Tavus、開発者向け会話型動画インターフェース発表：遅延1秒未満でリアルタイム対話

画面の向こうのAIアバターと話すとき、返答までの長い沈黙に気まずさを感じたことがある人は多いはずです。

Tavusは開発者向けに世界最速を謳う「会話型ビデオインターフェース（Conversational Video Interface）」を発表しました。話す、見る、聞くことができるリアリスティックなデジタルツインを、リアルタイムのビデオ体験に組み込めるツールです。

遅延を1秒未満に抑えた対話型アバター

今回の最大の特徴は応答速度です。Tavusはこのインターフェースの遅延を1秒未満に抑えたとしており、人間同士の自然な会話テンポに近づけています。

開発者向けにはプラグアンドプレイの構成要素が用意され、完全なホワイトラベルでの提供に対応します。アーキテクチャはモジュール化されており、LLMや音声合成（TTS）などを自社の要件に合わせて自由にカスタマイズ可能です。同社は性能を実証するため、リアルタイムに対話できるアバター「Carter」のデモも公開しました。

なぜ重要か

私たちは、この機能をホワイトラベルのモジュール型インターフェースとして切り出した判断は非常に実用的だと考えています。

リアルタイム動画ストリーミングと音声合成、表情生成を組み合わせて自前で構築するのは極めてハードルが高い作業です。LLMやTTSを差し替え可能な形で外部提供されることで、カスタマーサポートやオンライン教育、バーチャル面接といったサービスを開発する現場の負担は劇的に減ります。

1秒未満という低遅延は、実用的なビデオ対話エージェントにとって不可欠な条件です。実際のネットワーク環境下でどこまで安定してリップシンクや自然な応答を維持できるかが今後の焦点になりそうです。