要点
Decagon Voice 3は、2026年10月1日のDecagon Dialoguesで発表されました。Decagon独自の音声モデルChordと、電話エージェントが話し続けている間に別のモデルが情報の検索を行うDuplexアーキテクチャを組み合わせたものです。公開価格はなく、デモ経由のみです。
注目されるのは声ですが、より大きな変化はアーキテクチャです。Decagon自身の実際の通話データでは、Chordへの切り替えにより3社で解決率が2.6〜7.1ポイント向上しました。これは本物の成果ですが、電話エージェントの成果の大半は、声の響きよりも何を話すかで決まるという注意点でもあります。
大規模で多言語の電話業務を運営しているなら、Voice 3は候補に入れる価値があります。サポートの大半がメールとチャットなら、より大きな成果はその手前にあります。eeselのAIヘルプデスクチームメイトは、電話エージェントから引き継がれるチケットを含めてチケットキューを担当し、顧客に触れる前に自社の過去チケットでテストできます。
Decagonが実際に発表したもの
Decagonは10月1日に4つを同時に発表しました。Voice 3が見出しを飾りましたが、残りの3つと並べて見ると意味がよくわかります。
共同創業者のJesse ZhangとAshwin SreenivasによるDialogues 2026の発表によると、4つのリリースは次のとおりです。
- Voice 3： Chordに加えてDuplexアーキテクチャを採用し、より自然な電話応対を実現します。
- Personal Agent Gateway： 顧客に代わって御社に電話やメッセージを送る個人用AIエージェント（DecagonはInstinct、Muse、dotsを挙げています）の検出と専用チャネルです。
- Agent Modules： エージェントをサポートの枠を超えて、リード選別、オンボーディング、債権回収へ広げるための基盤です。
- Duet Apprentice： Duetは社内ドキュメントやエスカレーションされた会話から学び、SlackやMicrosoft Teamsのスレッドを追って手順の更新案を作成します。
私はeeselでAIエージェントを作っていますが、今回の発表がどれだけ電話に重きを置いているかに驚きました。Decagon自身が、音声は「最も容赦のない」チャネルだと位置づけており、Voice 3は基本的にその答えです。同社を初めて知る方は、私のDecagon概要とDecagonレビューでプラットフォーム全体を紹介しています。
Duplexアーキテクチャの仕組み
Voice 3を評価するなら、私が最も時間をかけるのはここです。AIエージェントとの通話の感触が変わります。
ほとんどのAI音声エージェントは、Decagonが「カスケード型パイプライン」と呼ぶ構成で動いています。音声認識が発信者の声を文字に起こし、LLMが何を言うかを決め、音声合成が回答を読み上げます。Voice 3の発表は問題点を明確に述べています。各段階で遅延が生じ、単純な「うん」が割り込みを引き起こし、長い検索の間、発信者は無音を聞くことになります。
Voice 3は仕事を、同時に動く2つの層に分けます。
- 低遅延の会話モデルが、簡単な進捗報告を含め、聞くことと話すことを担当します。
- より強力なモデルが、会話の裏で推論、ツール呼び出し、ガードレールの確認を担当します。
そのため、エージェントは話している間も入ってくる音声を処理し続けます。Dialoguesの投稿によると、発信者が「うん」と言っても話し続けますが、本当の割り込みには譲ります。また、長い処理が走っている間は、発信者を保留にするのではなく、進捗を伝えたりフォローアップの質問に答えたりできます。
これが効く場面を簡単な例で示します。顧客が二重請求の件で電話してきたとします。カスケード型のエージェントは「確認します」と言ったあと、請求APIを呼び出している6秒間黙り込みます。発信者が「もしもし？」と言うと、エージェントはそれを割り込みと解釈し、最初からやり直しになります。Duplexのエージェントなら、「直近2件の請求書を今開いています」と言い、検索が終わる間に「火曜日のものですか？」という質問にも答えられます。ボットに一度に一つずつ命令を出すのと、実際に会話するのとの違いです。
Decagonの音声製品ページには、そのほかのツールも挙げられています。割り込み処理、カスタム調整されたものを含む数百の音声プロファイル、発信、要約付きの転送、そしてAgent Operating Proceduresに連動したガードレールです。コールセンター自動化の全体像を知りたい場合は、その記事が良い入門になります。
Chordとは何か、Decagonはどう作ったか
ChordはDecagon Labsの最初の音声モデルです。Samuel ZhangによるChordの詳細解説は、その賭けを説明しています。汎用の音声モデルはオーディオブックのナレーションからゲームの吹き替えまで何にでも使えるように作られており、それがライブのサポート通話での自然さに上限をつけている、というものです。
いくつかの選択が目を引きます。
- 意図的に雑なトレーニングデータ。 ほとんどの音声パイプラインは間やフィラーを取り除きます。Decagonはそれを残し、ペース、強調、言いよどみを保つ逐語的な文字起こしを使いました。
- 台本の読み上げではない収録方法。 台本を渡された声優は「演技」をします。そこでDecagonは、台本の内容と自由な会話を混ぜる方法を作りました。
- トークナイザー不要の拡散ベースモデル。 ほとんどの音声モデルは音声をトークンに分割し、各段階で細部を失います。Decagonは、トークン化を省くことでChordはほぼ劣化なしに保たれ、感情、ペース、強調を操作しやすくなると述べています。
実際には、Chordはフレーズ単位で話し方を整えます。確認コードや電話番号ではゆっくりになり、その後は通常のペースに戻ります。全体で1つの速度設定を使うのではありません。Decagonによると、本番ではModal上で提供され、ライセンス取得済みデータと同意を得た声優のみで学習し、顧客が所有するデータは使っていません。
この最後の点は、早い段階でセキュリティチームに伝えてください。音声クローンのレビューを経験したことがあるなら、それが最初の質問になるとご存じでしょう。調達書類にそのまま貼れる、ここでは数少ないベンダーの声明の一つでもあります。
Voice 3の数字を正直に読む
Decagonは3組の結果を公開しました。3つともDecagon自身によるもので、つまりベンダーのデータです。それでも、ほとんどのローンチ記事より具体的で、じっくり読む価値があります。
「90%が区別できなかった」という主張
ローンチの投稿は、約90%のリスナーがChordと本物の人間を区別できなかったと述べています。その下のグラフのほうが、見出しよりも多くを語っています。3つの声で行ったブラインドテストでは、54.3%が本物の人間を、45.7%がChordを人間として選びました。
完璧なコイン投げは50対50なので、45.7%は「区別がつかない」にかなり近い値です。「90%」という言い方は、おおよそ45.7を50で割ったものです。どちらの読み方も間違いではありません。社内では、チームが実際に確認できる45.7%の数字を引用するのが良いと思います。
好みのテスト
Decagonはまた、同じ言葉でChordを他の主要な音声モデル3つと比べ、サポート通話でどの声を聞きたいかをリスナーに尋ねました。185人のリスナーのうち、Chordが36.2%で1位で、他の3つは26.8%、19.9%、17.2%でした。Decagonは競合名を挙げていないため、ElevenLabsなど特定の製品に直接当てはめることはできません。
実際の通話での結果（重要なのはこちら）
導入を検討する側として、私が最も重視するのはこのテストです。Decagonは、通信、金融サービス、旅行の3社が、既製の音声からChordに切り替えた事例を取り上げ、声だけを変えて同じプログラムの導入前後を比較しました。
| 業種 | 解決率の変化 | バージ率の変化 |
|---|---|---|
| 通信 | +6.1ポイント | -14.5ポイント |
| 金融サービス | +7.1ポイント | -6.1ポイント |
| 旅行・ホスピタリティ | +2.6ポイント | -5.3ポイント |
出典：DecagonのChord投稿、2026年10月1日。
「バージ率」とは、発信者が人間との通話だけを望み、つながるまで「オペレーター」と言い続ける通話の割合です。声だけに手を入れた変更で、通信での14.5ポイントの低下は大きな数字です。
ただし注意点が2つあります。対象は3社だけで、Decagonは開始時点の解決率を公開していないため、+7.1が50%から57%なのか、80%から87%なのかはわかりません。また、旅行の向上幅は金融サービスの3分の1の大きさなので、声の影響は通話の種類によって明らかに異なります。
声がすべてではない（Decagon自身もそう言っている）
私にとって最も役立つのは、Decagon自身のブログに載っている内容です。バージの削減についての以前の投稿で、Decagonは、グローバルな通信会社の請求紛争でバージを15%以上減らしたのは「新しいモデルやより良い声によるものではなく」、最初の数ターンでエージェントが話す内容を変えたからだと述べています。実際の会話を一度レビューし、約1日で反映したものです。
つまり、独自の音声モデルを作ったばかりの同じ会社が、台本は声と同じくらいバージを動かせると言っているのです。これがVoice 3の誠実な読み方だと思います。Chordは発信者に聞いてもらい、Duplex設計は回線に留まらせます。通話が実際に解決するかどうかは、その裏にある手順次第です。
テキスト側でも同じ教訓を学びました。eeselでは、自信ありげなAIエージェントが整った間違った回答をする場面を何度も見てきました。だからこそ、私が関わる導入はすべて、公開前に過去のチケットでシミュレーションします。自然な声は、間違った回答をより説得力のあるものにします。どの電話エージェントを選んでも、ベンダーのブラインドテストではなく、自社の通話録音でテストしてください。
音声AI全体の現在地を示すと、模擬サポート通話でタスクが実際に完了したかを採点するArtificial Analysisのtau-Voiceベンチマークの最高スコアは、2026年9月末時点で68.6%でした。つまり、最良の音声モデルでも、現実的なサポート通話の約3分の1は失敗します。AI電話サポートのガイドと、AIはサポート電話に応答できるかという問いで、このギャップをさらに掘り下げています。
言語、料金、対象となる企業
Voice 3がデモに値するかを決める実務的な質問は3つあります。顧客の言語を話せるか、いくらかかるか、そして自社のチームがDecagonの顧客と似ているかです。
1つのエージェントで70以上の言語
Voice 3の投稿によると、Decagonは言語ごとに別のエージェントを用意せずに70以上の言語に対応します。発信者の言語を検出して、文の途中でも自動的に切り替え、ロケールごとの音声を使い、公開前に各言語をネイティブスピーカーで検証します。ローンチで名前が挙がっている顧客はDeutsche Telekomで、同社のデジタルサービス責任者は、その変化をこう端的に語っています。
"Customers have been trained for years to speak in short fragments at these IVRs just to get through to a human."
Christian Niedworok, Lead of Digital Service Communication at Deutsche Telekom, via Decagon
料金
DecagonはVoice 3の料金を公開しておらず、decagon.ai/pricingは404を返します。すべてのコール・トゥ・アクションは「Get a demo」です。Decagon自身の解決ベース課金の用語集ページには、AIが人の助けなしにタスクを完了したときに課金すると説明されており、これは導入側が報告しているモデルですが、料金表は存在しません。私のDecagonの料金の記事で、実際にわかっていることをまとめています。また、Sierraの料金とParloaの料金の解説でも、エンタープライズ層全体で同じ見積もりのみのパターンが見られます。
Voice 3を検討すべき人
| あなたが... | 私の見解 |
|---|---|
| 電話件数が多く多言語の大企業 | 候補に入れてください。ChordとDuplexはまさにその課題を狙っており、Decagonが挙げる音声の顧客（Deutsche Telekom、Chime）は御社に近い存在です。 |
| すでにチャットやメールでDecagonを使っている | 御社自身のトラフィックでの実際の通話数値を求めてください。チャネルをまたぐ記憶は、目立たない利点です。 |
| 自前の電話エージェントを作りたい中規模チーム | Retell AIや、分単位の料金を公開している私の音声エージェントまとめにある他のプラットフォームを見てください。 |
| サポートの大半がメールとチャットのチーム | Voice 3は最初の課題ではありません。まずチケットキューにAIを導入してください。 |
Decagonを他社と比較しているなら、Decagon vs SierraとDecagon vs Zendesk AIの記事、そして私のDecagonの代替リストが次の自然な読み物です。Zendeskを使っている企業は、別の電話契約を結ぶ前にZendeskのAI音声エージェントも確認してください。
通話のあとで何が起きるか
どの電話エージェントも、一部の通話を引き継ぎます。Decagonの音声ページには、Voice 3は通話を「with a concise summary」付きで人間のエージェントに転送するとあり、多くのサポートチームでは、その要約がチケット、折り返し、メールのフォローアップになります。それはすべて書面の業務です。発信者がどの声を聞いたかに関係なく、ヘルプデスクに溜まっていきます。
あるeeselの顧客はeeselチームに、AIが使えるようになる前に、担当者がすべての音声のやり取りを手作業で要約しなければならず、それが解決すれば利用が大きく増えると話しました。音声ベンダーを選ぶ前に、電話とキューの間のこのギャップに備えておく価値があります。AIエージェントの引き継ぎのベストプラクティスの記事で、良い転送に何が必要かを解説しています。
電話エージェントから引き継がれるチケットにはeesel
eeselはAIチームメイトのプラットフォームで、ここに合うのはAIヘルプデスクのチームメイトです。新入社員のように既存のヘルプデスクに参加し、Zendesk連携またはFreshdesk、Gorgias、Frontなどを通じて、過去のチケットとヘルプセンターから学習し、電話エージェントが生み出すフォローアップへの返信を下書きまたは送信します。公開前に、数百件の過去チケットでシミュレーションを実行して、どう回答したかを確認できます。
はっきり言っておくと、eeselは電話に出ません。Voice 3や他のAIコールセンターエージェントと組み合わせて、サポートの書面側を担当します。プランはeeselの料金ページで100クレジット無料から始まり、カードは不要です。ご自身のチケット履歴でeeselを試して、何を送っていたかを確認してください。