Skip to main content
LiveKit Agents ロゴ
LiveKit は、リアルタイムのビデオ・音声・データをプロダクトに組み込むための WebRTC ファーストなプラットフォームです。LiveKit Agents は会話型エージェント向けのフレームワークです。 Cartesia は 2 つの方法で統合できます:オープンソースのプラグインと LiveKit Inference です。

クイックスタート

基本的な LiveKit 音声エージェントの GitHub テンプレート

オープンソースプラグイン

オープンソースの LiveKit Agents パッケージとともに利用できるプラグインです。
livekit-plugins-cartesia パッケージをインストールすることで、Python 版 LiveKit Agents で Cartesia を利用できます。 必要に応じて、livekit/agents リポジトリの /livekit-plugins/livekit-plugins-cartesia ディレクトリでプラグインのソースコードを参照できます。
Ink 2 には livekit-plugins-cartesia>=1.5.15 が必要です。
それより古いバージョンでは、ランタイムエラーは出ずに品質の悪い結果が生成されます。
Ink-2 はターン検出をネイティブに処理します。LiveKit プラグインのデフォルトは ink-2 で、発話の終了を自ら検出します。ユーザーが話し終えたタイミングをセッションがそのシグナルで判断できるように、turn_detection="stt" を設定してください。

自分のエージェントに Python プラグインをセットアップする

まず、メインの livekit-agents パッケージと livekit-plugins-cartesia をインストールします:
次に、エージェント作成時に Cartesia の STT と TTS プラグインを利用します:

Python の例を実行する

完全に動作する会話型エージェントについては、livekit/agents リポジトリの /examples/other/cartesia.py を参照してください。

LiveKit Inference

LiveKit のインフラ上で Cartesia のモデルを利用することもできます。API キーと料金は Cartesia ではなく LiveKit によって管理されます。
  1. Cartesia STT に関する LiveKit ドキュメント
  2. Cartesia TTS に関する LiveKit ドキュメント

デモ

LiveKit Cartesia デモ

LiveKit Agents と Cartesia を使って構築されたシンプルな音声アシスタントを試してみてください。
デモの簡易版ソースコードは GitHub の cartesia-ai/livekit-agents-example リポジトリで公開しています。