LakeRTC

Why teams pick it

SaaS-grade call monitoring, without handing your call data to a SaaS.

選ばれる理由

通話データをSaaSに渡さずに、SaaS級のモニタリングを。

Zero egress by design

No external domains declared, no telemetry collected. TURN credentials are redacted and SDP bodies dropped at parse time. Works with Meet, Teams, or your own WebRTC app.

設計思想としての外部送信ゼロ

外部ドメインの宣言なし、テレメトリ収集なし。TURN認証情報はパース時に秘匿化し、 SDP本文は破棄。Meet、Teams、自社WebRTCアプリのいずれでも使えます。

Call quality next to your business data

A W3C getStats-compliant medallion schema in your Unity Catalog — plain Delta tables, not an API. Which plans churn after bad calls? Is your worst region also your most valuable? That question needs quality and revenue in the same place, and this is the only place they are. Copy any view's SQL into the editor, or use the bundled AI/BI dashboard.

通話品質を、ビジネスデータの隣に

W3C getStats準拠のメダリオンスキーマが、APIではなく素のDeltaテーブルとしてあなたのUnity Catalogに置かれます。通話品質が悪い顧客はどのプランで、その後どれだけ解約したか。最も品質の悪い地域は、最も売上の大きい地域ではないか。この問いには品質と売上が同じ場所にある必要があり、それが成立するのはここだけです。各画面のSQLはそのままSQLエディタで使え、AI/BIダッシュボードも同梱しています。

It tells you what was wrong, in words

49 rules read the call and name the problem — echo cancellation switched off, the device rather than the network capping video, a direct path blocked despite STUN working. Each finding carries the numbers behind it and an article explaining what to check next. One score, 0–100, says how bad the call was, and always shows its working. Then a foundation model in your workspace turns the findings into a written diagnosis.

「何が悪かったか」を言葉で告げる

49のルールが通話を読み、問題を名指しします——エコーキャンセラーが切られている、映像の頭打ちはネットワークではなくデバイス側、STUNは通ったのに直接経路が塞がれている。各検知は根拠の実測値と、次に何を見るべきかの解説記事つき。 0〜100の体験スコアが通話全体の悪さを1つの数字で示し、その内訳も必ず開示します。そのうえで、ワークスペース内の基盤モデルが検知結果を診断レポートに組み立てます。

Product tour

Four views from "how are all your calls doing" to "why was this call bad".

プロダクトツアー

「全通話の調子は？」から「なぜこの通話は悪かった？」までの4画面。

Breakdown

Find the systemic pattern.

Slice MOS, loss and RTT by browser, OS, network type, TURN usage, weekday or hour — box plots with per-group drill-down, and P50/P95 histograms that show the tail your averages hide.

Breakdown

個別の不運か、共通のパターンか。

MOS・パケットロス・RTTをブラウザ、OS、ネットワーク種別、TURN利用、曜日・時間帯で分解。グループクリックでドリルダウンできる箱ひげ図と、平均が隠すテールを見せる P50/P95ヒストグラム。

Breakdown screen: experience score box plots per browser, QoE-grade stacked bars and distribution histograms

Observations

Stop reading charts. Read the findings.

49 rules name what went wrong, worst first, with the numbers that triggered each one and which streams it applies to. Open any finding for what it means for the person on the call, the usual causes, and what to check next. The score above shows exactly what it deducted and why — never a verdict you have to take on trust.

Observations

チャートを読むのをやめて、検知結果を読む。

49のルールが「何が悪かったか」を深刻度順に名指しします。各検知には根拠となった実測値と影響範囲つき。開けば、通話していた人にとって何を意味するのか、よくある原因は何か、次に何を見るべきかが読めます。上のスコアは減点の内訳を必ず開示します—— 鵜呑みにするしかない数字にはしません。

Session detail: experience score with its penalty breakdown, and every finding ranked worst first

Call timeline

Per-second forensics.

Bitrate, loss, jitter/RTT and MOS at one-second resolution, with ICE and connection events overlaid and degraded windows shaded. Setup bursts are clustered so the chart stays readable.

Call timeline

秒単位のフォレンジック。

ビットレート、パケットロス、ジッター/RTT、MOSを1秒刻みで表示。ICEや接続イベントを重ねて描き、劣化した区間はひと目でわかるように色付けします。セットアップ時に集中するイベントは自動でまとまるので、チャートは最後まで読みやすいまま。

Session detail timeline: per-second charts of a poor session with degraded windows shaded red

AI diagnosis

An incident report, written for you.

Severity, what happened, evidence with concrete numbers, likely root causes and recommended actions — generated by a foundation model running in your workspace, stored as history next to your data.

AI diagnosis

インシデントレポートは、AIに書かせる。

深刻度、何が起きたか、具体的な数値つきの証拠、根本原因の候補、推奨アクション—— ワークスペース内で動く基盤モデルが生成し、データの隣に履歴として保存されます。

AI diagnosis panel: CRITICAL badge with an evidence-citing markdown report

How it works

From install to first insight in about ten minutes.

使い方

インストールから最初のインサイトまで、約10分。

Install from Databricks Marketplace

The listing is free. Point the app at your SQL warehouse and a pay-per-token model endpoint, run the bundled DDL, and you're set — no new infrastructure to stand up.

Databricks Marketplaceからインストール

利用は無料。SQLウェアハウスとモデルエンドポイントを選んで、同梱のDDLを流せばセットアップは終わりです。新しいインフラは何も増えません。

Drop a webrtc-internals dump

Notice a call that felt off? Save the dump from chrome://webrtc-internals, drag it into the app, and everything from parsing to QoE scoring runs on its own — no SDK to embed first.

webrtc-internalsダンプを投入

「今の通話、変だったな」と思ったら chrome://webrtc-internals を保存して、アプリにドラッグ。あとはQoEスコアの算出まで自動で終わります。SDKの組み込みを待つ必要はありません。

Explore — or let the AI explain

Start with a bird's-eye view of every call. When one looks suspicious, drill into its per-second timeline — or just ask the AI why it was bad, in one click.

自分で掘り下げるか、AIに聞くか

まず全通話の調子をひと目で。怪しい通話が見つかったら、秒単位のタイムラインで掘り下げるもよし、ワンクリックでAIに「なぜ悪かったのか」を説明させるもよし。

Roadmap: a TypeScript collection SDK for continuous monitoring feeds the exact same tables — everything you build on the gold schema today keeps working.

ロードマップ: 継続監視のためのTypeScript収集SDKは同一のテーブル群に書き込みます——goldスキーマの上に今日作ったものは、そのまま動き続けます。

Built for

The people who get asked "why was my call bad?"

こんなチームに

「なんで通話が悪かったの？」と聞かれる人たちへ。

Contact-center operationsTie QoE to agents, sites and carriers; investigate tickets with per-call evidence.

コンタクトセンター運用QoEをエージェント・拠点・キャリアに紐づけ、通話単位の証拠でチケットを調査。

Platform & SRE teamsWatch MOS, TURN rates and week-over-week regressions for all your calls, next to the rest of your lakehouse.

プラットフォーム・SREチーム全通話のMOS、TURN率、週次リグレッションを、レイクハウスの他のデータの隣で監視。

Telehealth & online educationQuality data stays inside your compliance boundary — nothing leaves the workspace.

遠隔医療・オンライン教育品質データはコンプライアンス境界の内側に——ワークスペースの外には何も出ません。

Call quality that never leaves your lakehouse — and finally sits next to your business data.

通話品質の分析をデータを外に出さずに、そしてビジネスデータの隣で。