v2.60.0

新機能

• OpenAI TTS / ElevenLabsのPCMストリーミング再生をVRM向けに追加し、音声の全量受信前に再生を開始できるようにしました。
• 会話処理の各段階を計測するレイテンシイベントと、P50 / P95の集計機能を追加しました。
• GSVI TTSをサーバーAPI経由の呼び出しへ統一しました。

改善

• VOICEVOX、AivisSpeech、Google TTS、Aivis Cloud、OpenAI TTSの初回発話を短い読点単位で確定し、音声再生開始までの待ち時間を短縮しました。
• Realtime API / Audio APIモードのPCM蓄積閾値を約2.1秒分から約500ms分へ短縮しました。
• OpenAI推論モデルのreasoning effort選択肢を現行仕様に合わせ、保存済み設定とAPI送信値を利用可能な値へ補正するようにしました。
• Live2D / PNGTuberでは従来の一括音声再生を維持しつつ、初回発話の短縮分割を適用しました。
• LM Studio / OllamaとローカルTTSのURL検証を共通アクセスポリシーに統合しました。

バグ修正

• デフォルトのアクセス設定で、同一マシン上のAivisSpeech話者更新、AivisSpeech、Style-Bert-VITS2、GSVI TTS、LM Studio、Ollamaが403になる問題を修正しました。
• 音声ストリームの切断・エラー・再生完了時に、キューや上流リクエストが残るケースを修正しました。
• カスタムOpenAIモデルでストリーミング設定がAPIルートまで伝播しないケースを修正しました。

テスト

• 音声ストリーミング、発話分割、リップシンク、再生キュー、各APIルート、推論設定の正規化、URL制御、会話レイテンシのテストを追加・拡充しました。
• GitHub Actionsのlint、テスト、E2E、本番E2E、デプロイがすべて成功しました。
• ブラウザからデフォルト設定のOllamaへ接続し、応答を取得できることを確認しました。

ドキュメント・翻訳

• ストリーミング処理、設定マイグレーション、ローカルAPIのアクセス条件に関する設計書を更新しました。