--- title: Microsoft Foundry で作成した自作エージェントをアバターにして対話してみた！ tags: #unity #microsoftfoundry #azure author: [Miyaura](https://www.docswell.com/user/m-taka596) site: [Docswell](https://www.docswell.com/) thumbnail: https://bcdn.docswell.com/page/LE3WNM8ZE5.jpg?width=480 description: すきやねんAzureイベント：AI エージェントって何でつくったらええねん(https://sukiyanenazure.connpass.com/event/381341/ )登壇資料 Microsoft FoundryのVoice Live APIを活用しXRデバイスでアバターを使った会話をするデモを紹介。 Voice Live APIのプレビュー版の話も少ししました。 published: February 27, 26 canonical: https://www.docswell.com/s/m-taka596/59N1VV-foundry-20260227 --- # Page. 1 ![Page Image](https://bcdn.docswell.com/page/LE3WNM8ZE5.jpg) Microsoft Foundry で作成した 自作エージェントをアバターにして対話してみた！ 2026/02 すきやねんAzure!! @takabrz1 Takahiro Miyaura # Page. 2 ![Page Image](https://bcdn.docswell.com/page/8EDKW6M47G.jpg) 宮浦 恭弘 (Miyaura Takahiro) Microsoft MVP for Mixed Reality 2018 Microsoft MVP for M365 2025 - 2026 XR は趣味です.AI 系も最近始めました。 - 202 5 大阪駆動開発コミュニティに生息 HoloLens 日本販売してからxR 系技術に取組む 新しい技術や、MRに使えそうな技術を調べる 技術Tips : https://qiita.com/miyaura https://zenn.dev/miyaura 最近興味があって取り組んでいるもの ○ AndroidXR ○ 新しいガジェット( MiRZA,Galaxy XR,etc …) ○ Microsoft Foundry, 生成AI @takabrz1 ※よかったらこれを機にお知り合いになってください # Page. 3 ![Page Image](https://bcdn.docswell.com/page/V7PK9YRVJ8.jpg) 最近はXR技術のなかでも生成AI活用は注目 Ray - ban Meta, Even G2, Galaxy XR など ライフログや会話、見ている映像等を入力 AI を通じた情報活用を実現する XR 技術をジェスチャーや音声、空間情報を生成AI とつ なぐために利用 Samsung Galaxy XR Gemini を使えるAndroid XR プラットフォーム搭載 音声や視覚情報で生成AI を活用できる 2026/02/27 業務用途では情報のコントロールは必須 エージェントの管理 or ローカルLLMのような仕組み Microsoft Foundry あるじゃない （他にも当然ありますが個人的な興味で！） © 2026 Takahiro Miyaura 3 # Page. 4 ![Page Image](https://bcdn.docswell.com/page/2JVVMGRRJQ.jpg) Microsoft Foundryの話 去年のIgniteの話を少しだけ 2026/02/27 © 2026 Takahiro Miyaura 4 # Page. 5 ![Page Image](https://bcdn.docswell.com/page/5EGLG8M6JL.jpg) Microsoft Foundry The AI app and agent factory Azure 上で提供されるAI エージェントの開発、運用を管理するプラットフォーム Models Agent Service IQ Tools Machine Learning Control Plane Cloud Edge Security, compliance, and governance 引用: Microsoft.Let your agentic apps talk with Azure Speech.Microsoft Ignite 2025.2025,11,p.3.https://ignite.microsoft.com/ en - US/sessions/BRK198, （参照 2026 - 01 - 21 ）. # Page. 6 ![Page Image](https://bcdn.docswell.com/page/4JQYX9R27P.jpg) Azure Speech product overview Speech to Text Text to Speech MCP MCP New @Ignite 2025! Speech Translation • Real-time transcription • Pre-built neural & HD voices • Real-time speech translation • Fast transcription • Custom voices • Live interpreter • Batch transcription • Text to Speech avatar • Video translation • Custom speech • Video or Photo LLM Speech PuPr • LLM powered Transcription and Translation More tasks coming soon 引用: Microsoft.Let your agentic apps talk with Azure Speech.Microsoft GA PuPr Voice Live • Real-time API for building voice agents • Choice of models • Built-in • Bring your own Ignite 2025.2025,11,p.4.https://ignite.microsoft.com/ GA en - US/sessions/BRK198, （参照 2026 - 01 - 21 ）. # Page. 7 ![Page Image](https://bcdn.docswell.com/page/K74W6X8PE1.jpg) GA | Announcing new capabilities Voice Live API Voice-enable any agent with advanced, real-time voice GenAI Model choice High quality global locale coverage More engaging with Avatar Easy customization aka.ms/voice-live 引用: Microsoft.Let your agentic apps talk with Azure Speech.Microsoft Ignite 2025.2025,11,p.14.https://ignite.microsoft.com/ en - US/sessions/BRK198, （参照 2026 - 01 - 21 ）. # Page. 8 ![Page Image](https://bcdn.docswell.com/page/LJ1YVN2XEG.jpg) Create Engaging, Personalized Voice Agents Video Avatar (GA) Photo Avatar • • • • • • Trained from video High - fidelity and professional Full/half body avatar Gesture support 10+ hours model training time 引用: Microsoft.Let your agentic apps talk with Azure • • • • Speech.Microsoft Preview | Ignite 2025 Built from a photo, using Microsoft Research’s VASA Talking - head avatar Expressive & creative More cost effective 0 model training time Ignite 2025.2025,11,p.17.https://ignite.microsoft.com/ - 1 model en - US/sessions/BRK198, （参照 2026 - 01 - 21 ）. # Page. 9 ![Page Image](https://bcdn.docswell.com/page/GJWGL4RK72.jpg) このAvatarを空間に召喚することがようやくできたという話 2026/02/27 © 2026 Takahiro Miyaura 9 # Page. 10 ![Page Image](https://bcdn.docswell.com/page/4EZLM2RN73.jpg) デモ 最低限の機能を検証 2026/02/27 © 2026 Takahiro Miyaura 10 # Page. 11 ![Page Image](https://bcdn.docswell.com/page/Y76WNVR97V.jpg) Microsoft Foundry Voice Live API 基本的にはOpenAI Realtime API 準拠 メッセージの流れなどは基本同じだが独自要素がある Voice Live API - 2026/02/27 の独自追加機能： ノイズ抑制（Azure Deep Noise Suppression エコーキャンセル 高度なエンドオブターン検出（Semantic VAD アバター連携 140 以上のロケール対応のTTS/STT © 2026 Takahiro Miyaura ） ） 11 # Page. 12 ![Page Image](https://bcdn.docswell.com/page/G75M5D8D74.jpg) Avatarを使う時は2種類の通信手段を使う ユーザからの送信ルートとアバターの映像受信の2系統 本来のWebRTCは双方向通信可能ですが・・・ ○ Foundry では生成AI への入力 ○Foundry のサーバ ○ 生成AI からの応答 ○文字情報はFoundry サーバ ○映像と音声はWebRTC経由 【参考】 Avatar を使わない場合 ○全てFoundry サーバで処理する 2026/02/27 © 2026 Takahiro Miyaura 12 # Page. 13 ![Page Image](https://bcdn.docswell.com/page/9J29N8VMER.jpg) 注意！ 2026/02/27 © 2026 Takahiro Miyaura 13 # Page. 14 ![Page Image](https://bcdn.docswell.com/page/DEY4P63PJM.jpg) 使うモデルで課金額が・・・ 私はpreview 版の頃に最上位のモデル使ったままにして （自分で設定した）Azure 課金アラートに久々に引っかかりました ○ モデルと課金レベル（ティア） ティア 対象モデル 特徴 Pro gpt-realtime, gpt-4o, gpt-4.1, gpt-5, gpt-5-chat 大規模LLM。最高精度 Standard gpt-realtime-mini, gpt-4o-mini, gpt-4.1-mini, gpt-5-mini 小規模LLM。コストと性能のバランス Lite gpt-5-nano, phi4-mm-realtime, phi4-mini SLM。最低コスト BYO 自分でデプロイしたモデル（Fine-tuned, PTU等） プレビュー。価格未公開 Avatar Text to Speech Avatar 連携 分単位課金 2026/02/27 © 2026 Takahiro Miyaura 14 # Page. 15 ![Page Image](https://bcdn.docswell.com/page/VJNY5ZVM78.jpg) 使うモデルで課金額が・・・ 私はpreview 版の頃に最上位のモデル使ったままにして （自分で設定した）Azure 課金アラートに久々に引っかかりました ○ Voice Live Pro （東日本 - 2026/02 カテゴリ 調査時点） Input Cached Input Output Text ¥675.36 ¥211.05 ¥2,701.42 Audio ¥2,609.33 ¥67.54 ¥5,832.62 ¥6,139.60 ¥67.54 ¥8,441.95 ¥5,402.85 ¥67.54 ¥10,805.70 （Azure Speech - Standard） Audio （Azure Speech - Custom） Native Audio （speech-to-speech リアルタイムモデル） Avatar の出力は Text to Speech の「対話型アバター（リアルタイム）」経由で課金される。 Voice Live の価格表には含まれず、別途 Text to Speech Avatar 価格が適用される。 2026/02/27 © 2026 Takahiro Miyaura 15 # Page. 16 ![Page Image](https://bcdn.docswell.com/page/YE9PYZ6WJ3.jpg) 使うモデルで課金額が・・・ 私はpreview 版の頃に最上位のモデル使ったままにして （自分で設定した）Azure 課金アラートに久々に引っかかりました ○ Voice Live Standard （東日本 - 2026/02 カテゴリ Input Cached Input Output Text ¥101.30 ¥50.65 ¥405.21 Audio ¥2,302.35 ¥50.65 ¥5,065.17 ¥5,986.11 ¥50.65 ¥7,674.50 ¥1,688.39 ¥50.65 ¥3,376.78 （Azure Speech - Standard） Audio （Azure Speech - Custom） Native Audio （speech-to-speech リアルタイムモデル） 調査時点） Avatar の出力は Text to Speech の「対話型アバター（リアルタイム）」経由で課金される。 Voice Live の価格表には含まれず、別途 Text to Speech Avatar 価格が適用される。 2026/02/27 © 2026 Takahiro Miyaura 16 # Page. 17 ![Page Image](https://bcdn.docswell.com/page/GE8D61ZRED.jpg) 使うモデルで課金額が・・・ 私はpreview 版の頃に最上位のモデル使ったままにして （自分で設定した）Azure 課金アラートに久々に引っかかりました ○ Voice Live Lite （東日本 - 2026/02 カテゴリ 調査時点） Input Cached Input Output Text ¥16.88 ¥6.14 ¥67.54 Audio ¥2,302.35 ¥6.14 ¥5,065.17 — ¥6.14 ¥7,674.50 ¥613.96 ¥6.14 — （Azure Speech - Standard） Audio （Azure Speech - Custom） Native Audio （speech-to-speech リアルタイムモデル） Avatar の出力は Text to Speech の「対話型アバター（リアルタイム）」経由で課金される。 Voice Live の価格表には含まれず、別途 Text to Speech Avatar 価格が適用される。 2026/02/27 © 2026 Takahiro Miyaura 17 # Page. 18 ![Page Image](https://bcdn.docswell.com/page/LELM9QD27R.jpg) そして！ 2026 - 01 - 01 - preview で待望の！ 2026/02/27 © 2026 Takahiro Miyaura 18 # Page. 19 ![Page Image](https://bcdn.docswell.com/page/4JMYZ1P9JW.jpg) Microsoft Foundry上の エージェントをツールとして呼ぶ機能などが追加 まだPreview だけど、GAされたらかなり便利な機能に成長する！？ https://learn.microsoft.com/ja - jp/azure/ai - services/speech - service/voice - live - api - reference - 2026 - 01 - 01 - preview ? wt.mc_id =WDIT - MVP- 5003104 ○ エージェントが使えるツールとしてFoundryAgentTool が追加 ○ リアルタイム音声会話するエージェントが別のエージェントに処理を ツールとして扱うことでより高度な作業が可能に ○ 待機無音時の応答機能も追加 ○ 一定条件とトリガーに構成済みのテキストからランダムに応答する ○ 上記の強化によって応答時間が長くなった時の対応 2026/02/27 © 2026 Takahiro Miyaura 19 # Page. 20 ![Page Image](https://bcdn.docswell.com/page/PJR96L1979.jpg) Microsoft Foundry上の エージェントをツールとして呼ぶ機能などが追加 まだPreview だけど、GAされたらかなり便利な機能に成長する！？ https://learn.microsoft.com/ja - jp/azure/ai - services/speech - service/voice - live - api - reference Microsotf ○ これまで - 2026 - 01 - 01 - preview ? wt.mc_id =WDIT - MVP- 5003104 Foundry どれか１つだけ使える ○ Preview 版 Microsotf Foundry Tool で多数のエー ジェントが使える 2026/02/27 © 2026 Takahiro Miyaura 20 # Page. 21 ![Page Image](https://bcdn.docswell.com/page/PEXQMWY3JX.jpg) まとめ 2026/02/27 © 2026 Takahiro Miyaura 21 # Page. 22 ![Page Image](https://bcdn.docswell.com/page/3EK9GV3NED.jpg) まとめ Microsoft Foundry Foundry Tools 上のAI エージェントをアバターで召喚 – Voice Live API Foundry 上のエージェントやAI モデルにリアルタイムで様々なUI を使える ○ テキスト ○ 音声会話 ○ アバター 2026/02/27 © 2026 Takahiro Miyaura 22 # Page. 23 ![Page Image](https://bcdn.docswell.com/page/L73WNMGZ75.jpg) 大阪駆動開発 関西を中心に、IT系のおもしろそうなことを 楽しんでやるコミュニティ