WebRTC (リアルタイム音声通信基盤)
読み: うぇぶあーるてぃーしー
最終更新: 2026-07-31・AI PICKS編集部
定義
WebRTCとは、ブラウザやスマホアプリ同士が専用サーバーを介さずリアルタイムで音声・映像を送受信できるオープン標準の通信技術のこと。
WebRTC (リアルタイム音声通信基盤)とは — 詳しく解説
WebRTC（Web Real-Time Communication）とは、Googleが主導しW3C/IETFで標準化された、ブラウザやモバイルアプリ間で音声・映像・任意データをサーバーを介さず低遅延にやり取りするためのオープンなプロトコル群のこと。ビデオ会議、音声AIエージェントとのリアルタイム対話、遠隔診療などの基盤技術として広く採用されているとされる。実運用での最大の落とし穴はNAT越えで、社内ネットワークやモバイル回線からの接続失敗を防ぐにはSTUN/TURNサーバーの冗長構成がほぼ必須になる。現場での選び方は、自前でシグナリングとTURN基盤を構築するか、TwilioやAgoraのようなマネージドサービスに乗せるかの二択で、後者は分単位や帯域単位の従量課金になりやすい。音声AIエージェントのように通話時間が長くなる用途ではコストが膨らみやすいため、相場感を事前に見積もっておくことが2026年の実装現場では重要とされる。
WebRTC (リアルタイム音声通信基盤)の使用例
- 音声AIエージェントとブラウザ間の低遅延通話をWebRTCで実装する
- 遠隔診療アプリの音声・映像伝送にWebRTCベースのSDKを組み込む
WebRTC (リアルタイム音声通信基盤)に関連するAIツール
関連用語
「音声・音楽」の他の用語
AI 音楽生成サービス。 歌詞 + ジャンル指定で 完成楽曲を 1 分で生成。
OpenAI のオープンソース音声認識モデル。 99 言語対応、 日本語精度も高い。
AI 音声生成のトップサービス。 自分の声をクローンして 多言語ナレーションに使える。
TTS（音声合成）とは、テキストデータを人間らしい音声に変換するAI技術のこと。ナレーション・コールセンター・音声UIなど幅広い用途で使われ、2026年現在は人間と聞き分けにくい品質が標準となっている。
ASR（Automatic Speech Recognition・自動音声認識）とは、人間の音声をテキストへ自動変換する技術のこと。深層学習モデルの普及で精度が飛躍的に向上し、文字起こし・音声コマンド・翻訳など幅広い用途で使われる。
ボイスクローンとは、数秒〜数分の音声サンプルから特定人物の声質・話し方・抑揚を高精度に再現するAI音声合成技術のこと。
AI用語辞典をすべて見てみませんか
12カテゴリ・1263語以上を体系的に整理しています
辞典トップへ