リアルタイムプロバイダ

ADK-Rust は同じ RealtimeModel インターフェースの背後で2つのリアルタイムバックエンドに対応しているため、アプリケーションでは両方を提供し、セッションごとに切り替えられます。このページでは、モデル、音声、エンドポイント、認証、および選択方法について説明します。

OpenAI リアルタイム（GA）

use adk_realtime::openai::OpenAIRealtimeModel;
use adk_realtime::model::BoxedModel;
use std::sync::Arc;

let model: BoxedModel = Arc::new(OpenAIRealtimeModel::new(
    std::env::var("OPENAI_API_KEY")?,
    "gpt-realtime-2.1",
));

• トランスポート: WebSocket（openai機能）または WebRTC（openai-webrtc、cmakeが必要）。
• オーディオ: 入出力ともに 24 kHz PCM16。
• 音声: marin（自然な GA音声）、alloyなど。RealtimeConfig::with_voice("marin")で設定します。
• 認証: OPENAI_API_KEY。キーはサーバー上に保持されます（ブラウザには決して置かれません）。

Gemini Live

use adk_realtime::gemini::{GeminiLiveBackend, GeminiRealtimeModel};

let model: BoxedModel = Arc::new(GeminiRealtimeModel::new(
    GeminiLiveBackend::studio(std::env::var("GEMINI_API_KEY")?),
    "models/gemini-3.1-flash-live-preview",
));

• トランスポート: WebSocket（gemini機能、AI Studio）または Vertex AI Live （vertex-live、OAuth2 / ADC — Realtime Agentsを参照）。
• 音声: 16 kHz PCM16 入力、24 kHz PCM16 出力。
• 音声: Koreなど、with_voice("Kore")。
• 認証: GEMINI_API_KEY（またはGOOGLE_API_KEY）。

モデル名はエンドポイントによって異なります。 AI Studio（API-key）では models/gemini-3.1-flash-live-previewのような名前を使用しますが、Vertex/Agent Platformでは異なる 名前を使用します。crateのGeminiLiveBackend::studio(...)は、 v1alphaエンドポイント経由でAI Studioを対象とします （感情的な対話にも使用されるエンドポイントです）。

モデルの選択

• 一般的な音声 + ツール → gpt-realtime-2.1またはgemini-3.1-flash-live-preview。 どちらもツールを確実に呼び出します。継続的な動画にはGeminiのほうが適しています。
• 最も自然な音声 / 感情認識 → 感情的な対話を使用するGeminiネイティブ音声 （gemini-live-2.5-flash-native-audio）— ツール呼び出しの信頼性はある程度低下します。
• 高度な推論 → gpt-realtime-2.1。
• 翻訳 → 専用の翻訳モデル（独自のプロトコル）。

セッションごとのプロバイダーの選択

アプリケーションでは通常、リクエストからプロバイダーを読み取り、対応する モデルを構築します。音声レートが異なるため、それらも公開します。

#[derive(Clone, Copy)]
enum Provider { OpenAI, Gemini }

impl Provider {
    fn audio_rates(self) -> (u32, u32) {   // (input, output)
        match self {
            Provider::OpenAI => (24_000, 24_000),
            Provider::Gemini => (16_000, 24_000),
        }
    }
}

fn build_model(p: Provider) -> anyhow::Result<(BoxedModel, &'static str)> {
    Ok(match p {
        Provider::OpenAI => (
            Arc::new(OpenAIRealtimeModel::new(std::env::var("OPENAI_API_KEY")?, "gpt-realtime-2.1")),
            "marin",
        ),
        Provider::Gemini => (
            Arc::new(GeminiRealtimeModel::new(
                GeminiLiveBackend::studio(std::env::var("GEMINI_API_KEY")?),
                "models/gemini-3.1-flash-live-preview",
            )),
            "Kore",
        ),
    })
}

例では、これらすべてを環境変数（OPENAI_REALTIME_MODEL、GEMINI_REALTIME_MODEL）で 上書きできるため、再コンパイルせずにモデルを固定できます。

機能マトリックス

次へ: ツール →

診断情報とペイロードのプライバシー

リアルタイムフレームには、文字起こし、ツール引数、ツール結果、識別子が含まれます。認識されたイベントのデシリアライズに失敗した場合 — プロバイダーのスキーマの不整合 — 警告にはフィールドに配慮した概要が報告され、フレームは破棄されます：

注: ダイジェストは 1 回の実行内でログ行をグループ化します。暗号学的ダイジェストではなく、 プロセス間で安定していません。

フレームを手元に置いてドリフトを診断するには、最初の 300 バイトを記録する adk-realtime を record-payloads feature とともにコンパイルします。

[dependencies]
adk-realtime = { version = "2.1.0", features = ["openai", "record-payloads"] }

この feature はデフォルトでは無効です。これはビルドごとの意図的な選択です。スキーマドリフトが発生するのは、 まさにオペレーターがログの収集範囲と保持期間を拡大するタイミングだからです。