LiveKitは、音声・映像のAIエージェントを構築、テスト、デプロイ、運用するためのオープンソースのフレームワークと開発者向けクラウド基盤です。ChatGPTの高度な音声モードがLiveKit Cloud上で動いていることを公式に紹介しています。

主な機能

オープンソースの「Agents」フレームワークで、PythonまたはNode.jsを使って音声エージェントを書けます。音声認識（STT）、LLM、音声合成（TTS）を組み合わせ、話者の発話終わりの検出や割り込みへの対応を自動で処理します。LiveKit Cloudには、各社のSTT・LLM・TTSモデルを1つの窓口から呼べる推論ゲートウェイ、エージェントのデプロイと自動スケール、電話番号とSIP連携による電話の発着信、セッションごとの観測機能が揃っています。Webやモバイル向けのスターターアプリもあり、ブラウザやアプリ、電話のどこからでもエージェントに話しかけられます。

誰に向くか

受付やサポートの音声ボット、音声アシスタント付きのアプリ、映像を扱うAI、ロボティクスなど、低遅延のリアルタイム通信が必要な製品を自前で作る開発チームに効きます。日本を含む世界各地のリージョンで動きます。

料金

Buildプランは月$0でクレジットカード不要、エージェントのデプロイや推論クレジット、電話番号1つが付きます。Shipは月$50から、Scaleは月$500からで、チーム機能やHIPAA対応などが加わります。エージェントのセッション時間や推論は分単位の従量課金です。

注意点

コードを書いて組み立てる開発者向けの基盤で、ノーコードで電話ボットを作る製品ではありません。資料は英語です。