Twilio ConversationRelay：適合性と提供範囲
TwiMLのConversationRelayセッションをアプリケーションのWebSocketに接続し、STT／TTS、言語設定、DTMF、通話イベントに対応するProgrammable Voiceの構成要素。
電話連携、メディア処理、通話制御をTwilioに任せつつ、独自の音声エージェントロジックを構築する開発者。
購入時の評価基準を見る： AI電話エージェント · 音声AIプラットフォーム.
機能、料金、適合性
ConversationRelayとGemini Live APIを比較
ConversationRelayとGemini Live APIの音声機能、料金、適合性を比較します。
まず、通話業務に合うプロバイダーを選ぶ
Twilio ConversationRelayとGemini LiveをAI電話エージェント, 音声AIプラットフォームの用途で比較し、チャネル、ワークフロー、導入方法を通話フローに照らして評価します。
Gemini Live：適合性と提供範囲
GoogleのGemini Live APIは、WebSocket経由でマルチモーダルなセッションをストリーミングします。ネイティブ音声エージェント向けの安定版モデルはGemini 3.8 LiveとGemini 3.8 Live Extended Thinkingです。
永続的なWebSocketセッションで、ネイティブ音声、マルチモーダル入力、関数呼び出しを必要とする低遅延の対話エージェントを構築する開発者。
購入時の評価基準を見る： AI電話エージェント · 音声AIプラットフォーム.
Twilio ConversationRelayの確認日：2026-09-04、Gemini Liveの確認日：2026-09-28。
以下の表で、各プロバイダーが文書化している提供範囲を比較してください。
購入者からよくある質問
Twilio ConversationRelayとGemini Live：購入検討時の質問
Twilio ConversationRelayとGemini Liveの料金はどう比較すべきですか？
Twilio ConversationRelay：Programmable Voiceの通話時間と電話番号に対する従量料金に、ConversationRelayの分単位料金が加わります。モデル、プロバイダー、その他の通話機能は別料金です。 Gemini Live：Live APIの標準利用はトークン従量制です。入力音声100万トークンあたり$3（1分あたり$0.005相当）、出力音声100万トークンあたり$12（1分あたり$0.018相当）に加え、テキストトークンの利用料が別途かかります。蓄積されたセッションコンテキストは各ターンで課金されるため、会話履歴が長くなると料金も増加します。 両プロバイダーに、同じ業務量、チャネル、導入範囲で見積もりを依頼してください。合計を比較する前にサブスクリプションと利用量を含めます。
Twilio ConversationRelayとGemini Liveで既存のデータを使用できますか？
Twilio ConversationRelayについて記録されたデータソースには公開資料で確認できませんが含まれます。Gemini Liveには公開資料で確認できませんが含まれます。各プロバイダーに、システムへのアクセス、権限、更新状況、障害時の動作を実演してもらってください。
Twilio ConversationRelayとGemini Liveの試験導入では何をテストすべきですか？
同じ代表的な通話、指示、エスカレーションルールを使います。品質、完了したタスク、引き継ぎ、総費用を記録してください。導入前に次の注意点を確認します：Twilio ConversationRelay：完成済みのエージェントではありません。地域、通信事業者、録音、コンプライアンス、モデル、アプリケーションは実装者側の責任です。 Gemini Live：Gemini 3.8 LiveのモデルIDはどちらも安定版ですが、GoogleはLive APIをプレビューとして扱っています。ネイティブ音声セッションの応答モダリティはAUDIOです。テキストが必要な場合は出力文字起こしを有効にしてください。音声のみのセッションは15分、音声と動画を使うセッションは2分に制限されます。セッション管理で延長できます。クライアントからサーバーへの接続には短期トークンが必要です。蓄積された音声とコンテキストはターンごとに課金されます。
表を左右にスワイプまたはスクロールすると、すべての列を確認できます。
| 比較項目 | ConversationRelay | Gemini Live API |
|---|---|---|
| プロバイダーの種類 | 電話向け音声エージェントランタイム | ネイティブのリアルタイムマルチモーダルモデルAPI |
| 適した用途 | 電話連携、メディア処理、通話制御をTwilioに任せつつ、独自の音声エージェントロジックを構築する開発者。 | 永続的なWebSocketセッションで、ネイティブ音声、マルチモーダル入力、関数呼び出しを必要とする低遅延の対話エージェントを構築する開発者。 |
| 主な機能 | 電話音声のストリーミング; 音声インターフェース; 割り込み; WebSocketプロトコル; TwiMLによる制御 | 安定版のネイティブ音声エージェントモデル：gemini-3.8-live、gemini-3.8-live-extended-thinking; 双方向のネイティブ音声; テキスト、画像、動画の入力; 関数呼び出し; 非同期のツール実行; セッション制御と割り込み処理 |
| チーム規模 | スタートアップ; 中堅企業; 大企業; 開発者 | スタートアップ; 中堅企業; 大企業; 開発者 |
| 通話チャネル | 電話／PSTN; WebSocket | WebSocket; サーバー側アプリケーション; 有効期間の短いトークンを使うクライアントアプリケーション |
| 音声技術の構成 | 開発者が用意するLLMを使う段階型の音声インターフェース | ネイティブ音声エージェント：Gemini 3.8 Live（gemini-3.8-live）とGemini 3.8 Live Extended Thinking（gemini-3.8-live-extended-thinking）。; 別個のTTSモデル：gemini-3.8-flash-ttsとgemini-3.8-flash-lite-ttsは音声を生成します。いずれもLiveエージェントではありません。; 別個の文字起こしエンドポイント：gemini-3.5-transcribeは音声ファイルを処理します。gemini-3.5-transcribe-liveはLive APIの音声テキスト変換モードで、対話エージェントではありません。; 別個の翻訳モード：gemini-3.5-live-translate-previewは70以上の言語に対応するLive APIの通訳機能で、対話エージェントではありません。プレビュー版です。 |
| 電話連携 | Twilio Programmable Voice; 電話番号; SIP | 公開資料で確認できません |
| 通話制御 | 公開資料で確認できません | 公開資料で確認できません |
| 対応言語 | 公開資料で確認できません | Live APIのドキュメントには、日本語（ja）と多言語対応が記載されています。ネイティブ音声出力は会話中に自然に言語を切り替えられます。対応言語の一覧は、通話品質がどの言語でも同等であることを保証しません。別個の機能として、Transcribeは85以上の対応言語に日本語（ja-JP）を含みます。Flash TTSは130言語、Flash-Lite TTSは101言語に対応し、どちらも日本語を含みます。Live Translateのプレビュー版は70以上の言語に対応します。 |
| 外部連携 | 公開資料で確認できません | 公開資料で確認できません |
| ナレッジとデータ | 公開資料で確認できません | 公開資料で確認できません |
| 料金体系 | Programmable Voiceの通話時間と電話番号に対する従量料金に、ConversationRelayの分単位料金が加わります。モデル、プロバイダー、その他の通話機能は別料金です。 | Live APIの標準利用はトークン従量制です。入力音声100万トークンあたり$3（1分あたり$0.005相当）、出力音声100万トークンあたり$12（1分あたり$0.018相当）に加え、テキストトークンの利用料が別途かかります。蓄積されたセッションコンテキストは各ターンで課金されるため、会話履歴が長くなると料金も増加します。 |
| 料金の目安 | ConversationRelayは1分あたり$0.07。米国の市内通話は発信$0.014、着信$0.0085、SIP$0.004、電話番号は月額$1.15です。 | 標準の有料料金は、入力音声が1分あたり$0.005相当、出力音声が1分あたり$0.018相当です。それぞれ別途課金され、テキストトークンの料金も加算されます。Googleは無料のAPIティアも掲載しています。 |
| 無料プランまたは試用 | 公開資料で確認できません | Gemini APIの無料ティアあり。有料のLive利用はトークン従量制です。 |
| 主な特徴 | ConversationRelayは通話中のSTT／TTSとセッション通信を処理し、プロンプト、音声制御イベント、任意のDTMFを、必須の安全なWebSocket経由でアプリケーションに送ります。 | 安定版のGemini 3.8 Liveモデルは、ネイティブ音声対話と設定可能なツール呼び出しを永続的なWebSocketセッションで組み合わせます。TTS、文字起こし、翻訳には別個の補助モデルを使います。 |
| 検討事項 | 完成済みのエージェントではありません。地域、通信事業者、録音、コンプライアンス、モデル、アプリケーションは実装者側の責任です。 | Gemini 3.8 LiveのモデルIDはどちらも安定版ですが、GoogleはLive APIをプレビューとして扱っています。ネイティブ音声セッションの応答モダリティはAUDIOです。テキストが必要な場合は出力文字起こしを有効にしてください。音声のみのセッションは15分、音声と動画を使うセッションは2分に制限されます。セッション管理で延長できます。クライアントからサーバーへの接続には短期トークンが必要です。蓄積された音声とコンテキストはターンごとに課金されます。 |
ConversationRelay：適合性と提供範囲
電話連携、メディア処理、通話制御をTwilioに任せつつ、独自の音声エージェントロジックを構築する開発者。
ConversationRelayは通話中のSTT／TTSとセッション通信を処理し、プロンプト、音声制御イベント、任意のDTMFを、必須の安全なWebSocket経由でアプリケーションに送ります。
Gemini Live API：適合性と提供範囲
永続的なWebSocketセッションで、ネイティブ音声、マルチモーダル入力、関数呼び出しを必要とする低遅延の対話エージェントを構築する開発者。
安定版のGemini 3.8 Liveモデルは、ネイティブ音声対話と設定可能なツール呼び出しを永続的なWebSocketセッションで組み合わせます。TTS、文字起こし、翻訳には別個の補助モデルを使います。
購入前に、最新の料金、制限、セキュリティ、必要な連携を各プロバイダーに直接確認してください。
実際の通話で言語対応を評価する
必要な言語での実際の通話を使い、認識、音声品質、割り込み、言語の切り替え、ツールの利用、有人転送をテストしてください。提供状況はモデル、プラン、電話経路によって異なる場合があります。
DocsBotは多言語の音声ワークフローと日本語対応を文書化しています。正確な音声、電話経路、転送の動作は試験導入で確認してください。 DocsBotの言語対応情報を確認 ↗
その他のプロバイダーの言語対応に関する主張は、引用したベンダー資料に基づきます。日本語と必要な他言語への対応は、各プロバイダーに直接確認してください。
掲載は推奨や性能の保証を意味しません。 このディレクトリはDocsBotが公開しています。 編集方針