英語版を見る

Telegramで、AIエージェントに音声で話しかける

デプロイしたSomodusのエージェントは、あなたのTelegramの中で動くAI秘書です。音声を含む双方向チャットに 対応し、ボイスメッセージを送るとエージェントが文字起こしして作業をこなし、音声で返答することもできます。 音声で、質問したり、エージェントのアクションを実行したり、スケジュールの変更・一時停止まで — スマホから、 いつものTelegramアプリだけで完結します。

音声でできること

質問して、本物の答えを受け取る

エージェントは実際のツールを使って答えます。Web検索、X(Twitter)の投稿やトレンドの確認、 YouTubeの文字起こしの取得、そして過去に自分が送ったレポートの読み返しまで。「月曜に何を送ってくれた?」と 聞けば、定型文ではなく本物の答えが返ってきます。

エージェントのアクションを実行する

レポートの送信、チャンネルへの投稿、スプレッドシートの更新 — エージェントに組み込まれたアクションなら、 チャットや音声から実行できます。何かを公開・送信するアクションは、実行前にエージェントがあなたに確認します。 人間が承認する(human-in-the-loop)設計です。

スケジュールを変更・一時停止する

「8時じゃなく朝7時に実行して」「月曜まで止めて」。エージェントは自分のスケジュールを更新したり、 自分で一時停止・再開したりします。ダッシュボードを開く必要はありません。

常時の指示を覚えさせる

「いつも日本語で答えて」「エンタープライズ関連のニュースに絞って」「私のローンチが3月なのを覚えておいて」— エージェントはあなたの指示・言語・場所・メモを保存し、それ以降ずっと反映します。

仕組み

Telegramでボイスメッセージを送ります。エージェントはそれを音声認識で文字起こしし、OpenAIの フロンティアモデルと内蔵ツールで「何を頼まれたか」を推論して作業をこなし、テキストで返信します。 さらにボイスメッセージには音声で返答することもできるので、やり取り全体をハンズフリーで完結できます。 予定された作業には影響しません。エージェントは決まったスケジュールで通常のジョブを実行し続け、 チャットは実行と実行の間にそれを操縦するための手段です。

チャットボットビルダーとの違い

ノーコードのチャットボットビルダーの多くは、Telegramをテキストのチャネルとして扱います。音声はその 限界点です。2026年7月時点で、双方向のボイスメッセージ処理 — 届いたTelegramの音声ノートを文字起こしし、 音声で返答する — を標準機能として明記している主要なボットビルダーは見当たらず、一般的な案内は 「自前で音声認識の連携を組む」というものです。Somodusでは、デプロイした全エージェントに最初から 組み込まれていて、設定は不要です。

より本質的な違いは、チャットの裏側にあるものです。チャットボットビルダーは、あなたが設計する会話フローを 提供します。一方Somodusのエージェントは、あなたのタスクをすでにスケジュールで実行している自律型の ワーカーです。Telegramのチャット(テキストでも音声でも)は、もともと存在するワーカーのリモコンであり、 その裏にはWeb検索・あなたの連携・自身の実行履歴・自身のスケジュールという本物のツールがあります。

よくある質問

AIエージェントを音声で操作できますか?

はい、明確な範囲の中で可能です。音声で、質問したり、エージェントのアクションを実行したり、 スケジュールを変更・一時停止したり、常時の指示を更新したりできます。予定された実行はスケジュール どおりに動き続けます。音声操作は、スケジュールを置き換えるのではなく、エージェントを操縦するものです。

音声チャットに専用アプリは必要ですか?

いいえ。スマホでもデスクトップでも、いつものTelegramアプリで動きます。エージェントをあなたの Telegramアカウントに一度つなげば、あとはメッセージやボイスノートを送るだけです。

自分でTelegramボットを作る必要はありますか?

いいえ。デプロイしたSomodusのエージェントは、すでに双方向のTelegramボットとして動きます。Telegramを 一度つなげばチャットを始められ、音声にも対応します。コーディングするボットフレームワークも、 ホスティングするサーバーも、組み上げる音声認識のパイプラインもありません。

エージェントは音声とテキスト、どちらで返答しますか?

テキストは常に返します。ボイスメッセージには音声で返答することもできるので、音声で質問すれば、 ハンズフリーで聴ける音声の答えが返ってきます。

音声チャットはプランに含まれていますか?

はい。音声の文字起こしと音声での返答は、どのプランにも含まれるAI利用の一部です。エージェントとの チャットは他のAI作業と同じようにプランのクレジットを消費し、別途セットアップする音声APIはありません。

音声チャットはどの言語に対応していますか?

エージェントは、英語・韓国語・日本語・スペイン語、および簡体字・繁体字の中国語で返答・報告します。 あなたの言語で話しかければ、その言語で答えます。

関連ページ

TelegramのAI秘書(英語) — 同じ秘書が音声以外にできることのすべて。そして AIエージェントで遊べるミニゲームを生成(英語) — ゲームやインタラクティブなページを、スケジュールで配信します。