Find your voice provider
Amazon Connect Customer AIでは、ConnectのボットロケールにNova Sonicの音声対音声を選択でき、オーケストレーション、インテント、フローはConnectが引き続き管理します。
コンタクトセンターAI・ネイティブ音声対音声モデル
Scope and signals
Best fit: 既存のボットロケールとフローツールの中でネイティブの音声対音声を評価するAmazon Connectのコンタクトセンター。
Voice stack: ネイティブのNova Sonicを選べるConnectの処理経路
Telephony: Amazon Connectの電話連携
音声エージェント音声APIランタイムコンタクトセンター向けAI
Customer AIの音声は1分あたり$0.038で、電話連携と他のAWSサービスは別料金です。 
APIで作成するエージェント、Pathways、動的データ、ツール、ウェブフック、割り込み設定を備えた電話・ウェブ向け音声エージェントプラットフォーム。
音声エージェントプラットフォーム
Scope and signals
Best fit: 通話量、同時実行数、ナレッジベースのプラン区分が明確な着信・発信通話パッケージを必要とする開発者と運用チーム。
Voice stack: 公開資料で確認できません
Telephony: Twilio, SIP, Genesys, Five9, NICE CXone, Amazon Connect, Talkdesk
音声エージェント発信音声業務音声APIランタイム
Startは1分あたり$0.14。Buildは1分あたり$0.12に月額$299、Scaleは1分あたり$0.11に月額$499が加わります。 
Webchat、SIP Voice Gateway、Voice Copilot、REST、Socket、Webhook、MCPの各エンドポイントを備えた会話型AIプラットフォーム。
企業向け会話型AIプラットフォーム
Scope and signals
Best fit: 電話、ウェブ、API、カスタムエンドポイントから一つのフローを利用したいチーム。
Voice stack: STTとTTSのベンダーを選択できる段階型処理経路
Telephony: SIP, コンタクトセンター連携, Voice Gateway
音声エージェントコンタクトセンター向けAI会話フロー構築ツール
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。
電話向け音声エージェントランタイム
Scope and signals
Best fit: 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。
Voice stack: 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
Telephony: Twilio Programmable Voice, 電話番号, SIP
音声APIランタイム音声エージェント
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。 
Copilot Studioのリアルタイムエージェントは音声・デジタルチャネルに導入でき、ネイティブのGPT-Realtimeモードか、Neural TTSを組み合わせたプレビュー版GPT-5-Chatを選べます。
企業向けエージェント構築ツール・コンタクトセンターAI
Scope and signals
Best fit: チャネルをまたいでCopilot Studioのトピック、ツール、ナレッジ、引き継ぎ、明示的な音声設定を必要とするMicrosoft環境のチーム。
Voice stack: ネイティブのGPT-Realtimeモード、または段階型のGPT-5-Chatモード
Telephony: Dynamics 365 Contact CenterとAzure経由の連携
会話フロー構築ツール音声エージェントコンタクトセンター向けAI
Dynamics Voiceはユーザーあたり月額$95、Contact Centerは$110、Premiumは$195。Azure／Copilotと電話連携は別料金です。 
設定可能な音声プロフィール、発信通話、有人引き継ぎの要約、ガードレール、サポートシステムとの連携を備えた音声カスタマーサービスエージェント。
企業向けカスタマーサービスエージェントプラットフォーム
Scope and signals
Best fit: CRM、ヘルプデスク、ナレッジベース、CPaaSに接続する電話自動化を必要とするサポートチーム。
Voice stack: 公開資料で確認できません
Telephony: 公開資料で確認できません
音声エージェントコンタクトセンター向けAI
ビジュアルなワークフロー、独自モデルの選択肢、電話・ウェブ・モバイルへの導入、内蔵のテスト・評価機能を備えた音声中心のエージェントプラットフォーム。
音声エージェントプラットフォーム・音声API
Scope and signals
Best fit: 電話、ウェブ、モバイルにまたがるエージェントのワークフローと、管理された音声ライブラリが必要なチーム。
Voice stack: ElevenLabsの音声を使用する段階型STT–LLM–TTS
Telephony: Twilioとのネイティブ連携, 着信・発信用のSIPトランク
音声エージェント
通常の月額料金：Freeは15分。Starterは$6／75分、Creatorは$22／275分、Proは$99／1,238分、Scaleは$299／3,738分、Businessは$990／12,375分。追加の通話時間は1分あたり$0.08、同時通話枠を超えるバースト利用は$0.16。LLMと外部通信事業者の料金は別途発生します。 
文字起こし、声の表現指標、アシスタントのテキスト、応答音声をストリーミングする音声対音声のWebSocket API。
表現力に重点を置くネイティブ音声モデルAPI
Scope and signals
Best fit: 音声の抑揚を考慮した対話を、設定可能な音声や任意の補助LLMとともに評価する開発者。
Voice stack: 抑揚に応じた処理を行うネイティブの音声対音声
Telephony: 公開資料で確認できません
音声APIランタイム音声エージェント
EVI 3：Proは月額$70で1,200分、追加分は$0.06／分。Scaleは月額$200で5,000分、追加分は$0.05／分。Businessは月額$500で12,500分、追加分は$0.04／分です。 
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。
ネイティブのリアルタイムマルチモーダルモデルAPI
Scope and signals
Best fit: 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。
Voice stack: 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。
Telephony: 公開資料で確認できません
音声APIランタイム音声エージェント
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。 
エージェント単位の料金で、設定可能なスキル、フォーム、ロジックフロー、連絡先一覧、通話転送を備えたAI電話受付。
AI受付
Scope and signals
Best fit: 通話時間ではなく月間の重複しない顧客数に基づく、予測可能な月額料金を求める小規模企業や複数拠点の企業。
Voice stack: 公開資料で確認できません
Telephony: 公開資料で確認できません
音声エージェントAI受付
エージェント1体あたり月額$79／$129／$249。年払い相当額は$66／$108／$208。ベンダーは、条件付きで通話時間とトークンを無制限と記載しています。 
Talk to Bot機能で音声またはチャットのタスクをテストし、実行ログを確認できる企業向け会話プラットフォーム。
企業向け会話型AIプラットフォーム
Scope and signals
Best fit: 認識、同義語、フローのデバッグを明確な手順で進められる、タスク中心の構築ツールを求めるチーム。
Voice stack: 段階型の音声処理経路
Telephony: 公開資料で確認できません
音声エージェントコンタクトセンター向けAI会話フロー構築ツール
ノーコードのAgent Builder、SDKで定義する推論、Cartesia InkのSTT、SonicのTTS、デプロイ、可観測性を備えた、音声エージェント向けの管理型Lineランタイム。
音声エージェントプラットフォーム・音声API
Scope and signals
Best fit: 推論、ツール、外部APIをコードレベルで制御しながら、音声処理の基盤は管理型サービスに任せたいチーム。
Voice stack: CartesiaのTTSを使う段階型STT–LLM–TTS
Telephony: 公開資料で確認できません
音声エージェント音声APIランタイム
約1分あたり$0.06に、管理型電話連携の約$0.014／分が加わります。最新の料金計算ツールで確認してください。 
STT–LLM–TTS処理経路、ネイティブのリアルタイムモデル、半段階型の構成、WebRTC、電話連携に対応するリアルタイムエージェントフレームワークとCloudプラットフォーム。
リアルタイム音声エージェントのフレームワーク・インフラ
Scope and signals
Best fit: 処理経路のアーキテクチャを選び、エージェント基盤と自社のアプリケーションロジックを組み合わせたい開発チーム。
Voice stack: ネイティブのリアルタイムモデルにも対応する、構成可能な処理経路
Telephony: SIPトランキング, 通信事業者との連携
音声APIランタイム音声エージェント
料金計算ツールの例では、セッション約$0.01、電話約$0.01、LLM約$0.0014、STT約$0.0058、TTS約$0.03、可観測性約$0.01が示されています。入力条件によって変わります。 
自然言語による要件から、統制された音声・デジタルワークフローを作成し、シミュレーション、デプロイ、監視まで行う包括的なエージェント管理プラットフォーム。
企業向けコンタクトセンター音声AI
Scope and signals
Best fit: ブランド、地域、チャネル、タスクの複雑さをまたいで、ライフサイクルを一元管理する必要がある大規模コンタクトセンター。
Voice stack: 段階型の音声処理経路
Telephony: 公開資料で確認できません
音声エージェントコンタクトセンター向けAI会話フロー構築ツール
利用量とタスクの複雑さに基づく企業向け契約で、公開単価はありません。 
音声・マルチモーダル処理経路向けのオープンソースPythonフレームワークで、クライアントSDKとPipecat Cloudの管理型ホスティングも提供します。
オープンソースの音声エージェントフレームワーク
Scope and signals
Best fit: プロバイダーに依存しない処理経路の構成を求め、自社ホスティングと管理型Cloud導入を選びたい開発者。
Voice stack: ネイティブのリアルタイムモデル用アダプターを備えた、構成可能な処理経路
Telephony: 公開資料で確認できません
音声APIランタイム音声エージェント
Cloudのホスティングは1分あたり$0.01／$0.02／$0.03。PSTNは$0.018、SIPは$0.003～$0.02、REFERは$0.20です。 
Agent Studio、Gitを中心としたPython ADK、REST API、ナレッジとフロー、分析機能を備えた企業向け音声・チャットプラットフォーム。
企業向けコンタクトセンター音声AI
Scope and signals
Best fit: 管理型の音声エージェントに加え、ビジュアル、コード中心、プログラム経由の構築方法を必要とする企業のサービスチーム。
Voice stack: 段階型のASR–LLM–TTSアーキテクチャ
Telephony: 公開資料で確認できません
音声エージェントコンタクトセンター向けAI
WebRTC、WebSocket、SIPを介したテキストと音声のリアルタイム入出力および関数呼び出しに対応する、モデル層のAPI。
ネイティブのリアルタイムマルチモーダルモデルAPI
Scope and signals
Best fit: パッケージ型のコンタクトセンター製品ではなく、リアルタイムモデルを基盤に音声アプリケーションを構築するプロダクト・開発チーム。
Voice stack: ツール呼び出しに対応したネイティブ音声入出力
Telephony: SIP接続, 通信事業者との連携は購入者側の責任
音声APIランタイム音声エージェント
GPT-Realtimeの音声料金は、入力音声100万トークンあたり$32、出力音声100万トークンあたり$64です。 
ノーコードの音声エージェント構築ツール、統合された顧客プロフィール、イベント起点のジャーニー、IVR・ルーティング、複数チャネルへの働きかけを備えた営業・コンタクトセンタープラットフォーム。
営業・コンタクトセンター向け音声エージェントプラットフォーム
Scope and signals
Best fit: 顧客のシグナルに基づくジャーニーとともに、着信・発信の音声業務を調整する営業またはサービスチーム。
Voice stack: 公開資料で確認できません
Telephony: 公開資料で確認できません
音声エージェント発信音声業務コンタクトセンター向けAI
担当者の会話を分析し、コードベースのガードレールを備えたLLMエージェントを構築して、テスト、デプロイ、改善を行うコンタクトセンター自動化プラットフォーム。
企業向けコンタクトセンター音声AI
Scope and signals
Best fit: 過去の会話、業務ロジック、管理されたエスカレーション経路を活用して、定義済みの通話種類を自動化するコンタクトセンター。
Voice stack: 段階型の音声処理経路
Telephony: 公開資料で確認できません
音声エージェントコンタクトセンター向けAI
ノード型の会話フローまたは単一のプロンプトで構築する、ホスト型の音声・チャットエージェントプラットフォーム。電話連携、ツール、ナレッジベース、分析機能を備えます。
音声エージェントプラットフォーム
Scope and signals
Best fit: ビジュアルなフロー設計とAPI／SDKによる制御の両方を備えた、管理型エージェント構築ツールを比較するチーム。
Voice stack: 独自のLLMも選べる、構成可能なSTT–LLM–TTS処理経路
Telephony: 管理された電話番号, SIPトランキング, 既存の電話基盤を利用可能
音声エージェント音声APIランタイム音声エージェント評価
ベンダーが示す範囲は1分あたり$0.07～$0.31。内訳例はインフラ$0.055、一般的なTTS$0.015、電話$0.015、ナレッジベース$0.005、ガードレール$0.005、個人情報の除去$0.01、100分経過後の品質保証$0.10です。 
着信・発信の音声、メッセージ、メール、担当者のリアルタイム支援、ChatGPTチャネルへの公開に対応するカスタマーサービス向けエージェントプラットフォーム。
企業向けカスタマーサービスエージェントプラットフォーム
Scope and signals
Best fit: ブランドのペルソナを制御しながら、音声とデジタルチャネルで一つのエージェントモデルを使いたいCX部門。
Voice stack: 公開資料で確認できません
Telephony: 公開資料で確認できません
音声エージェントコンタクトセンター向けAI
成果報酬型の企業向け料金で、公開単価はありません。 
音声エンジンを選択でき、音声のインポートや複製、企業向けの代替音声モデルを備えたノーコードの音声エージェント構築ツール。
ノーコード音声エージェント構築ツール
Scope and signals
Best fit: ビジュアルな通話フロー構築と音声プロバイダーの制御を求め、利用量、電話連携、外部連携、サポートに応じた導入料金を検討するチーム。
Voice stack: 段階型のSTT–LLM–TTS処理経路
Telephony: 公開資料で確認できません
音声エージェントAI受付会話フロー構築ツール
営業担当者への問い合わせが必要で、現在の本番利用料金は公開されていません。 
ノーコードのConsole、カスタムツール、自社の電話基盤を利用する方式に対応し、電話、ウェブ、ネイティブアプリで使えるAPI中心のネイティブ音声言語モデル。
ネイティブ音声言語モデルAPI
Scope and signals
Best fit: 音声を直接処理し、電話連携やアプリの通信方式を自社で制御したい開発チーム。
Voice stack: ネイティブ音声言語モデル
Telephony: 公開資料で確認できません
音声APIランタイム音声エージェント
無料枠は30分。従量制は1分あたり$0.05、Proは月額$100、SIPは約1分あたり$0.005です。 
選択可能な音声認識、言語モデル、音声プロバイダーを組み合わせ、電話とウェブの通話経路に対応する開発者向け音声エージェントプラットフォーム。
音声エージェントAPI・オーケストレーションプラットフォーム
Scope and signals
Best fit: STT、LLM、TTSの選択、ツール、通話のオーケストレーションをプロバイダーレベルで制御したい開発チーム。
Voice stack: STT–LLM–TTSおよびOpenAI Realtimeを含む、構成可能な処理経路
Telephony: 管理された電話番号, 既存の電話基盤を利用可能, SIP
音声エージェント音声APIランタイム会話フロー構築ツール
ホスティングは1分あたり$0.05で、プロバイダーと電話の費用が別途加算されます。60分、10通話、月額$10の電話番号が掲載されています。 
Deepgramの音声認識、LLMオーケストレーション、音声合成を、関数呼び出しとセッション中の制御機能とともに統合したVoice Agent API。
音声エージェントAPI・音声インフラ
Scope and signals
Best fit: STT、オーケストレーション、TTSを個別に組み立てる代わりに、一つの管理型音声APIを利用したい開発者。
Voice stack: 管理型の段階型STT–LLM–TTS一式
Telephony: 公開資料で確認できません
音声APIランタイム音声エージェント
1時間あたり$4.50、1分あたり$0.075相当。電話連携は別料金です。 
代理店向けワークスペース、顧客への引き継ぎ、モデル選択、API、可観測性、段階別の環境を備えた、音声・チャット向けビジュアルエージェントプラットフォーム。
会話フロー構築ツール
Scope and signals
Best fit: 複数顧客のエージェントを管理する代理店、または共同設計、APIアクセス、本番環境を必要とするCXチーム。
Voice stack: 設定可能な段階型STT–LLM–TTS処理経路
Telephony: 公開資料で確認できません
会話フロー構築ツール音声エージェント音声APIランタイム
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。
購入者からよくある質問
音声エージェントソフトウェアに関する質問
音声エージェントのディレクトリでは何を絞り込めますか？
プロバイダー、アーキテクチャ、導入チャネル、電話連携、通話制御、外部連携、ナレッジソース、対応言語、企業規模との適合性、料金情報の公開状況で検索できます。
分単位の料金をそのまま比較できますか？
通常はできません。ある料金にはオーケストレーションしか含まれず、別の料金には音声処理や運用代行が含まれる場合があります。同じ業務量を前提に、モデル、STT、TTSまたはネイティブ音声、通信事業者、電話番号、SIP、転送、録音、保存、評価、導入、サポートの費用を加算しましょう。
ディレクトリの情報はどのくらい新しいですか？
調査済みの各プロフィールには確認日と一次情報へのリンクを記載しています。料金、プレビュー機能、利用上限、モデル、対応言語は変わるため、購入前に重要な条件を確認してください。
「公開資料で確認できない」と表示されるのはなぜですか？
十分に明確な公開の一次情報が見つからなかったためです。このディレクトリでは、推測や営業上の主張を事実として扱わず、情報の欠落を明示します。
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
