Ai safeInworld
キッチンのお手伝い
濃い紫の雲が垂れ込める夕暮れの海崖を描いた、雰囲気のある油絵。正方形にトリミングされ、柔らかな絵画的な質感。
今夜の番組
GLMモデルのロゴ
GLM 5.3 Flash
リビングのソファに寄り添って一緒に画面を見つめる、子ども二人のいる家族。暖かな夕方の光、自然なスナップ写真
週末
キッチンのテーブルでノートパソコンを囲み笑う3人の若い友人。自然光、自然なライフスタイルショット
振り返り
暖かなランプの光の中で、笑顔の孫娘に寝る前の物語を語る祖父。寄りのポートレート構図
おやすみ前のお話
Qwenモデルのロゴ
Qwen3.8 Flash
Clef決定モデルのロゴ
音部記号
夜行バス
屋外カフェのカウンターで注文しながら笑う白髪の女性。晴れた通り、ドキュメンタリースタイル
イタリアンカフェ
DeepSeekのクジラロゴ
DeepSeek V4.1 Flash
木製のテーブルでノートを広げ、スマートフォンに向かって話す巻き毛の女性。家庭の暖かな光、ミディアムクローズアップ
自分の声
ロードトリップ
スペイン語で散歩
明るいデスクでタブレットのメモを確認する巻き毛の女性。柔らかな窓の光、自然な職場の写真
通話メモ
ランニングコーチ
苔むした公園の壁に座り、イヤホンでInworldの音声を聞きながら微笑む若い女性。緑の葉の背景
トーン
菜園で膝をついて植物を観察する年配の夫婦。柔らかな曇天の光、自然な屋外写真
庭のお手伝い
松の木に囲まれた霧の湖を描いた柔らかな印象派の絵画。落ち着いたティール色の配色、正方形のクロップ
リラックス
公園のベンチに座り、デニムジャケット姿でボイスメッセージを録音する年配の女性。晴れた午後、ポートレート構図
ボイスメモ
暗い寝室のベッドに横たわり、スマートフォンの画面に顔を照らされる人物。静かな深夜の雰囲気
深夜トーク
夜にデスクでヘッドホンをつけ、開いたノートを広げて勉強する若い女性。暖かなデスクランプ
学習バディ
MiMoモデルのロゴ
MiMo 2.6 Pro
森の小道に立つ、バックパックを背負った若い女性ハイカー。木漏れ日、全身の屋外ショット
ハイキングガイド
淡い霞んだ空の下に広がる緑の丘の絵画風の風景、落ち着いた色調
多言語ポッドキャスト
新着Inworld Inference が公開中

Inworld AI
ための 人々

コンシューマーアプリ向けに構築された音声モデルと推論。

待って、落ち着いて。あなたが入ってきたとき、彼は何て言ったの?

パイパー 英語 推論 生成

コーディングエージェントに Inworld を追加するよう依頼してください。

スキルを取得 あらゆるコーディングエージェントに対応

実際のユーザーに音声を届けるチーム

短い茶髪の若い男性がダークジャケット姿で微笑み、背後に緑の木々が見える大きな窓のそばに座っている、インタビュー構図 視聴 · 1:47
Fablecast

すべての章をライブでナレーション。

97%ナレーションは Inworld で実行
最大5×次善のものより高速
このように作る
黒髪の創業者が黒のブレザーを着て、モダンなオフィスで座って行うインタビュー中に微笑んでいる、柔らかな光、テキストなし 視聴 · 2:13
kindred

ユーザーあたりの日次コストは、cents単位まで。

95%支出削減
19日100万人のユーザーまで
あなたのものを始める
暗い色のTシャツを着たエンジニアが、植物のあるオープンオフィスでカメラに向かって話しながら微笑んでいる、インタビュー構図 視聴 · 1:58
RoomWire

RoomWireエージェント内のInworld音声を、1つのキーで。

TTS + STTエージェントに組み込み
1つのフラグ表現力豊かなモード用
始める

日常のためのAI

人々が毎日開くアプリ向けのInworldモデル:
コンパニオン、学習、フィットネス、ソーシャル、パーソナルエージェント、遊び。

01

自然な音声を、ライブで

レイテンシー最短50ms最初の音声、TTS-2 Flash
品質#1提供開始時のリアルタイムTTS
02

あらゆる規模で信頼できる

信頼性99.999%GLM 5.3 Flash リクエスト処理数
速度237tok/sGemma 4 26B の出力
03

あらゆる言語、あらゆる地域

言語500+言語と方言
地域4米国、欧州、インド、APAC
SOC 2 Type II、HIPAA、GDPR

音声モデル

サンプルを聴く

コンシューマーアプリを支えるInworld音声スタック:
ストリーミング音声出力、文字起こし、音声ループ全体。

長く滑らかな波紋一つに形作られた濃灰色の砂のマクロ写真、低い斜光、モノクロの質感

Realtime TTS-2 テキスト読み上げ

ほぼ500言語で、音声をリアルタイムに演出できます。

#1提供開始時のTTS
最短90ms最初の音声まで
500言語と方言
細かく平行な波紋の線に梳かれた濃い砂のマクロ写真、低い側光、モノクロの質感

Realtime TTS-2 Flash テキスト読み上げ

これまでで最も高速な音声。

最短50ms最初の音声まで
引き分けEleven v3とのブラインドテストで
ストリームレンダリング中の音声
同心円状の曲線の波紋リングがある濃い砂のマクロ写真、柔らかな側光、モノクロの質感

リアルタイム STT-1 音声テキスト変換

声の特徴を読み取るライブ文字起こし。

未満70ms最終文字起こしまで
4感情、スタイル、年齢、アクセント
ライブ部分結果
ループを形成する2本の交差する曲線の溝がある濃い砂のマクロ写真、ドラマチックな側光、モノクロの質感

音声から音声へ 1つの接続

1つの WebSocket または WebRTC リンクで聞き、考え、応答します。

204ms発話終了から音声まで
任意セッションごとの LLM
1ソケットをエンドツーエンドで

Inworld Inference

モデルを探す

コンシューマーアプリが選ぶオープンモデルを、当社の自社フリートで提供。 各モデルは重みからカーネルまでチューニング済み。

暗い空を漂う温かな錆色と琥珀色の雲の絵画的な抽象表現 ボイスメモ、ソーシャルアプリ
冬の屋外で黒いビーニーをかぶった若い女性が電話を口元に当てている、クローズアップ肖像
最低コスト
約40%安い

ホストの中央値よりも このオープンモデルの場合。

Google Gemma ロゴGemma 4 26B 使う
夜明けの霧のかかる雪を頂いた山々の絵画風の眺め、淡い青と桃色のトーン 歩きながら返信
晴れた街路でバックパックのストラップを掛けた微笑む若い男性のクローズアップ肖像
最速の返信
最大7.8×高速

最初のトークンは 他のホストと比較して。

Google Gemma ロゴGemma 4 26B 使う
低い雲が浮かぶ柔らかな青空の下、絵画風に穏やかな海の水平線 途切れない通話
屋外のカフェのテーブルで微笑む白髪で眼鏡をかけた年配男性のクローズアップ肖像
最も信頼性が高い
99.999%提供

20M件を超えるリクエスト 30日間で。

GLM モデルのロゴGLM 5.3 Flash 使う

Inworldでホスト

すべて表示
モデルを選択
モデル 最初のトークンまでの時間出力速度
GLM ロゴ GLM 5.3 Flash 対話ロールプレイ 310ms608ms
Gemma ロゴ Gemma 4 31B 対話ロールプレイ 224ms751ms 172 tok/s56 tok/s
Gemma ロゴ Gemma 4 26B 分類対話 214ms426ms 237 tok/s120 tok/s
MiMo ロゴ MiMo 2.6 Pro ナラティブ対話 284ms370ms 273 tok/s47 tok/s
DeepSeek ロゴ DeepSeek V4.1 Flash 対話ナラティブ —
Clef ロゴ Clef意思決定モデル 意思決定 —

Inworld最速の他ホスト他ホストの中央値

高速モードをオンにする

高速モード

最小レイテンシのための1つのフラグ。 渡す "service_tier": "fast"、リクエストに応じて開きます。

リアルタイムデコーディング
7.5×

より高速な検証アテンション、Gemma 4 26B

ドラフトを先行生成し、フルモデルが1回のパスでチェックします。

ステップごとのアテンションシェア

前27.5%
後16.5%

トークン遅延 p50

前5.95ms
後5.18ms
返信が書かれる仕組み ステップ 6 · 24 単語
先行ドラフトチェックして保持フルモデルで修正
高速6ステップ
デフォルト24ステップ
同じプロンプト、2つのホスト
ユーザー 走った後、膝が痛みます。今夜は軽めのセッションを計画してくれますか?
一般的なホスト TTFT – · – tok/s
最初のトークンを待機中…
Inworld Fast TTFT 117ms · 237 tok/s

いいですよ。まず5分間の速歩きから始め、その後は軽いジョギング1分とウォーキング2分を交互に行いましょう。最後はゆっくり終えて、ふくらはぎをストレッチしてください。

一瞬で現れる単語が、1回のデコードステップで出力されました。

最初のトークンがほぼ8×高速 · Inworld Fast は 0.46 s で完了 · 一般的なホストは 1.60 s

スケールに対応したインフラでお届けする研究

2026年10月14日

Inworld Inference

ホスティングは コンシューマーAI向けに作られ、すべての人に開かれています。

続きを読む ↗
2026年9月30日

UltravoxチームがInworldに参画

音声から音声への 研究を 社内に取り込む。

続きを読む ↗
2026年8月31日

リアルタイム TTS-2

初登場: Artificial Analysisで1位、平易な言葉で操作。

続きを読む ↗
2026年8月28日

TTS評価ツールキット

音声を評価するオープンツールを 私たちの流儀で。.

続きを読む ↗
2026年6月10日

リアルタイムSTT-1

感情とアクセントを 聞き取る文字起こし.

続きを読む ↗
数十兆トークン/月
数十億リクエスト/月
数百万トークン/秒

グローバルインフラストラクチャ

4つの稼働リージョン

お客様のクラウドで実行 →
  • TTS
  • LLM
  • STT
  • 音声間変換

音声は4リージョンで提供、LLMは米国で提供。

アクティビティの例

構築を開始

コーディングエージェントからInworldを組み込めます。

スキルをコピー エージェントに貼り付け

人々のための音声AIはInworldで稼働します。
誰のために作りますか?

質問

+Inworld AIとは何ですか?

コンシューマーAIのための研究ラボ兼ホスト:4つのリージョンで音声モデルとオープンLLMを提供。

+音声の品質はどのようにランク付けされていますか?

TTS-2はArtificial Analysisで初登場1位;Flashはブラインド試聴でEleven v3と同等。

+Inworld Inferenceで実行できるオープンモデルはどれですか?

GLM 5.3 Flash、Gemma 4、MiMo 2.6 Pro、DeepSeek V4.1 Flashを、OpenAI形式のAPI経由で利用できます。

+リアルタイムアプリで最も速い音声はどれですか?

TTS-2 Flashは最初の音声まで約50 msで到達し、レンダリングしながらストリーミングします。

+音声エージェントは任意のLLMを使用できますか?

はい。Speech to speechでは、1つの接続でセッションごとにLLMを選択できます。

+Inworldで開発を始めるにはどうすればよいですか?

キーを使って1つのリクエストを送信するか、InworldスキルをClaude CodeまたはCursorに渡してください。

始める
始める