Whiziの音声モードが動かないときの原因と対処法まとめ

まず結論

音声モードが失敗する理由は4つのいずれかです。アカウントが未サインインか音声分が残っていない、ブラウザがマイクをブロックした、音声サービスへのリアルタイム接続が失敗した、またはセッションが独自の上限に達した、のいずれかです。Whiziが表示するメッセージがどれに当たるかを教えてくれ、各メッセージはコード上でただ一つの条件に対応しています。

この表で今見ている文言を見つけたら、下の該当セクションで詳細を確認してください。

表示される内容	発生元	対処法
Sign in to Whizi to use voice mode.	音声オーバーレイを開いたときにセッショントークンがない	サインインしてから音声モードを開き直す
Upgrade your subscription to talk with Whizi in voice mode.	無料アカウントが音声セッションを開始しようとした	アップグレード：無料アカウントの音声分は0分です
Your monthly voice minutes have been used up.	期間内の音声予約が拒否された	期間のリセットを待つか、上位プランに移行する
Microphone access is blocked. Allow it in your browser to use voice mode.	マイクへのリクエストがブラウザに拒否された	whizi.ioにマイクを許可して再試行する
This browser does not support realtime voice.	getUserMediaまたはAudioContextがない	両方に対応したブラウザを使う
Realtime voice is not configured yet. Please try again later.	サーバー側で音声プロバイダーのキーが設定されていない	自分では対処できません。後で再試行してください
The realtime voice connection failed.	セッション中にウェブソケットエラーが発生した	再試行し、ネットワークを確認する
Voice sessions are limited to 15 minutes. Start a new session to continue.	セッションタイマーが15分の上限に達した	新しいセッションを開始する

Whiziのサーバーは短命のセッショントークンを発行するだけで、その後ブラウザは音声プロバイダーへ直接ウェブソケットを開きます。音声がWhiziのバックエンドを通ることはありません。だからこそマイクの不具合は完全にブラウザ側の問題であり、一方で接続に関するメッセージはサーバー側のトークン発行、またはその先のプロバイダー側から来ています。

音声が開始しない：アカウント側の制限

音声が一切キャプチャされる前に発生する拒否は3つあり、どれもバグではありません。

Sign in to Whizi to use voice mode. トークンが利用できないときに音声オーバーレイがこのエラーを出します。サインアウト状態や期限切れのセッションで発生します。サインインしてから音声モードを開き直してください。

Upgrade your subscription to talk with Whizi in voice mode. これはHTTP 402、コードsubscription_requiredで、無料アカウントが音声セッションを開始しようとしたときに返されます。無料アカウントの音声分の割り当ては0分なので、部分的にでも使える余地はありません。音声の割り当てがある最安プランはStarterで、月額$15.99でリアルタイム音声10分が含まれます。

Your monthly voice minutes have been used up. と Your weekly voice minutes have been used up. はHTTP 429、コードvoice_limit_reachedで、期間内の音声予約が拒否されたときに発生します。週次課金サイクルでは「weekly」、それ以外では「monthly」という語になるので、どちらが表示されるかでプランの課金サイクルがわかります。

月間課金期間ごとの割り当ては次のとおりです。

プラン	月間の音声分
Free	0
Starter	10
Pro	80
Powerhouse	500

週次課金期間は月間割り当ての4分の1を切り上げた値です。Starterで3分、Proで20分、Powerhouseで125分になります。

マイクが起動しない

以下の4つのメッセージはすべて、キャプチャの前後を含め音声モードのブラウザ側から発生します。音声がWhiziのサーバーに届くことはないため、アカウントやプランは一切関係ありません。

This browser does not support realtime voice. getUserMediaまたはAudioContextが利用できないときに表示されます。これは権限の問題ではなく機能チェックなので、権限をいくら許可しても解消しません。別のブラウザを試してください。

Microphone access is blocked. Allow it in your browser to use voice mode. マイクへのリクエストがNotAllowedErrorまたはSecurityErrorで拒否されたときに表示されます。サイトにマイクへのアクセスを許可し、セッションをもう一度開始してください。

The microphone could not be started. それ以外のマイク関連の失敗すべてに対する包括的なメッセージです。権限が許可されていてブラウザも対応している場合、このメッセージはデバイス自体、または入力を占有している別のアプリケーションを示しています。

Voice mode could not start. 開始処理が独自のメッセージなしで失敗したときに使われるフォールバックで、対処のための詳細情報は含まれません。権限、ブラウザ、デバイスの順に確認してください。

接続が失敗する、または切断される

セッション開始には独立して失敗しうる2つの段階があります。サーバーがトークンを発行し、その後ブラウザがウェブソケットを開きます。文言を見ればどちらの段階で壊れたかがわかります。

トークン発行時の失敗:

メッセージ	ステータスとコード	発生条件
Realtime voice is not configured yet. Please try again later.	503 voice_live_unavailable	ワーカー側でプロバイダーのAPIキーが未設定
Realtime voice is temporarily rate-limited. Please retry shortly.	429 provider_rate_limited	上流のトークン発行が429を返した
Whizi could not start a realtime voice session.	502 voice_live_unavailable	トークン発行時のその他の上流エラー
Whizi received an invalid realtime voice token.	502 voice_live_unavailable	発行自体は成功したがトークン名が返らなかった
Realtime voice is not available in this build yet.	503 voice_not_configured	共有APIのベースが未設定、またはこのビルドで音声ドメインが有効になっていない
Whizi received an invalid realtime voice session.	502 invalid_voice_live_response	セッションのペイロードが検証に失敗した、想定されるプロバイダーのホストで始まらないウェブソケットURLを含む
Request failed ({status}).	さまざま	音声エラーの本文が読み取れなかった際のクライアント側フォールバック

最初の4行はWhiziのワーカーでのトークン発行、またはその先のプロバイダー側から来ています。クライアントの設定やブラウザの変更、プランの変更で解消することはありません。少し時間を置いて再試行し、同じ文言が続く場合はそのメッセージと発生時刻を添えてサポートに連絡してください。

ウェブソケット自体の失敗:

メッセージ	発生条件
Whizi could not reach the realtime voice service.	セットアップ完了前にウェブソケットが閉じた
The realtime voice connection was closed.	セットアップ完了後にウェブソケットが閉じた
The realtime voice connection failed.	ウェブソケットのエラーイベントが発生した

失敗したセッションはオーバーレイでConnection error状態としてラベル付けされます。セットアップ前の切断は到達性の問題(ウェブソケットをブロックするネットワークなど)を示し、セットアップ後の切断はセッション途中の中断を示します。

再試行にも独自の上限があります。音声セッションの開始と終了はそれぞれ1分あたり6リクエストに制限されているため、開始ボタンを連打すると別の429エラーに置き換わるだけです。再試行が影響する他の制限枠についてはレート制限を参照してください。

セッションが自動的に終了した

自動的な終了は4種類あり、それぞれ固有のメッセージがあります。

Voice sessions are limited to 15 minutes. Start a new session to continue. 単一の音声セッションは、残りの割り当てにかかわらず15分(900秒)を上限とします。タイマーがこの最大値に達するとこのメッセージが表示され、新しいセッションを開始するのが想定された対処法です。

This session used the last of your plan's voice minutes for this period. 開始時のリクエストは秒数を予約し、そのセッションが実行できる長さを返しますが、残り分数が少ないとこの値は縮みます。サーバーがセッションを15分の上限より短く設定した場合、上限メッセージの代わりにこのメッセージが最後に表示されます。

Whizi ended the session after a couple of quiet minutes. Tap retry when you want to keep talking. 発話がないままアイドルタイムアウトが経過したときのメッセージです。「一度も聞き取ってもらえなかった」という症状の場合はこのメッセージを探してください。発話を一切キャプチャしなかったセッションは、開いたままになる代わりにこの形で終了します。実際に話していたのにこれが表示された場合は、上のマイクのセクションにあるタイムアウトより手前の問題です。

The realtime voice session is ending. Start a new session to continue. 上流のサービスがgoAwayフレームを送ってきたことを示し、プロバイダー側が接続の終了を求めています。新しいセッションを開始してください。

セッショントークンは16分の有効期間で発行され、15分のセッション上限に対して1分の余裕があります。セッションはトークンより長く生きられないので、常に先に当たるのはこの上限です。

エラーを自分で読み解く

ネットワークトレースを見ている場合や問題を報告する場合、エラー本文のcodeのほうが役立ちます。音声モードが出しうるコードはsubscription_required、voice_limit_reached、voice_live_unavailable、provider_rate_limited、voice_not_configured、invalid_voice_live_response、rate_limit_reachedです。

発言内容がどう扱われるかについては、学習に関する方針が音声を明確に含んでいます。Whiziは、プロンプト、ファイル、会話、音声の書き起こし、生成されたコンテンツをWhizi所有のAIモデルの学習に使うことはなく、それらのコンテンツを学習データとして販売することもありません。詳細はWhiziがデータをどう扱うかにまとめています。