Dialogflow CX 音声エージェントは、音声認識に Dialogflow CX の料金に含まれている Speech-to-Text を使用します。Dialogflow CX によって自動的に音声認識モデルが選択されますが、必要に応じてモデルを指定することもできます。
使用可能なモデル
使用可能なすべてのモデルは、Speech-to-Text モデルに一覧表示されます。ドメインに最も適し、エージェントの言語と音声機能をサポートするモデルを選択します。
モデルが明示的に指定されていない場合、Dialogflow CX は API リクエストとエージェント設定の音声構成に基づいてモデルを自動的に選択します。
通常、次のモデルはパフォーマンスが最も高く、幅広いリージョンでサービスを提供できます。
telephony_short（テレフォニー Dialogflow CX に最適）telephony（Agent Assist に最適） （高度なタイムアウト ベースの音声終了の感度が有効になっている場合のテレフォニー Dialogflow CX にも適しています）phone_call（Agent Assist とテレフォニー Dialogflow CX に推奨）latest_short（電話以外の Dialogflow CX に最適）command_and_search（他のモデルが利用できない言語に最適）
Dialogflow CX コンソールで Speech-to-Text V2（chirp_3）を選択するには、プロジェクトにアクセス承認が必要です。大量の本番環境デプロイでは、 Google Cloud アカウント チームによる事前の容量確認も必要です。
us-central1 の Dialogflow CX エージェントは、chirp_2 リクエストを除き、Speech-to-Text V2 トラフィックを us マルチリージョン エンドポイントにルーティングします。単一リージョンの chirp モデルは、そのエンドポイントでは使用できません。8 kHz の MULAW 電話音声の場合は、ブロードバンド Speech-to-Text V2 short モデルではなく、chirp_3、telephony、telephony_short を使用します。
モデルを指定する
エージェント、フロー、ページのモデルは、モデル選択設定で指定できます。Sessions.detectIntent メソッドまたは Sessions.streamingDetectIntent メソッドを呼び出すときにモデルを指定することもできます。
セッション リファレンスのプロトコルとバージョンを選択:
| プロトコル | V3 | V3beta1 |
|---|---|---|
| REST | セッション リソース | セッション リソース |
| RPC | セッション インターフェース | セッション インターフェース |
| C++ | SessionsClient | 利用できません |
| C# | SessionsClient | 利用できません |
| Go | SessionsClient | 利用できません |
| Java | SessionsClient | SessionsClient |
| Node.js | SessionsClient | SessionsClient |
| PHP | 利用不可 | 利用できません |
| Python | SessionsClient | SessionsClient |
| Ruby | 利用不可 | 利用できません |
ConversationProfile を構成する場合。リクエスト レベルの音声モデルをオーバーライドする 設定を有効にしない限り、インテント検出または会話プロファイル API 呼び出しでモデルを指定すると、エージェント、フロー、ページに適用されたモデルの選択がオーバーライドされます。