSの違い
3つの頭字語はよく混同されますが、3つすべてを売るベンダーが事態を助けません。区別の軸は、そのソフトウェアを誰が使うかです。
| CPaaS | UCaaS | CCaaS | |
|---|---|---|---|
| 内容 | 自社プロダクトに組み込む通信API | 社内コラボレーションスイート（通話・会議・チャット） | サポートチーム向けホステッド型コンタクトセンター |
| 使う人 | 開発者 | 従業員 | コンタクトセンターのエージェント |
| 例 | Twilio、Vonage、Sinch、Plivo | Zoom、RingCentral、Microsoft Teams | Genesys Cloud、Five9、NICE |
| 料金 | 1分・1通・1コール単位 | 1シートあたり月額 | エージェント1席あたり月額 |
スタッフの電話を買うならUCaaS、サポートキューを回すならCCaaS、販売するものの中に通信を組み込むならCPaaSです。頭字語は似ていても、買い手は3つの異なるチームです。
CPaaS料金の仕組み
CPaaSは従量課金で、プラットフォーム料金はありません。音声は1分単位、SMSは1セグメント単位、認証は成功した検証ごとの課金です。このモデルがカテゴリを広げました。スタートアップは最初の1通を1セント未満で送れ、そのまま同じアカウントを数百万通にスケールできます。
2026年10月時点のTwilio米国定価が定番の例です。発信が1分0.014ドル、ローカル番号への着信が1分0.0085ドル、番号自体が月1.15ドル、SMSが1セグメント0.0083ドルです。料金より重要な請求ルールが2つあります。通話はレグごとに課金されること（転送した発信は両方のレグが課金対象）、そして多くのプロバイダーが次の1分に切り上げることです。Twilio料金ガイドに料金表全体をまとめています。
正直な注意点をひとつ。1分あたりの価格はパイプの対価です。通話の上で聞き、考え、話すもの（文字起こし、LLM、テキスト読み上げ）は、CPaaSからであれモデル提供者からであれ、別のメーター層になります。Twilio自身のエージェント製品であるConversation Relayは、アクティブなセッション時間1分あたり0.07ドルが加算されます。合計を比較する前に、各層を足し合わせてください。
プロバイダー
出会うことになる名前を、出くわす順に並べました。
- Twilio: カテゴリの創設者であり、デフォルトの評価対象。最も広いAPIカタログ、従量課金、そして他のすべてのドキュメントが比較されるドキュメント。
- Vonage: 旧Nexmo。音声・ビデオAPIに強く、Ericsson傘下。
- Sinch: メッセージングと音声で大手、特に国際展開。複数の地域プロバイダーを買収して拡大。
- Plivo: 音声とSMSのAPIを、より小さくシンプルなカタログで提供。
- Bandwidth: 自社キャリア網を持つCPaaS。番号ポーティングや緊急通話ルーティングを内製したい場合に意味があります。
- Infobip: 国際メッセージングとオムニチャネル。北米以外で強い。
- Bird: 旧MessageBird。メッセージング中心で、欧州に基盤を持つ。
適切なショートリストは、チャネルと対象国によって変わります。米国の音声ワークロードなら、どのベンダーでも通話を運べます。違いは価格、対象地域での信頼性、そしてスタックのどれだけを1社から買いたいかです。
音声AIが計算を変えるところ
CPaaSの通話はパイプです。両端をつなぎ、あとは退場します。両端に人間がいるなら、それはまさに正しい設計です。しかし2026年の企業通話の増えつつある部分では、片方の端がソフトウェアです。リードを評価し、注文を受け、配送を調整し直すエージェントです。パイプだけではそこに届きません。音声エージェントには、パイプの上に5つの要素が必要です。
- 耳。 相手が話し始めた瞬間に聞き取るストリーミング音声認識。
- 脳。 あなたのツールとデータを使って次の発話を決めるLLM。
- 声。 聞く価値のある相手に聞こえるテキスト読み上げ。
- ターンテイキング。 相手が話し終えたか、いつ割り込むか、いつ待つかを判断するモデル。ここを外すと、通話はトランシーバーのようになります。
- テレフォニー。 番号、ルーティング、録音、そして規制まわり。
これらはすべてCPaaSの上に組み立てられます。Twilioが通話を運び、あなたは音声認識へ音声を流し、モデルを回し、応答を合成し、接着剤とレイテンシ予算とターンテイキングを自分で所有します。リアルタイムの工学に強いチームはこの道を選び、思いどおりのスタックを手に入れます。もう1つの選択肢は、5つの部品をひとまとめにし、電話網を入力の1つとして扱う音声エージェントプラットフォームです。CPaaS自体を魅力的にしたのと同じ動きが、1つ上の層で起きています。
2つを分ける問いはこれです。その通話は考える必要がありますか？答えがノー（予約リマインダー、配送通知、OTPコード）なら、パイプを買ってください。イエスなら、あなたが見ているのはパイプの上の層であり、それは別の評価です。
Cartesiaの位置づけ
CartesiaはCPaaSではありません。私たちが作るのは会話の層です。テキスト読み上げのSonic、音声認識のInk、ホステッド型音声エージェントビルダーのManaged Agents。テレフォニーは電話番号のドキュメントにある3つの経路で提供されます。Cartesiaプロビジョニングの米国番号（プランに無料で含まれ、Freeでは1番号からEnterpriseではカスタムまで。1分あたり0.014ドルのテレフォニー料金が加算）、Twilioアカウントからインポートした番号（Twilio料金で国際発信も可能）、またはSIPトランク経由の自社キャリアです。エージェントの通話は1分あたり0.06ドルで、LLMのトークンはモデルの公表価格で課金されます。無料プランには月1ドル分のエージェント通話が含まれます。自分の電話から自分のエージェントにかけて、対応を確かめるには十分な量です。
必要なのがメッセージングAPI、認証フロー、生の通話分数なら、TwilioのようなCPaaSが適切なツールです。そこからインポートした番号の上でも、私たちのエージェントは気持ちよく動きます。必要なのが会話を支える声なら、プレイグラウンドから始め、音声エージェントの仕組みを読んでみてください。