Gladia は月間 232,451 訪問、前月比成長率 +6.4%、料金体系フリーミアム、料金は要問い合わせを記録しています。Tunk.ai は月間 0 訪問、成長率 -100%、料金体系無料トライアル、料金は要問い合わせを記録しています。
本番運用の音声プロダクト向け音声認識とオーディオインテリジェンス API
本番運用の通話自動化に向けた音声AIエージェントとリアルタイム音声文字起こし
本番運用の音声プロダクト向け音声認識とオーディオインテリジェンス API
WebSocket ストリーミングによるライブ字幕と、REST によるバッチ文字起こしに対応。MP3、WAV、FLAC、Opus など主要形式を扱えます。
100 以上の言語に対応したアクセントに強い自動言語検出と、文中で言語が切り替わる会話のコードスイッチングをサポートします。
話者分離、固有表現抽出、PII 秘匿化、感情分析、要約を、有効化したときだけ課金される形で提供します。
文字起こしを Gladia ホスト型または自前の大規模言語モデル（BYOM）に渡し、要約や構造化出力を生成できます。
本番運用の通話自動化に向けた音声AIエージェントとリアルタイム音声文字起こし
エージェントを自然言語で記述すると音声、プロンプト、ナレッジ、通話フローが自動構成されます。テストと調整の後、電話回線・アプリ・API に配備できます。
ストリーミング文字起こしが相手の発話中にテキストを返し、API または内蔵プレイグラウンドで数十の言語とアクセントに対応します。
自社エンドポイントをエージェントに渡すことで、通話中に予約・検索・更新を行い、結果を Salesforce、HubSpot、Zoho に書き戻します。
Twilio か Plivo を接続し、キャンペーンを連絡先リストに向ければ、エージェントが全通話を処理し、運用側はキューだけを管理します。
特化型Provides Whisper via API for robust speech-to-text, but lacks specialized real-time streaming audio intelligence pipelines.
特化型Provides Whisper via API for robust speech-to-text, but lacks specialized real-time streaming audio intelligence pipelines.
Offers cost-effective batch transcription APIs powered by distributed cloud hardware rather than dedicated streaming infrastructure.
Offers cost-effective batch transcription APIs powered by distributed cloud hardware rather than dedicated streaming infrastructure.
Soniox is a speech AI platform offering real-time speech-to-text, expressive text-to-speech with voice cloning, and real-time speech translation in 60+ languages through one unified API, built for voice agents, wearables, dictation, and live captions.
Soniox is a speech AI platform offering real-time speech-to-text, expressive text-to-speech with voice cloning, and real-time speech translation in 60+ languages through one unified API, built for voice agents, wearables, dictation, and live captions.
初回音声わずか50msのリアルタイム音声AI API
VideoSDK is a developer platform for embedding real-time audio and video calling, interactive live streaming, and AI voice agents into web and mobile apps. It ships cross-platform client SDKs (JavaScript, React, React Native, Flutter, iOS, Android) plus server-side helpers, telephony over SIP, and transcription services, all billed on pay-as-you-go participant-minute pricing with a global edge network.
VideoSDK is a developer platform for embedding real-time audio and video calling, interactive live streaming, and AI voice agents into web and mobile apps. It ships cross-platform client SDKs (JavaScript, React, React Native, Flutter, iOS, Android) plus server-side helpers, telephony over SIP, and transcription services, all billed on pay-as-you-go participant-minute pricing with a global edge network.
Delivers real-time speech-to-text with emotional intelligence detection, though on a newer platform.
Delivers real-time speech-to-text with emotional intelligence detection, though on a newer platform.
