Soracom

マイクとスピーカーを備えた IoT デバイスから、離れた場所の担当者や音声 AI と会話する構成です。LTE の音声通話方式である VoLTE (Voice over LTE) を利用し、デバイスの音声を SORACOM Air RTC Gateway から指定した音声システムへ接続します。

このページでは、通話の要件と利用条件を確認したうえで、音声を届ける経路、発信や転送の制御、外部システムを操作する権限を分けて設計します。音声 AI を利用する場合は、接続方式の違いと、担当者へ引き継ぐために必要な構成も比較します。

このページが役立つケース

• 現場の機器から、サポート窓口や担当者を音声で呼び出したい。
• 音声 AI が一次対応し、必要に応じて担当者へ通話を引き継ぎたい。
• 設備やカメラの検知イベントをきっかけに、システムから現場のデバイスを呼び出したい。
• 通話中にセンサーデータを確認したり、外部システムへ操作を依頼したりしたい。

実現したい通話を決める

最初に、発信する側、会話相手、通話中に必要な動作を決めます。会話を成立させることと、会話の内容に応じて別のシステムを動かすことは、分けて考えます。

デバイスと接続先の利用条件を確認する

RTC Gateway は、デバイスの通信モジュールが持つ VoLTE の音声通話機能を利用します。デバイス側に通話用のアプリケーションを独自に実装する負担を抑えられますが、通信モジュールの VoLTE 対応と音声を入出力する機器が必要です。

接続先には、IP ネットワークで音声を扱う VoIP (Voice over IP) サービスや、通話先の選択や転送を行う PBX (Private Branch Exchange、構内交換機) を利用します。IP ネットワークに対応した PBX が IP-PBX です。

対応するデバイスや IoT SIM、利用可否、料金は、SORACOM Air RTC Gateway のサービスページ から問い合わせて確認します。

構成の概要

デバイスと会話相手の音声は、RTC Gateway と接続先の音声システムを経由して双方向にやり取りします。担当者への転送やイベントをきっかけにした発信を行う場合は、PBX と、それを制御するアプリケーションを組み合わせます。

次の図は、Asterisk を使った試作構成 の接続関係を示しています。PBX から音声 AI へは、音声通話などの接続を制御する通信方式である SIP (Session Initiation Protocol) で接続します。実線は音声の経路、破線は通話の制御やイベント通知、太線は外部 API の呼び出しと結果を表します。API は、外部の機能をプログラムから利用するための仕組みです。

音声 AI との接続を、データを双方向にやり取りする通信方式の WebSocket で行う場合は、PBX と音声 AI の間に音声を変換・転送する中継処理を置きます。方式による違いは、音声 AI への接続方式を選ぶ で比較します。企業内の PBX に閉域接続する場合は、RTC Gateway と PBX の接続に VPG を利用します。

VoLTE の通話は、通常のデータ送信とは異なる経路を使います。センサーデータを SORACOM Beam、SORACOM Funnel、SORACOM Funk で転送する構成については、データパイプラインとファンアウトを設計する を参照してください。

構成要素と役割

RTC Gateway の接続設定と、PBX や音声 AI 側の処理を分けて設計します。担当者への転送条件、外部サービスを操作する処理、音声 AI との接続方式に応じた中継処理は、組み合わせるシステム側で扱います。

音声 AI との通話と担当者への引き継ぎを設計する

音声 AI に一次対応を任せる場合は、AI へ音声を接続する方法と、担当者へ通話を引き継ぐ方法を分けます。PBX は音声の中継だけでなく、通話先の切り替えや発信の起点として利用します。必要な通話制御を先に決めることで、PBX を組み合わせる目的が明確になります。

ここでは、PBX の一つである Asterisk と、音声 AI の OpenAI Realtime API を組み合わせた試作例を使って、接続方式と通話制御の役割を整理します。

音声 AI への接続方式を選ぶ

音声 AI が対応する接続方式によって、PBX と音声 AI の間に必要な処理が変わります。WebSocket を音声の中継に使う場合と、AI への指示や操作要求のやり取りに使う場合を区別します。

この試作例の SIP 接続では、音声の変換・転送用の中継処理を省けます。AI への指示や外部システムとの連携を担うアプリケーションは、引き続き必要です。このアプリケーションは WebSocket で音声 AI に接続し、AI への指示や外部システムからの実行結果を渡します。

音声の変換が必要かどうかだけで PBX の要否を決めず、担当者への転送やシステムからの発信が必要かも確認します。

担当者へ引き継ぐ

担当者への引き継ぎは、次の流れで行います。

1. 音声 AI が一次対応する。
2. AI では判断できない場合や、担当者への問い合わせが必要な場合に、引き継ぎを判断する。
3. 通話制御のアプリケーションから PBX に転送を指示する。
4. PBX が担当者へ通話を接続する。

設計時は、引き継ぎ先と引き継ぐ条件を決めます。転送時に通話が継続するか、相手が応答しない場合にどう扱うかは、利用する PBX とデバイスの組み合わせで確認します。

検知イベントをきっかけに発信する

システム側から呼び出す場合は、イベントを受け取るアプリケーションが、発信を開始する役割を持ちます。試作例では、ソラカメのモーション検知をきっかけに状況を判断し、Asterisk にデバイスへの発信を指示して、音声 AI との通話に接続しています。

通話の接続先だけでなく、どのイベントで誰を呼び出すかを決めます。イベントの検知と、発信の判断、実際の発信を分けると、どの処理がどの動作を担当するかを確認できます。

外部システム操作の権限を分ける

音声でデータ取得や機器操作を依頼する場合は、構成図 の太線で示した外部システムへの接続を用意します。音声 AI からの操作要求を受け取り、API を呼び出し、実行結果を AI に返す役割をアプリケーションが担います。試作例では、この役割をコントロールプレーンと呼んでいます。

通話できることと、外部システムを操作できることは、別の条件です。IoT SIM の認証だけで、その SIM が意図したデバイスで利用されていることまで保証されるわけではありません。利用するデバイスの確認、通話する人の本人確認、操作を許可する範囲を分けて決めます。

ここで決める権限や確認方法は、構築するシステムの設計事項です。RTC Gateway の音声接続だけで、外部システムの操作権限まで設定されるわけではありません。機器へ命令を送る方法は、必要時アクセス、常時閉域アクセス、命令送信を使い分ける を参照してください。

判断ポイントとトレードオフ

• 担当者との通話が目的なら、指定した VoIP 接続先で必要な発着信を扱えるかを確認します。音声 AI から担当者への転送や、イベントをきっかけにした発信も必要なら、PBX と制御するアプリケーションの役割を決めます。
• WebSocket で音声を中継する構成は、音声の受け渡しを柔軟に制御できる一方、変換・転送する処理が必要です。SIP で音声 AI に直接接続できる場合は、音声変換用の中継処理を省けますが、通話の許可や AI の制御は引き続き必要です。
• AI が一次対応し、必要なときに担当者へ引き継ぐ構成では、対応の範囲を分担できます。そのために、転送先、切り替える条件、担当者が応答しない場合の扱いを設計します。
• 会話に加えてデータ取得や機器操作まで行う構成では、外部システムの結果を応答に使えます。その分、操作対象と実行権限、成否の確認、通話が切れた場合の処理を決める必要があります。

運用前に確認すること

利用するデバイス、接続先、通話量に合わせて確認項目を決めます。Asterisk を使った公開例は試作であり、対象機器での動作、音声品質、遅延、同時通話数、転送時の通話継続を保証するものではありません。

関連する SORACOM ドキュメント

• AI の処理場所や応答までの時間を決める: AI の処理場所と処理タイミングを選ぶ
• センサーデータの送信先と処理の流れを決める: データパイプラインとファンアウトを設計する
• 外部から機器へアクセスする方法や命令を送る方法を選ぶ: 必要時アクセス、常時閉域アクセス、命令送信を使い分ける

元記事・元資料

このページは、以下の記事・資料をもとにしています。
正確な内容や最新の情報を確認するときは、元の記事・資料もあわせて参照してください。

• SORACOM 公式ブログ: IoTデバイスに「声」をつける ―― SORACOM Air RTC Gateway のご紹介
• SORACOM サービスサイト: SORACOM Air RTC Gateway
• SORACOM 公式ブログ: SORACOM Air RTC GatewayとAsteriskで音声AIエージェント開発