Inworld AI｜Inworld AIは低遅延の音声合成(TTS)・音声認識(STT)・音声対話API(Realtime API)・220以上のLLMへのルーティング(Realtime Router)を束ねるリアルタイムAI基盤。会話AI・ゲームキャラクター・音声エージェントを開発する企業/開発者向け。

概要

Inworld AIは「Realtime AI for consumer-facing applications」を掲げる音声AI基盤で、TTS・STT・LLMルーティング・音声対話APIを1つのプラットフォームに統合している。

主な機能

• Realtime TTS-2: 低遅延(TTFAB 150ms、Flashは20ms)の音声合成。200以上の言語に対応し、15秒の音声から声をクローンできるほか、テキスト指示だけで声を設計するText-based voice designにも対応
• Realtime STT: 音声認識(Speech-to-Text)
• Realtime API: 単一のWebSocket/WebRTC接続でspeech-to-speechのフルデュプレックス対話を実現。セッション中の関数呼び出し(function calling)や動的なコンテキスト管理に対応
• Realtime Router: OpenAI・Anthropic・Google等220以上のモデルへゼロマークアップでルーティングするLLMゲートウェイ。A/Bテストやフェイルオーバーを標準搭載

対象ユーザー

会話AI・音声コンパニオン・ゲームキャラクター・学習/ヘルスケアアプリなど、音声対話を組み込む消費者向けプロダクトの開発チーム向け。API経由で既存プロダクトへの組み込みができる。