音声 (プレビュー)

着信通話を処理し、発信コールを発信するリアルタイムの音声会話型エージェントです。音声エージェント ノードとともに Maestro Flow に組み込まれています。

音声会話エージェントは、リアルタイムの電話での会話を処理します。発信者は所有している番号にダイヤルし、エージェントは通話中にツールを実行してライブ データを読み取ったり更新したりできます。

動作のしくみ

音声エージェントはリアルタイム音声モデルで実行されます。音声はモデルに直接送信され、その間に個別の文字起こし-理由-合成のパイプラインはありません。そのため、発信者が中断できるほど会話が速くなります。ツールは、そのオーディオ パスの外側にある共有エージェント実行エンジン (ユニファイド ランタイム) で実行され、このエンジンはすべての種類のエージェントに対してツール呼び出しを提供します。

電話番号は SIP トランクで、または 自分の Twilio アカウントから持ち込みます。呼び出しが UiPath に到達します。UiPath はモデル セッションをその期間中保持し、エージェントのツールを実行します。

音声会話型エージェントは、Agent Builder ではなく Maestro Flow で構築されています。パブリッシュまたはインポートする個別の音声エージェントはありません。

• Build in Maestro Flow — modeling the call with the Voice agent, Incoming call, Create outgoing call, and End call nodes.モデル、ペルソナ、プロンプト、ツールは音声 エージェント ノードで設定します。
• デプロイ — 電話番号を SIP または自身の Twilio アカウント経由で接続し、パブリッシュ済みのフローにバインドします。
• オブザーバビリティ — 実行の実行トレース内の通話の文字起こし、ツールの呼び出し、タイミングを読み取ります。

制限事項

UiPath では、新しい機能を追加して積極的に製品を拡張しています。以下の表は、今後のリリースで対処される予定の、現在の制限事項の概要を示しています。

制限事項	説明
通話時間	通話時間は10分に制限されています
通話の録音	通話の音声録音は利用できません。
人への通話のハンドオフ	個人へのライブ通話転送はサポートされていません。
SDK のサポート/チャット画面	音声エージェントは、通話を介してのみ利用できます
Automation Suite	音声エージェントは Automation Cloud でのみ利用可能です。

よくある質問

どの電話プロバイダーが機能していますか?

音声エージェントは、次の電話プロバイダーと連携します。

• Twilio
• Amazon Chime SDK
• ジェネシス
• ファイブ9
• SIP トランク要件を満たす SIP プロバイダー

機能しないプロバイダー:

• Amazon Connect: 代わりに Amazon Chime SDK を使用してください。
• Azure Communication Services: マネージド SBC がない限り、使用できます。
• Zoom

どの言語がサポートされていますか?

言語のカバレッジと品質は、選択したモデルによって異なります。たとえば、Gemini Live モデルは 24 の言語をサポートしています。アクセントの理解とさまざまなアクセントでの応答は、モデルの機能によって制限されます。

適用されるガードレールとデータ保護はどれですか?

UiPath は、すべての AI ベンダーに対してゼロ データ保持 (ZDR) を適用しています。つまり、OpenAI や Google などの AI ベンダーに音声や文字起こしは一切保存されません。

エージェント レベルのガードレールは音声エージェントでは利用できません。これには、個人を識別できる情報 (PII) やコンテンツ ポリシーのマスクなど、AI Trust Layer の一元化されたガードレールが含まれます。ツールレベルのガードレールは、 音声エージェント ノードに接続されているツールで利用できます。詳しくは、「 会話型エージェントのオブザーバビリティ」をご覧ください。