S2S APIでどこまで作れるのか？ 〜gpt-realtime 1.5 と System Prompt / Tool Callingだけで試した3つの音声アプリ
はじめに 前回の記事では、S2S（Speech-to-Speech）APIを比較し、体験品質・知能性能・レイテンシといった観点から各モデルの違いを整理しました。 またRAG編では、Tool Callingを含めた実務的な観点での選び方を扱いました。 今回は少し方向を変えて、実際にどこまで「アプリケーションとして成立するのか」を試した内容…
