Live 3 のご紹介：会話のリズムに合わせて構築された次世代モデル

数字を思い出すためにふと沈黙する。相手の説明を聞きながら「はい」と相槌を打つ。注文の途中で考えを変える。こうした瞬間こそが、自然な「会話」の一部です。

本日、Fish Audio のフルデュプレックス（全二重）音声モデル「Live 3」を発表します。Live 3 は、自身が話している間も常に聞き耳を立てているため、ユーザーの沈黙、短い相槌、あるいは急な心変わりが、その後の対話の流れを形作ります。

静かな「ふむふむ」という相槌。考えをまとめるための間。会話に割って入る隙。

Live 3 は、人々が自然に話せる空間を作るために構築されました。fish.audio/agents でぜひ体験してください。

会話のリズムを学習する

「スピード」と「会話のタイミング」は別次元の課題です。AI エージェントがどんなに素早く応答を開始できたとしても、タイミングを間違えれば不自然になります。「営業時間は？」という問いの後の沈黙は、発話の終わりを意味するかもしれません。しかし、電話番号の途中の沈黙は、まだ続きがあることを示唆しています。

ほとんどの音声エージェントは、音声認識、推論、音声生成、ターンテイキング（発話順序の制御）をパイプラインの別々のパーツとして組み合わせています。これらを自然に連携させるには細心の注意が必要です。Live 3 は、この「会話のタイミング」そのものを音声モデル自体に組み込みました。

私たちは Live 3 を実際の人間同士の会話でトレーニングしました。その結果、いつ相槌を打ち、いつ待ち、いつ応答し、いつ話をやめるべきかをモデルが自ら学習したのです。これらの挙動は、定義されたルールの羅列ではなく、人間から学んだものです。

「これまでの解決策は、より多くのルールとしきい値を設定することでした」と、Fish Audio の共同創業者兼 CEO である Rissa Cao は述べています。「私たちは、言語モデルが文法を学ぶのと同じように、モデルが実際の会話からこれを学ぶべきだと考えています」

主導権を奪わずに相槌を打つ

電話番号を区切って伝えてみてください。「415... 555... 0132」。Live 3 はその合間に「ええ」や「はい、415ですね」と答え、残りの数字を待ちます。

この小さな相槌には 2 つの役割があります。1 つは数字が正しく伝わったことを知らせること。もう 1 つは、会話の場をユーザーに開放したままにすることです。これにより、ユーザーは一息つき、次の数字を確認して、話を続けることができます。

Live 3 は最短 186 ミリ秒で応答を決定できます。「うんうん」「わかりました」といった短い反応や素早い確認によって、完全な回答を準備している間もやり取りを停滞させません。

割り込みの意図を汲み取る

すべての音が「割り込み」であるとは限りません。エージェントがサービス内容や営業時間を説明しているとき、あなたが話についていっていることを示すために「はい」や「ええ」と言っても、Live 3 は話を続けます。

しかし、あなたが「あ、ちょっと待って。実は木曜日だけでいいんです」と言えば、Live 3 は即座に話をやめ、新しいリクエストのためのスペースを作ります。

この区別ができることで、通話全体の感触が劇的に変わります。聞いた内容に相槌を打っても会話を遮ってしまう心配がなく、方向転換したいときは長い回答が終わるのを待つ必要がありません。

心変わりを受け入れる余裕

「ピザを 2 枚... いや、3 枚。L サイズで 3 枚。あと... やっぱり、1 枚はマルゲリータにしてください」

Live 3 は、言い間違いや修正の途中で間違った注文を確定させることなく、各訂正が終わるのを待ちます。ユーザーがまだ決めている最中であることを理解し、思考が完結するまでの猶予を与えます。

カスタマーサポート、予約、注文などの場面は、こうした瞬間に溢れています。人は躊躇し、詳細を思い出し、話し始めてから要望を修正するものです。そのリズムに寄り添うエージェントがあれば、ユーザーは最初からやり直すストレスなく会話を進められます。

違いを体感する

音声が単体で自然に聞こえるのは当然のことです。本当の試練は、誰かが言葉を返したときに起こります。

Live 3 はやり取りの間ずっと耳を傾けています。主導権を奪わずに相槌を打ち、続きがあるときは間を置き、割り込まれたときは道を譲ります。あなたが提供するのは、エージェントをあなたらしくするための指示、ツール、ワークフローです。Live 3 はそこに「会話のリズム」をもたらします。

Live 3 は現在、英語に対応しています。Fish Agent Platform および API を通じて利用可能で、企業向けにはオンプレミス展開も提供しています。

ためらい、考え、心を変え、そして話し続ける。

Live 3 を fish.audio/agents で試す →