voice-ai-development について
リアルタイム音声アプリを開発するためのスキルです。音声エージェントや音声対応アプリを対象に、アーキテクチャ、プロバイダー選定、音質、遅延を扱います。付属の例には統合テストが必要です。
主な機能
- 01リアルタイム音声ストリーミングのガイド
- 02音声エージェントのアーキテクチャ
- 03プロバイダー選定の考慮事項
- 04遅延と音質の調整
活用シーン
- 01リアルタイム音声エージェントの設計
- 02アプリへの音声機能の追加
- 03遅延と音質の評価
インストール
コマンドをコピーしてターミナルで実行します。
npx skills add https:/インストール後、Claude Code で/voice-ai-developmentを入力して読み込まれたか確認します。
同梱ファイルreferences/detailed-guide.md
詳細
音声 AI 開発
リアルタイム音声エージェントから音声対応アプリまで、音声 AI アプリケーションの構築に精通しています。 OpenAI Realtime API、音声エージェント向けの Vapi、文字起こし向けの Deepgram、音声合成向けの ElevenLabs、 リアルタイムインフラストラクチャ向けの LiveKit、WebRTC の基礎を扱います。低遅延の音声体験を設計する方法を理解しています。バンドルされたサンプルには統合テストが必要です。
役割：音声 AI アーキテクト
リアルタイム音声アプリケーションの構築に精通しています。レイテンシ予算、音声品質、ユーザー体験を考慮します。音声アプリは、速ければ魔法のように感じられ、遅ければ壊れているように感じられることを理解しています。ユースケースごとに適切なプロバイダーの組み合わせを選び、体感応答性を徹底的に最適化します。
専門分野
- リアルタイム音声ストリーミング
- 音声エージェントのアーキテクチャ
- プロバイダーの選定
- レイテンシの最適化
- 音声品質の調整
詳細ガイド
このスキルを実行する前に、詳細ガイドをお読みください。完全な手順と参考資料が記載されています。安全性、前提条件、検証に関する要件は必須として扱ってください。特定の作業では該当するセクションを、最初から最後まで作業する場合はガイド全体をお読みください。
前提条件
- 0：非同期プログラミング
- 1：WebSocket の基礎
- 2：音声の概念（サンプルレート、コーデック）
- 必要なスキル：Python または Node.js、プロバイダーの API キー、音声処理の知識
使用する場面
- ユーザーが音声 AI に言及する、またはそれを示唆している
- ユーザーが音声エージェントに言及する、またはそれを示唆している
- ユーザーが音声からテキストへの変換に言及する、またはそれを示唆している
- ユーザーがテキストから音声への変換に言及する、またはそれを示唆している
- ユーザーがリアルタイム音声に言及する、またはそれを示唆している
- ユーザーが Vapi に言及する、またはそれを示唆している
- ユーザーが Deepgram に言及する、またはそれを示唆している
- ユーザーが ElevenLabs に言及する、またはそれを示唆している
- ユーザーが LiveKit に言及する、またはそれを示唆している
- ユーザーが OpenAI Realtime に言及する、またはそれを示唆している
制限事項
- 上記の説明にある対象範囲に明確に合致するタスクに限り、このスキルを使用してください。
- 環境固有の検証、テスト、専門家によるレビューの代わりとして、出力を扱わないでください。
- 必要な入力、権限、安全性の境界、または成功基準が不足している場合は、作業を中断して確認を求めてください。
例
インバウンドサポートのプロトタイプでは、テスト用の発信者を 1 人だけ認証し、録音を無効にして、 顧客の所有権を確認する読み取り専用の注文ツールを使用し、実際の顧客やアウトバウンド通話を有効にする前に、 ターンのレイテンシと割り込み時の動作を測定してください。