open-webui v0.12.0がリアルタイム音声通話を追加。共有チャットでの返信も可能に
この記事のポイント
- 共有チャットは返信可能に変更
- 共有モードを返信可能に変更
- 1時間制限とチャット回答が必要
数字で見る
この記事に出てくる数字
| VRMファイル上限 | 25 MiB |
|---|---|
| VRMAファイル上限 | 10 MiB |
| ジェスチャー数 | 16 |
どこで使えるか
リアルタイム通話や共有チャットを日常に組み込みたい人向け GitHubリポジトリで公開済み OpenAI APIキーとモデル設定が必要
動画を見る
スポンサーリンク
解説
かみくだいて説明します
github-actions[bot]が公開した open-webuiのバージョン 12.0 が、リアルタイム音声通話機能を追加してアップデートされました。設定画面で切り替えると、音声モデルが雑談を処理して、本題の質問だけをチャットのモデルに渡す仕組みになっています。
音声モデルとチャットのモデルが役割を分け合うんですか?
そうです。通話中は gpt-realtime-2.1-mini が会話を引き受け、実際のタスクやツールの確認が必要な場面だけチャット側へ引き継ぎます。通話の上限は 1 時間で、ツールからの承認待ちなどはチャット画面で対応します。
通話中に迷ったらチャットに戻れるわけですね。それに 3 次元のキャラクターが出せるんですか?
はい。VRM 形式のアバターを 25 MiB までアップロードでき、最大 16 種類のジェスチャーを会話の内容に合わせて自動で再生します。口元は音声に合わせて動くので、オーブの代わりにキャラクターが表示されます。
16 種類の動きを会話に合わせて選ぶのは、音声モデルが自分で判断するんですか。
はい、モデルが会話の内容を見て、音声に合わせてジェスチャーを自動で選んで再生します。ただし、通話にはAllow Call権限が必要で、1時間経過すると終了します。
では、長い処理が続く場面での改善はありますか。
ツール呼び出しが連続して続く応答の途中でも、メモリの使用量が上限に近づくと圧縮がかかります。前の会話を要約して次のページに書き直すようなイメージで、各ツールの呼び出しと結果をセットで残しつつ区切りをつける仕組みです。
処理の途中でも区切りを挟むことで、情報が飛び飛びにならないわけですね。ただ、圧縮の仕組みがまだ掴めません。
正確には、ツール呼び出しと結果がバラバラに散らばるのを防ぎます。辞書の余白がなくなる前に前のページを要約して次のページに書き直すようなイメージで、モデルが一度に処理できる範囲を超えないようにしています。
開発者が組み込む側から見ると、どこが新しいんですか。
従来の圧縮は応答が始まる前しか走らなかった点が改善されました。ネイティブ関数呼び出しと組み合わせることで、ツール呼び出しの前後で文脈が途切れるのを防ぎます。ただし自動化の実行には適用されません。
自動化の実行には使えないんですか。最後に、共有チャットと二要素認証はどう変わりましたか。
共有モードを切り替えると、受け取った側も同じ会話に書き込めるようになります。各メッセージに送信者の名前とアイコンが表示され、入力中の表示もリアルタイムで共有されますが、メッセージの編集や再生成は自分自身のものだけに行えます。二要素認証は管理者が全員に導入を義務付けられ、初回ログイン時に QR コードから設定します。ツール呼び出しの圧縮が自動化実行に適用されない理由や、音声モデルの判断精度については、まだ詳細が公開されていません。
出典
この記事のもとになった情報
- GitHub:v0.12.0
- 公開日:2026-10-11
※ 本文と音声は生成 AI が作成しています。内容は出典をご確認ください。
本作品のキャラクターには株式会社Live2Dの著作物であるサンプルデータが株式会社Live2Dの定める規約に従って用いられています。本作品は制作者の完全な自己の裁量で制作されています。このキャラクターモデルは株式会社Live2Dより許諾を得て商用利用しています。