コンテンツにスキップ

このページは英語のページを機械翻訳したものです。内容は英語のページが正です。 英語のページを読む

通話を運用する

通話では、ログインしているユーザーがルームを開き、ほかの人を招待して話せます。音声の伝え方を選ぶまで、通話は無効です。 このガイドでは、その選び方と、それぞれの方法に必要な STUN サーバーと TURN サーバー、またはメディアサーバー、そしてデプロイ、プライバシー、モデレーションについて知っておくことを説明します。 ここで名前を挙げる設定は、すべて設定のリファレンスで説明しています。

voice はインスタンス全体で 1 つの方法を選びます。すべてのルームがその方法を使います。

voice 音声を運ぶもの 向いている場合
off なし。通話の API は 404 を返し、Web クライアントには通話が表示されず、ほかの voice_* の設定は起動時に確認されません。 既定値です。
p2p 参加者のブラウザーが互いに直接音声を送ります。サーバーは、接続を確立するためのメッセージだけを中継します。 小さなルームと、いちばん安い構成。任意の STUN サーバーか TURN サーバーのほかに、追加のサーバーは要りません。
livekit LiveKit サーバー。セルフホストか LiveKit Cloud です。 より大きなルームと、誰が話せるかの厳密な管理。
sora Sora サーバー。セルフホストか Sora Cloud です。 同上。すでに Sora を運用している場合。

3 つの方法を並べた図。p2p では、サーバーがシグナルを中継し、ブラウザーは互いに、または TURN サーバーを通して音声を送ります。livekit と sora では、ブラウザーはシグナルと音声をメディアサーバーに送り、サーバーはそのメディアサーバーと API と Webhook でやり取りします。下の一覧が各方法を説明しています。

どの方法でも、サーバー(my serve)はルームと、その参加者とセッションを保持し、各参加者に grant(ブラウザーが接続するのに必要なもの)を 渡します。サーバーが音声を運ぶことはありません。違うのは、シグナリング(接続を確立するためのメッセージ)と音声の行き先です。

  • p2p。 ブラウザーは自分のシグナル(オファー、アンサー、ICE 候補)をサーバーに送り、サーバーはそれをルームのイベントストリームで 相手のブラウザーに渡します。シグナルはキーバリューストアで最大 30 秒待ちます。音声は ブラウザーからブラウザーへ直接届きます。grant には、voice_stun_urls の STUN サーバーと、voice_turn(coturn か cloudflare)の TURN サーバーが、 有効期間の短い認証情報とともに入っています。ブラウザーは STUN で自分の公開アドレスを知り、 2 つのブラウザーが直接の経路を見つけられないときは TURN サーバーが音声を中継します。
  • livekit。 grant には voice_livekit_url と 60 秒有効のアクセストークンが入っています。ブラウザーは自分のシグナルと 音声を LiveKit サーバーに送り、LiveKit サーバーは自前の STUN と TURN を持ち、音声をほかの参加者に転送します(selective forwarding unit、 SFU)。 サーバーは LiveKit の API で、LiveKit のルームを作成し、誰が話せるかを変更します。LiveKit は参加と 退出を Webhook でサーバーに知らせます。
  • sora。 grant には voice_sora_signaling_urls と、署名された参加用の値が入っています。ブラウザーは自分のシグナルと 音声を Sora サーバーに送り、Sora サーバーは自前の STUN と TURN を持っています。Sora は接続のたびに事前にサーバーの認証 Webhook に問い合わせ、 サーバーは Sora の API でルームを管理し、Sora は接続を Webhook で知らせます。

選ぶときの注意点です。

  • p2p では、音声がこのサーバーを通ることはありません(TURN サーバーを使うときは、TURN サーバーを通ります)。サーバーの負荷は、ルームのメッセージ、ハートビート、ストリームだけです。
  • 小さなインスタンスには、p2p か、LiveKit Cloud の無料の Build プランが最適です(LiveKit Cloud を参照してください)。
  • livekit か sora では、下の STUN と TURN の設定と ICE のポリシーは使われません(設定すると、サーバーは起動時に警告します)。メディアサーバーが自前のサーバーを持っているためです。このとき、参加者の IP アドレスはメディアサーバーにだけ見え、ほかの参加者には見えません。
  • インスタンスは HTTPS で配信してください。ブラウザーは、安全なページでしかマイクへのアクセスを許しません。

上限は、有料のメディアサーバーの費用に歯止めをかけます。0 にすると、最後のものを除いて上限がなくなります。

設定 既定値 意味
voice_max_room_duration 4h ルームが開いていられる最長の時間です。これに達したルームは終了します。
voice_max_open_rooms 10 このサーバーで同時に開いていられるルームの数です。予定の時刻に向けて開いたルームは、最初の参加者を待っている間も、開いた時点から数えます。
voice_sfu_max_participants 10 livekit と sora のルームの人数です。
voice_p2p_max_participants 10 p2p のルームの人数です。2 から 50 まで指定できます。

ルームを開ける人は、インスタンスの設定 voice_room_starters で決まります(インスタンスの設定)。既定では、権限 start_voice_rooms を持つ人だけです(組み込みの admin ロールが持っています)。everyone にすると、ログインしているローカルユーザーのうち、凍結も制限もされていない人なら誰でもルームを開けます。

Docker Compose の構成(deploy/docker/compose.yaml)で、自分のマシンで通話を試すには、 .env に MY_VOICE=p2p を設定してサーバーを作り直します。

ターミナルウィンドウ
cd deploy/docker
docker compose up -d
  • インスタンスを http://localhost:8080(example.env の MY_WEB_ORIGIN)で開いてください。ブラウザーがページにマイクを使わせるのは localhost か HTTPS のときだけなので、http://192.168.1.10:8080 のようなアドレスでは話せません。
  • 同じマシンのブラウザー同士(2 つのブラウザーのプロファイル、または通常のウィンドウとプライベートウィンドウ)は、STUN サーバーも TURN サーバーもなしで接続します。ほかのマシンのブラウザーとつなぐには、インスタンスを HTTPS の後ろに置き、.env に MY_VOICE_STUN_URLS を設定してください。
  • 既定では、ルームを開けるのは admin ロールだけです。作成した管理者としてログインするか、サーバー設定の「通話」のページで voice_room_starters を everyone にして、すべてのユーザーがルームを開けるようにしてください。

2 つのブラウザーは、少なくとも一方が話しているときに互いに接続します。聞いているだけの 2 人は接続しません。 そのため、話す人はほかの参加者それぞれに、自分の音声の別々のコピーを送ります。Opus の音声はオーバーヘッドを含めておよそ 30 から 50 kbit/s なので、10 人のルームで話す人はおよそ 9 つのコピー、数百 kbit/s をアップロードし、 50 人のルームで話す人は 49 のコピー、2 Mbit/s 前後をアップロードします。これは、モバイルデータ通信のスマートフォンや家庭の回線では維持できないことがあります。N 人のルームの接続の数は最大 N(N-1)/2 で、10 人なら 45、50 人なら 1,225 です。 そのため既定値は 10 です。voice_p2p_max_participants は、ユーザーにアップロードの帯域があるときにだけ上げてください。大きなルームには livekit か sora を使ってください。

NAT の後ろのブラウザーには、自分の公開アドレスを知るための STUN サーバーと、直接の経路がないとき(厳しい NAT、企業のファイアウォール、一部のモバイルネットワーク)に音声を中継する TURN サーバーが必要です。

  • voice_stun_urls: カンマ区切りの stun: か stuns: の URL。公開されている STUN サーバーならどれでも使え、下の coturn サーバーも STUN に応答します。
  • voice_turn: none、coturn、cloudflare のいずれか。

どちらもない場合、サーバーは起動時に警告します。接続できるのは同じネットワークのブラウザーだけです。公開のインスタンスには STUN が、そして直接接続できないユーザーのために TURN が必要です。

サーバーは各参加者に有効期間の短い TURN の認証情報を渡し、共有のパスワードは決して渡しません。その有効期間は voice_turn_credential_ttl(既定値は 6h)で決まります。Web クライアントは期限切れの 10 分前に新しい認証情報を求めて ICE を再開するので、期限が切れても通話は止まりません。

voice_turn = coturn、voice_turn_coturn_urls、voice_turn_coturn_secret を設定します。サーバーは認証情報を自分で計算する(ユーザー名は有効期限とセッション ID、パスワードはそれをシークレットで計算した HMAC-SHA1)ので、TURN サーバーにリクエストを送りません。 coturn もそれに合わせて、turnserver.conf で設定します。

# Time-limited credentials signed with a shared secret.
use-auth-secret
static-auth-secret=<the same value as voice_turn_coturn_secret>
realm=turn.example.org
listening-port=3478
tls-listening-port=5349
# If the host is behind NAT (most cloud VMs), tell coturn its public address.
external-ip=203.0.113.10
# Do not let the relay reach your internal networks.
no-multicast-peers
denied-peer-ip=0.0.0.0-0.255.255.255
denied-peer-ip=10.0.0.0-10.255.255.255
denied-peer-ip=100.64.0.0-100.127.255.255
denied-peer-ip=127.0.0.0-127.255.255.255
denied-peer-ip=169.254.0.0-169.254.255.255
denied-peer-ip=172.16.0.0-172.31.255.255
denied-peer-ip=192.168.0.0-192.168.255.255
  • denied-peer-ip は重要です。これがないと、認証情報を持つ誰もが、TURN サーバーを使ってその内部ネットワークのホスト(クラウドのメタデータサービス、データベース、ほかの VM)に届いてしまいます。プライベート、ループバック、リンクローカルの範囲をすべて拒否し、内部のアドレス(allowed-peer-ip)は、本当にそこへ中継する必要があるときにだけ許可してください。
  • UDP と TCP の 3478、turns: 用の TCP 5349、coturn の中継用ポートの範囲(min-port / max-port、既定では 49152-65535)を開けてください。
  • voice_turn_coturn_urls には、turns: の URL か ?transport=tcp 付きの URL も加えてください。UDP をふさぐネットワークのユーザーも接続できるようになります。
  • coturn が認証情報の有効期限を確認するのは、アロケーションを最初に作るときだけです。すでにあるアロケーションは期限を過ぎても動き続け、新しい認証情報は次のアロケーションから有効になります。次のアロケーションは、Web クライアントが ICE を再開して作ります。

Cloudflare のダッシュボードで作成した TURN キーから、voice_turn = cloudflare、voice_turn_cloudflare_key_id、voice_turn_cloudflare_api_token を設定します。サーバーは、参加者がルームを開くか参加するときにその参加者の認証情報を Cloudflare に求め(失敗した場合、リクエストは 503 を返し、何も開かず参加もしないので、やり直せます)、参加者が退出するか退出させられたときに取り消します。

  • 認証情報の有効期間は最大 48 時間なので、voice_turn_credential_ttl は 48h を超えられません(超えると、サーバーは起動しません)。
  • Cloudflare は、認証情報の期限が切れると間もなく中継を切断します。 Web クライアントはその前に更新するので、voice_turn_credential_ttl は 10 分より十分に長くしておいてください。
  • 料金(2026-10-26 時点で確認): 月の最初の 1,000 GB は無料で、それ以降はクライアントに送った 1 GB あたり $0.05 です。当てにする前に、Cloudflare の現在の料金を確認してください。

voice_ice_transport_policy = all(既定値)では、ブラウザーはできるときには直接接続するので、ルームの参加者は互いの IP アドレスを知ることがあります。

relay では、ブラウザーは TURN サーバーだけを使うので、参加者に見えるのは TURN サーバーのアドレスで、ほかの参加者のアドレスは見えません。音声はブラウザー間で暗号化されたままです。relay が隠さないもの: TURN サーバーを運用する人(あなたか Cloudflare)にはすべての参加者のアドレスが見え、このサーバーには、その API を呼び出すすべての人のアドレスが見えます。 relay には、voice_turn が coturn か cloudflare であることが必要です(そうでなければ、サーバーは起動しません)。また、すべての通話が TURN サーバーを通るので、coturn ではあなたの帯域を、Cloudflare では転送料金を使います。

ルームで話せるのは一部の参加者、つまりホストと、ホストが許可したリスナーだけです。p2p では、これを 2 か所で強制します。話せない人から音声を送ることになる接続のオファーを、サーバーが中継しないことと、話す人ではない参加者からの音声を、ほかのブラウザーが再生しないことです。

これで一般のユーザーと公式の Web クライアントは止められますが、完全な防御ではありません。改変したクライアントを使う 2 人の参加者が協力すれば、それでも音声をやり取りできます。話せない人の改変したクライアントが音声を送り、受け手の改変したクライアントがそれを再生でき、サーバーは暗号化されたメディアの中身を見られません。 誰が話すかを保証しなければならない場合(たとえば、モデレーションされた公開のイベント)は、livekit か sora を使ってください。そこでは、メディアサーバー自身が、許可のない人の音声を捨てます。

  • ユーザーごとに 2 つのストリーム: 通話中の参加者は、アプリが常に開いているストリームに加えて、ルーム自身のイベントストリーム(Server-Sent Events)を保持します。接続数の上限は、通話中のユーザー 1 人あたり 2 つの長時間のリクエストを見込んで決めてください。
  • 複数のプロセス: アプリのほかの部分と同じく、共有のストリームアダプター(stream を postgres、valkey、sns、pubsub のいずれか)を使ってください。stream = hub で role が all 以外の場合、サーバーは起動時に、通話がプロセスをまたいで動かないことを警告します。
  • Cloud Run: ストリームは 1 つのリクエストで、開いている間は CPU が割り当てられます。リクエストのタイムアウトで切れると、クライアントは再接続します。タイムアウトはできるだけ長くしてください。
  • メディアサーバーには VM が必要: LiveKit と Sora は、長時間動き続けるプロセスで UDP の音声を受けます。Cloud Run は HTTP のリクエストしか受け付けないので、それらを動かせません。それら(と coturn)は VM で動かすか、LiveKit Cloud、Sora Cloud、Cloudflare TURN を使ってください。

voice = livekit と、次の設定をします。

設定 値
voice_livekit_url ブラウザーが接続する wss: の URL。たとえば wss://livekit.example.org。
voice_livekit_api_url このサーバーが呼び出す https: の URL。上のものと違う場合に指定します。既定では、同じホストを https: にしたものです。
voice_livekit_api_key、voice_livekit_api_secret LiveKit サーバーのキーの組。シークレットは参加者のアクセストークンに署名し、Webhook を検証します。

サーバーは各ルームを LiveKit に作成してルーム ID を名前に付け、各参加者に 60 秒有効のアクセストークンを渡します。リスナーのトークンでは配信できず、話す人のトークンで配信できるのはマイクだけです。

livekit.yaml で次のように設定します。

keys:
<api key>: <api secret>
room:
# Rooms are created only by this server.
auto_create: false
# Audio only.
enabled_codecs:
- mime: audio/opus
- mime: audio/red
webhook:
api_key: <api key>
urls:
- https://<your domain>/voice/webhooks/livekit
  • LiveKit サーバーは、HTTPS で Webhook の URL に届かなければなりません。サーバーは、すべての Webhook の署名を API シークレットで検証します。
  • Webhook は処理を速めるだけのものです。サーバーは 1 分ごとに、開いている各ルームの参加者を LiveKit が報告するものと比べ、いるべきでない人を退出させます。そのため、インスタンスがコールドの間に失われた Webhook も埋め合わされます。
  • 自分のマシンで試すには、livekit-server --dev が固定の開発用キーの組で起動します。
  • 退出させた参加者は、短い間なら再び参加できます。 セルフホストの LiveKit はトークンを取り消せません。接続しているクライアントには新しいトークンを送り続け、それぞれ最大でおよそ 10 分有効です。そのため、退出させられた人は、サーバーが気付いて(参加の Webhook か 1 分ごとの確認で)切断するまで、最大でおよそ 10 分の間、最新のトークンで再び参加でき、その間の数秒から 1 分ほど声が聞こえることがあります。退出をすぐに反映させなければならない場合は、LiveKit Cloud を使ってください。LiveKit Cloud はトークンをすぐに取り消します。

プロジェクトの WebSocket の URL、API キー、シークレットを使い、プロジェクトの設定で https://<your domain>/voice/webhooks/livekit を Webhook のエンドポイントとして加えてください。 無料の Build プランでは、月に 5,000 分と 50 GB、同時接続 100 が使えます(2026-10-26 時点で確認)。現在のプランは LiveKit の料金のページで確認してください。

Sora のアダプターは、Sora のドキュメントに従って模した Sora に対してだけテストしており、実際の Sora サーバーに対してはテストしていません。 頼る前に、ステージングのインスタンスで実際の Sora と組み合わせて試してください。

voice = sora、voice_sora_signaling_urls(ブラウザーが接続する、カンマ区切りの wss: の URL)、voice_sora_join_secret(32 バイト以上。たとえば openssl rand -base64 32 で作ります。参加者が参加に使う値に署名します)、voice_sora_mode(self_hosted か cloud)を設定します。 Sora は https://<your domain> に呼び返すので、インスタンスは HTTPS で配信しなければなりません。

Sora は、このサーバーの 2 つのエンドポイントを呼び出します。

エンドポイント 用途
/voice/webhooks/sora/auth 認証 Webhook。Sora は接続のたびに事前にこれを呼び出します。サーバーが許可するのは、ルームにいて、退出させられておらず、話す人として接続する場合は話すことを許可されていて、人数の上限内にいる参加者だけです。また、音声だけを受け付けるよう Sora に伝えます。
/voice/webhooks/sora/events イベントとセッションの Webhook(接続の作成と破棄、セッションの終了)。

認証 Webhook は時間内に応答しなければなりません。 Sora が待つのは、セルフホストでは 5 秒、Sora Cloud では 10 秒です。サーバーはほかに何も呼び出さずに自分のデータから応答しますが、インスタンスのコールドスタート(Cloud Run のゼロからのスケール)ではそれを超えることがあり、そのとき接続は拒否されます。通話が使われている間は、インスタンスを 1 つ温めておいてください。

セルフホストでは、sora.conf に default_duplicate_client_id = evict を設定してください。話す人になったリスナーは、同じ ID で再接続します(Sora は接続の役割を変えられません)。evict にすると、新しい接続が届いたときに Sora が古い接続を切ります。 既定の allow では、サーバーが新しい接続を知った時点で古い接続を自分で切るので、2 つが一瞬重なります。

設定 値
voice_sora_mode self_hosted
voice_sora_api_url Sora の HTTP API の前に置いたリバースプロキシの https: の URL。
voice_sora_api_header_name、voice_sora_api_header_value プロキシがこのサーバーを認証するためのヘッダー。たとえば Authorization と Basic ...。
voice_sora_webhook_username、voice_sora_webhook_password Webhook の Basic 認証の認証情報。必須です。

Sora 自身の HTTP API には認証がなく、ループバックアドレスでだけ待ち受けることを前提にしています。決して公開しないでください。認証情報を求めるリバースプロキシをその前に置き、その認証情報を 2 つのヘッダーの設定でこのサーバーに渡してください。 Sora の Webhook の URL には、同じ Basic 認証の認証情報を設定してください。サーバーは https: の API の URL だけを受け付け(http: は localhost に限ります)、Webhook の認証情報がないと起動しません。Cloud Run と ECS の前のロードバランサーはサーバーの手前で TLS を終端するので、mTLS には対応していません。

voice_sora_mode = cloud、voice_sora_cloud_project_id、voice_sora_cloud_api_key を設定します。サーバーはこのキーで、アクセストークンに署名し、API を呼び出し、Webhook の署名を検証します。Basic 認証の認証情報は要りません。

  • 話すことを許可されたリスナーは、自動で話す人として再接続するので、新しい接続が始まるまで少し途切れます。
  • 権利を取り上げられた話す人は、転送のフィルターですぐに音声が止められ、そのあとリスナーとして再接続します。

Sora は時雨堂の商用製品です。2026-10-26 時点で確認した内容: Sora Cloud には月額 ¥5,000 の基本料金があり、無料期間はありません。セルフホストにはパッケージライセンスが必要で、同時接続数と期間を決めて前払いします。製品のページには、日本国外の企業、団体、個人には提供していないとあるので、計画を立てる前に購入できるかを確認してください。LiveKit は、セルフホストならオープンソースです。

  • manage_reports を持つモデレーターは、通話が無効の間も、開いているルームを全員に対して終了できます(モデレーション)。
  • ルームに誰が参加したか(参加、話す人とリスナー、挙手、招待と退出)は、ルームの終了後 voice_participants_retention_days 日(既定値は 90、最低 30)の間、またはルームを指す通報がある間、保持します。ルームの名前、説明、ホスト、どのように終了したかは保持します。音声、マイクの状態、リアクションは決して記録しません。
  • local のルームに参加できない訪問者が、そのページとリンクプレビューでルームの名前と開いているかどうかを見られるかは、voice_public_summary で決まります(インスタンスの設定)。
  • iPhone や iPad では、アプリがバックグラウンドにある間、音声の送信が止まることがあります。iOS は前面にない Web ページを停止させることがあるためです。通話中はアプリを画面に開いたままにしてください。
  • ブラウザーは、初めてのときにマイクを使う許可を求めます。拒否した場合は、ブラウザーのサイトの設定でもう一度許可してください。
  • ピアツーピアのルームでは、インスタンスが通話を中継経由にしていない限り、ほかの参加者があなたの IP アドレスを知ることができる場合があります。気になる場合は運営者に尋ねてください。

LLM とコーディングエージェント向け:llms.txt,llms-full.txt, llms-small.txt

このサイトのアクセス解析