会話フロー

概要

会話フロー設定では、ユーザーの無言時間、発話中の割り込み、ターン交代の動作をアシスタントがどのように処理するかを決定します。これらの設定により、より自然な会話を実現でき、用途に応じてカスタマイズできます。

これらの設定は、Realtimeモデルを使用するエージェントにも適用されます。

会話の最大時間

会話の最大時間設定では、会話をアクティブな状態に保てる合計時間を制限します。 このグローバル制限は会話開始時から適用され、ターンレベルのタイムアウトとは独立しています。 デフォルトは600秒（10分）です。60〜7,200秒の値を設定できます。

設定

CLIとAPIでは、 conversation_config.conversation.max_duration_secondsフィールドでこの設定を構成します。

無音後にターンを取る

無音後にターンを取る設定では、ユーザーの無言時間中にアシスタントが次のターンを取り、応答を促すまで待機する時間を決定します。

設定

値は秒単位で指定し、1〜30秒の範囲である必要があります。CLIとAPIでは、conversation_config.turn.turn_timeoutフィールドでこの設定を構成します。

ベストプラクティス

• 迅速なやり取りが期待されるカジュアルな会話では、短いタイムアウト（5〜10秒）を設定します
• ユーザーが考えたり、複雑な応答をまとめたりする時間が必要な場合は、長いタイムアウト（10〜30秒）を使用します
• ユーザーの状況を考慮してください。カスタマーサービスでは短いタイムアウトが有効な場合がある一方、テクニカルサポートではより長いタイムアウトが必要になることがあります

ソフトタイムアウト

ソフトタイムアウトは、LLMによる応答生成が想定より長くかかる場合に、すぐに音声フィードバックを提供します。待機中に気まずい無音が続く代わりに、エージェントが「うーん…」や「少し考えます…」のような短いフィラー表現を発話し、自然な会話の流れを保ちます。

この機能は、次の場合に便利です。

• より長いLLM処理が必要な複雑なクエリ
• LLMプロバイダーによる可変レイテンシーの処理
• 自然な思考の間を含む、より人間らしい会話の作成

仕組み

1. ユーザーが話し終えると、システムはLLM応答の生成を開始します
2. 設定されたタイムアウト時間に基づいてタイマーが開始します
3. LLM応答がタイムアウト前に届いた場合、フィラーは発話されません
4. LLMが応答する前にタイムアウトに達した場合：
   • 設定済みのフィラーメッセージが直ちに発話されます
   • エージェントは実際の応答を引き続き待機します
   • 準備ができると、エージェントは完全なLLM応答を発話します

連続して複数のフィラーが発話されることを防ぐため、ソフトタイムアウトはターンごとに1回だけトリガーされます。

設定

タイムアウト時間

LLM応答を待機している間に、フィラーメッセージが発話されるまでの秒数です。

静的メッセージ

ソフトタイムアウトがトリガーされたときに発話する、事前定義済みのフィラー表現です。

このメッセージでは、次をサポートしています。

• 言語オーバーライド：エージェントに設定された追加言語へ自動翻訳します
• クライアントオーバーライド：SDKを介して通話ごとにカスタマイズできます

LLM生成メッセージ

有効にすると、静的メッセージの代わりに、軽量LLMを使用して文脈に適したフィラー表現を動的に生成します。

システムは直近の会話コンテキスト（最大4件のメッセージ、1,000文字）を使用し、「うーん…」「なるほど…」「承知しました…」「わかりました…」「では…」のような関連性のあるフィラーを生成します。

ベストプラクティス

• 実際の応答時間は予測できないため、フィラーメッセージに時間を示す表現（例：「少々お待ちください…」）は使用しないでください
• 応答が常に高速な簡単なFAQボットでは、ソフトタイムアウトを無効にしてください

割り込み

割り込み処理では、アシスタントの発話中にユーザーが割り込めるかどうかを決定します。

設定

割り込み設定は、エージェントのAdvancedタブにあるClient Eventsで構成できます。

割り込みを有効にするには、クライアントイベントで割り込みが選択されていることを確認してください。

割り込み有効

割り込み無効

割り込みのベストプラクティス

• 双方向の対話が想定される自然な会話フローでは、割り込みを有効にします
• メッセージを最後まで伝えることが重要な場合（例：利用規約、安全情報）は、割り込みを無効にします
• ユースケースの状況を考慮してください。カスタマーサービスでは割り込みが有効な場合がある一方、情報提供では適さない場合があります

ターンの積極性

ターンの積極性は、会話中にアシスタントがユーザー入力へどれだけ速く応答するかを制御します。この設定により、検出された発話パターンに基づき、アシスタントがどの程度積極的にターンを取り、話し始めるかを決定します。

仕組み

アシスタントには、より自然なターン交代を実現するための重要な改善が2つ追加されています。

1. より高速な応答生成：アシスタントは完全な文を待つのではなく、言語モデルから十分な単語とコンマを受け取った後に発話を開始します。これによりレイテンシーが低減され、特にアシスタントの応答が長い場合に会話の応答性が向上します。

2. 設定可能なターンの積極性：アシスタントが一時停止や発話パターンを応答の機会としてどれだけ迅速に解釈するかを制御します。

設定

利用できるモードは3つです。

• 積極的：アシスタントはユーザー入力にすばやく応答し、最も早い機会に会話へ加わります。即時応答が重視されるテンポの速い会話に最適です。
• 標準：ほとんどの会話シナリオで適切に機能する、バランスの取れたターン交代です。アシスタントは自然な会話の区切りを待ってから応答します。
• 慎重：アシスタントはターンを取るまでより長く待機し、ユーザーが考えを言い終えるための時間を確保します。詳細情報を収集する場合や、ユーザーが応答をまとめる時間を必要とする場合に最適です。

ターンの積極性に関するベストプラクティス

• 迅速な応答がユーザー体験を向上させるカスタマーサービスのシナリオでは、積極的モードを使用します
• 電話番号、住所、メールアドレスなどの構造化された情報を収集する場合は、慎重モードを使用します
• 一般的な会話フローのデフォルトとして、標準モードを使用します
• ワークフローと組み合わせて、会話コンテキストに基づきターンの積極性を動的に調整します
• 特定のユースケースでさまざまな設定をテストし、最適なバランスを見つけてください

推奨設定