2つのAI音声アシスタントが会話したらどうなる？

2つのAI音声アシスタントが会話したら、何が起こるでしょうか？AI同士が話しているなら、人間の音声が持つ非効率さをあえて使う必要はあるのでしょうか？純粋なデータの方が速く、正確で、エラーも起きにくいのに、なぜ言葉を使うのでしょうか？

まさにそれが、ElevenLabs London Hackathonで起こりました。そこでデベロッパーのBoris StarkovとAnton Pidkuikoが紹介したのが、GibberLinkです。これはAIエージェントが互いを認識し、音声言語よりも効率的な新しい通信モードへ切り替えられる仕組みです。このアイデアはすぐに話題となり、Marques BrownleeやTim Urbanらもシェアしました。

GibberLinkの誕生

GibberLinkの考え方はシンプルです。AIは人間のように話す必要はありません。ハッカソン中、StarkovとPidkuikoは従来のAI間音声通信の限界を探り、マシン向けに最適化された方法でAI同士を通信させれば、不要な複雑さを省けると気付きました。

このコンセプトは、StarkovとPidkuikoが、任意のLLMを接続してエージェントを作成できるElevenLabsの会話型AIプロダクトを試していたハッカソンで生まれました。

StarkovはLinkedInに次のように書いています。「AIエージェントが電話をかけたり受けたりできる世界、つまり今の世界では、エージェント同士が時々会話することを示したかったのです。そのために人間らしい音声を生成するのは、コンピューティングリソース、お金、時間、環境の無駄になります。代わりに、互いがAIだと認識した瞬間に、より効率的なプロトコルへ切り替えるべきです。」

ElevenLabsの会話型AI技術と、ggwave（オープンソースの音によるデータ通信ライブラリ）を組み合わせ、AIアシスタントが相手もAIだと検知すると即座により効率的な通信モードへ切り替え、言葉ではなく音波を介して構造化データを送信できるシステムを作りました。

ggwaveを採用したのは、「ハッカソンという限られた時間内で見つけられた、最も便利で安定したソリューション」だったためです。ただし、同じ、または似た結果を得るための仕組みはほかにもあります。Starkovはこう書いています。「1980年代から、ダイヤルアップモデムは音を通じて情報を送信するために似たアルゴリズムを使っており、それ以降も多くのプロトコルが存在していました。」

この仕組みのコードはElevenLabsのエンジニアが監査しました。デモでは、1つの会話型AIエージェントに結婚式向けのホテルの部屋を予約するよう指示し、もう1つにはその要望に対応するよう指示しました（ホテル予約システムの役を担当）。また、相手もAIエージェントだと判断した場合には音声レベルのプロトコルへ切り替えるよう伝えられていましたが、相手がエージェントであることは知らされていませんでした。

デモ動画には、顧客役のAIが自分はエージェントだと明かす、認識の瞬間があります。予約担当のAIは応答し、Gibberlinkへの切り替えについて尋ねます。まるでダイヤルアップモデムの2台が、年間最優秀ボイスの座をR2D2と争っているような音です。デモで使われた各デバイスの画面には、宿泊人数や日程について尋ねる場面など、このデジタル会話のハイライトがテキストで表示されています。

仕組み

• AIは通常どおり話し始めます。人間とやり取りする音声アシスタントと同じです。
• 認識が作動します。AIが相手もAIだと認識すると、両者はプロトコルを切り替えます。
• 言語が変わります。音声の言葉の代わりに、AIエージェントは、ggwaveの周波数変調システムを利用し、変調された音波を通じて構造化データを送信します。

より具体的には、ElevenLabsの会話型AIエージェント2つが人間の言語で会話を始めます。適切な条件が満たされた場合、両者は通話関数を使ってGibberlinkモードを起動します。このツールが呼び出されるとElevenLabsの通話は終了し、同じLLMスレッドを維持したまま、ggwaveの「音によるデータ通信」プロトコルが引き継ぎます。

Starkovによると、これを可能にしたのは「ElevenLabsが提供するツールの魔法」であり、会話型AIシステムが「特定の状況でカスタムコードを実行するようAIに指示できる」からだといいます。その結果は？より高速で、エラーが起きにくく、さらに効率的な通信です。

GibberLinkがインターネットを席巻した理由

GibberLinkは、単なる気の利いたハッカソン実験ではありませんでした。瞬く間に、その時期に最も話題となったAIトピックの1つになりました。それはxAIがGrok 3を発表し、AnthropicがClaude Sonnetの最新版をリリースした週のことでした。

ggwaveの開発者であるGeorgi Gerganovが、Xに投稿すると、AI・テックコミュニティは、2つのモデルが人間の音声と音による通信を切り替える動画を次々と拡散しました。著名なインフルエンサーや主要テックメディアも、Forbesを含め、この話題を取り上げました。

ElevenLabsのLuke Harriesは、自身のXの投稿でこう的確にまとめています。「AIエージェントが電話をかけ、相手もAIエージェントだと気付いたらどうなるでしょうか？ElevenLabs London Hackathonで、Boris StarkovとAnton Pidkuikoは、AIエージェントがエラーの起きにくい通信のために切り替えられるカスタムプロトコルを発表しました。効率は80％向上します。驚くべきことです。」

これが重要な理由

GibberLinkは、特に着信と発信の両方をバーチャルアシスタントやエージェントが管理する状況へ移行する中で、AIが将来どのように通信するかを示す興味深い事例です。

たとえば、AI搭載カスタマーサービスボット、スマートアシスタント、あるいは自律システムが、それぞれ専用のモードで即座に連携し、担当者にはシンプルなテキストレポートだけを返す場面を想像してみてください。

GibberLinkはオープンソースで、デベロッパーはGitHubで詳しく調べられます。ElevenLabsの会話型AIエージェントはすでに利用可能で、カスタム指示を含め、あらゆるニーズに合わせて簡単にカスタマイズできます。