音声操作 倉庫管理システム
声に出して言うだけで、入出庫が記録されます。
エッジハードウェア上の音声操作倉庫管理。話すだけで在庫に記帳し、MCP が直接書き込みます。クラウド試用から完全オフラインの Jetson 構成まで 5 つのプリセット。
再利用できる現場テンプレート
荷物を持っていて入力の手が空かず、現場に 2.4 GHz Wi-Fi が安定して届いている倉庫。
入出荷バース
3PL 倉庫の入荷バース、店舗のバックヤード、ライン脇の資材置き場。「入庫 5 台」と言えば伝票を書き、合計を読み返します。
フォークリフトと高層ラック
自動倉庫の通路、金物のラックエリア。運転手は降りずに、棚にある数量を聞けます。
ライン脇の資材置き場と工具室
組立ライン脇の資材エリア、金型庫、工具室。払い出しと返却をその場で伝え、交代時に当日の集計を確認します。
適さない条件：長いロット番号やバーコードの読み上げ、複数回のやり取りが必要な操作、騒音が続く環境や呼吸用保護具の着用。インターフェースにオフラインキューはなく、通信が切れている間に出した書き込みは再送されません。
どう実現するか
SenseCAP Watcher が音声を取得し、音声 AI が認識と解析を行います（SenseCraft クラウド、またはローカルの reComputer J40 シリーズ、reComputer Robotics J50 シリーズ）。reComputer エッジゲートウェイが倉庫システムへ書き込み、既存の ERP や WMS 向けにインターフェースを公開します。
機器の領域は 4 つで、左から音声端末、音声 AI、エッジゲートウェイ、既存システムです。配置を選べるのは音声 AI だけで、クラウドか、2 種類のオンプレミス Jetson のいずれかです。この 1 つの選択が、下記の 5 つのデプロイ Tier を分けています。
音声フロントエンド
Watcher には 2 つのプロセッサがあり、それぞれ別のファームウェアを USB-C で書き込みます。
| プロセッサ | ファームウェア | 役割 |
|---|---|---|
| ESP32 | Xiaozhi 音声エージェント | ウェイクワード、音声取得、音声ストリーミング、MCP クライアント |
| Himax WE2 | 顔認証ファームウェア | 作業者本人確認のためのオンデバイス顔検出 |
Wi-Fi は 2.4 GHz のみ対応で、5 GHz 専用の SSID は設定時のスキャン結果に表示されません。オンデバイスの顔テンプレートは 20 件が上限で、それを超える場合は顔認証をゲートウェイ側に移す必要があります。
エッジゲートウェイ
reComputer ゲートウェイ上で動く Docker サービスです。ソースは github.com/suharvest/warehouse_system にあります。在庫状態を保持し、ブラウザ用ダッシュボードを提供し、MCP エンドポイントを公開します。
この MCP エンドポイントが連携の契約になります。音声側でできることはすべてこのエンドポイント上のツールであるため、次のことが言えます。
- 既存の ERP / WMS との連携は、相手側のデータインターフェースを同じツール群にマッピングする作業です。数十行程度のマッピングコードで済み、システム移行ではありません
- WMS を持たない拠点は内蔵の倉庫システムをそのまま使えます。既存在庫は Excel テンプレートから一括インポートできます
- コマンド語彙の拡張はツールの追加で行い、Watcher のファームウェアには手を入れません
音声 AI
音声認識・LLM・音声合成は次の 3 か所のいずれかで動き、この配置が Tier の違いになります。
| 配置 | 現場の機器 | LLM | 音声 | ネットワーク | Tier |
|---|---|---|---|---|---|
| SenseCraft クラウド | なし | Seeed ホスティング | Seeed ホスティング | インターネット必須 | Trial、Tier 1、Tier 2A |
| 音声はローカル、LLM は API | reComputer J4012（Watcher 1〜3 台） | 自前の OpenAI 互換エンドポイント（DeepSeek など） | J4012 上 | LLM にインターネットが必要 | Tier 2B |
| すべてオンプレミス | LAN 内の reComputer Robotics J5011 | EdgeLLM —— Qwen3.5-4B | J5011 上の OpenVoiceStream（認識・合成・声紋） | LAN のみ | Tier 3 |
Tier 3 では LLM と音声サービスがどちらも J5011 上で動き、デプロイ後は外部サービスを呼び出しません。J5011 には音声モデルと LLM エンジン用に約 10 GB の空き容量が必要です。reComputer Robotics J5011 での実測ローカル推論速度は 約 16 tokens/sec です。コンテナイメージ、ポート、エンジンプロファイルはエンジニアリング Wiki に記載しています。
データインターフェースは下の「何が取り出せるか」に記載しています。
どこまでできるか
ゲートウェイを設置したあと、倉庫担当者がブラウザーのダッシュボードと SenseCAP Watcher で使えるもの。
実測データ
リファレンスホスト上で倉庫管理サービスとエッジ AI ワークロードを対象に測定した処理容量とレイテンシの基準値です。
| 指標 | 代表値 | 機器 | 選定の目安 |
|---|---|---|---|
| オンプレミス LLM 推論 | Qwen3.5-4B 8k engine（完全オフライン） | reComputer J40 シリーズ（J4012） | JetPack 6.2 / TensorRT 10.3 アクセラレーション、エッジ完結型 |
| 資材一覧照会レイテンシ | P50 14.8 ms（P99 22.1 ms） | reComputer R2000 シリーズ | 10 並行リクエスト、SQLite アトミックトランザクション |
| 業務 API レート制限 | 600 回/分（過負荷防止しきい値） | reComputer R2000 シリーズ | 認証済み ID ごとにカウントし、基幹入出庫処理の安定稼働を確保 |
既知の制約：インターフェースにはオフラインキューがありません。ネットワーク停止中の書き込みは失敗し自動再送されません。詳細な実測ベンチマークとエッジ LLM 設定は エンジニアリング Wiki · 音声倉庫管理ソリューション を参照してください。
何が取り出せるか
ゲートウェイの起動後、次のインターフェースに自社 LAN から reComputer のアドレスでアクセスできます。
| インターフェース | エンドポイント / ポート | 得られるもの | 対象プリセット |
|---|---|---|---|
| HTTP ダッシュボード + REST API | http://GATEWAY_IP:2125 | 在庫一覧、入出庫履歴、エージェント接続状態 | ゲートウェイを含むプリセット（Tier 1 以上） |
| HTTP ヘルスチェック | http://GATEWAY_IP:2125/health | 倉庫サービスの準備完了で 200 を返す。監視に組み込めます | Tier 1 以上 |
| MCP エンドポイント | ポート 18004 | 連携の契約点：在庫操作はすべて MCP ツール | Tier 2B・3 は自前ホスティング、Tier 0 / 1 / 2A は SenseCraft 発行の URL |
| 在庫データベース | SQLite /data/warehouse.db | マウントまたはダンプして外部の BI / ERP 処理に渡す | Tier 1 以上 |
| 音声サーバー | WebSocket 18000、管理コンソール 18003 | Watcher の音声ストリームとその管理 | Tier 2B・3 |
| オンプレミス AI | 8000（EdgeLLM）、8621（OpenVoiceStream） | Qwen3.5-4B の OpenAI 互換 API、認識・合成・声紋 | Tier 3 |
既存の ERP / WMS は MCP エンドポイントから接続します。 音声操作はすべてこのエンドポイント上のツールなので、操作を増やすことはツールを追加することです。
自社システムへの移植
再利用できる単位は「倉庫業務」ではなく、「音声の入口 → MCP ツール → 業務システム」というチェーンです。業種に紐づくのは最後の区間だけで、倉庫システムが入庫・出庫・在庫照会を MCP ツールとして登録している部分です。自社システムにある操作へ差し替えれば、前の 2 区間はそのまま使えます。
| レイヤー | 移植時に必要な作業 |
|---|---|
| SenseCAP Watcher とファームウェア | そのまま再利用 |
| エッジゲートウェイ、デプロイプリセット、AI レイヤーの配置 | そのまま再利用 |
| MCP エンドポイントとエージェントの接続方式 | そのまま再利用 |
| 業務システムが登録する MCP ツール | 自社インターフェースに合わせて開発（ERP/WMS 1 系統の連携と同程度） |
| エージェントのロールテンプレート（プロンプト、応答言語、コマンド別名） | 設定変更 |
| データモデルと一括インポートテンプレート | 設定変更 |
適用範囲：生産実績報告、設備点検、材料呼び出し、作業指示の完了報告、巡回記録、試験室の検体受付など、手がふさがり、1 回の操作が 3〜4 項目までで、既存システムにインターフェース経由で書き込める業務。
適さない形態
- 長い正確なコードを口頭で入力する —— ロット番号、シリアル番号、バーコード。1 文字の誤認識による手戻りが、短縮できる時間を上回ります。
- 1 回の操作が複数ターンにまたがる —— 対話の中で複雑な文脈と分岐判断を保持する必要がある場合。
- 恒常的な騒音、または呼吸用保護具の着用 —— 集音距離とウェイクワードの信頼性が低下します。
どう導入するか
現場の状況をお聞かせください。ハードウェアはこちらで選び、その後データ接続と手順に進みます。
作業者の識別
入出庫の記録に、誰が操作したかを残す必要がありますか？
自分で比べる：各構成のスペック対照デプロイガイド · 30min →
| 構成 | 役割 | 機材 | 数量 |
|---|---|---|---|
| Tier 0 · クラウド | Voice Assistant | SenseCAP Watcher | 1 |
| Tier 1 · ベーシック | Voice Assistant | SenseCAP Watcher / reTerminal D1001 8インチHMIディスプレイ（いずれか） | 1 |
| Edge Gateway | reComputer R1100 シリーズ | 1 | |
| Tier 2A · アドバンスト（単一拠点） | Voice Assistant | SenseCAP Watcher / reTerminal D1001 8インチHMIディスプレイ（いずれか） | 1 |
| Edge Gateway | reComputer Industrial R21 シリーズ / reComputer J40 シリーズ（Jetson Orin NX）（いずれか） | 1 | |
| Tier 2B · アドバンスト（複数拠点） | Voice Assistant | SenseCAP Watcher | 3 |
| Edge Server | reComputer J40 シリーズ（Jetson Orin NX） | 1 | |
| Tier 3 · プレミアム | Voice Assistant | SenseCAP Watcher / reTerminal D1001 8インチHMIディスプレイ（いずれか） | 1 |
| Edge Gateway | reComputer Industrial R21 シリーズ | 1 | |
| AI Compute | reComputer J50 シリーズ（Jetson AGX Orin） | 1 |
| プリセット | 機器 | ネットワーク | AI の配置 | 顔認証 | 継続費用 |
|---|---|---|---|---|---|
| Tier 0 · クラウド | Watcher | インターネット | Seeed クラウド | ✗ | 月額サブスクリプション |
| Tier 1 · ベーシック ⭐ | Watcher + reComputer R1125-10 | インターネット | SenseCraft クラウド | オンデバイスのみ（20 名以下） | なし（音声は Watcher に含む） |
| Tier 2A · アドバンスト（単一拠点） | Watcher + reComputer R2135-12 | インターネット | SenseCraft クラウド | ゲートウェイ側、生体検知あり | API キー不要（SenseCraft アカウント） |
| Tier 2B · アドバンスト（複数拠点） | Watcher ×1–3 + reComputer J4012 | インターネット | ローカル音声は J4012、LLM は自前 API | J4012 上、生体検知あり | 利用する LLM 事業者 |
| Tier 3 · プレミアム | Watcher + reComputer R2135-12 + reComputer J5011 | LAN のみ | オンプレミス Jetson | ゲートウェイ側 | 完全ローカル LLM 構成ではなし。プライベートクラウド LLM は自前の LLM キー |
Tier 2A のゲートウェイ側顔認証は、Hailo-8 と Jetson の 2 種類の推論バックエンドに対応します。
Tier 1・Tier 2A・Tier 3 の音声端末は、SenseCAP Watcher（既定）または reTerminal D1001（カメラ付き 8 インチタッチ HMI）から選べます。どちらも同じ音声ファームウェアで動き、MCP エンドポイント経由で倉庫システムに接続します。
難易度は beginner、Tier 1 の構築所要時間は約 30 分です。
よくある質問
Tier 3 なら可能です。WMS、EdgeLLM（Qwen3.5-4B）、OpenVoiceStream のすべてを施設内の Jetson 上で実行するため、在庫データも音声も LAN から出ません。それ以外のプリセットはクラウドの音声経路に依存します。
Tier 1 以上で可能です。倉庫システムが MCP ツールを公開しているので、連携作業は相手システムのデータインターフェースをそのツール群にマッピングすることになります。規模は数十行程度のコードです。Tier 0 は連携に対応していません。
メニュー操作の教育は不要です。作業者は動作をそのまま発話し、あいまい一致が言い回しのずれを最も近い登録済みコマンドに解決します。ただしデプロイとゲートウェイの設定には技術者が必要です。
クラウド構成は設定で選べます —— SenseCraft のホスティングモデル、または利用者が用意した OpenAI 互換エンドポイント。オンプレミス構成は EdgeLLM 上の Qwen3.5-4B 固定です。
顔認証です。20 名以下なら Watcher 上の Himax WE2 がオンデバイスで処理します。それを超える場合はゲートウェイ側で Hailo-8 または Jetson バックエンドを使い、あわせて生体検知も行われます。
音声コマンド語彙（MCP ツールの追加）、エージェント名と応答言語、LLM と TTS の事業者、在庫のスキーマです。筐体・ブランディング・I/O といったハードウェアのカスタマイズは別プロセスとなります。/customization をご覧ください。
お探しの答えが見つかりませんか？
お問い合わせ
ハードウェアパートナーとしてうれしいです！