リアルタイム文字起こしAPIで何ができますか？
リアルタイム文字起こしAPIは、アプリから送られた音声を受け取り、文字起こし結果をすぐに返します。セッション作成時に翻訳言語を指定すると、翻訳結果も一緒に受け取れます。 結果はWebSocketメッセージでのみ届きます。TiroはこのAPIでノートを作成せず、受け取った音声も保存しません。文字起こしと翻訳のテキストを後から取得するAPIもないため、必要な結果は受信側で保存してください。どのような流れで動きますか？
リアルタイム文字起こしは、RESTでセッションを作成し、WebSocketで音声を送って結果を受け取ります。APIキーはお客様のサーバーにだけ置き、クライアントにはセッションごとに発行されるstreamToken だけを渡します。
接続が切れても、セッションが開いていれば同じトークンで再接続して続けられます。ルールは再接続にまとめています。
誰が使えますか？
次の3つの条件をすべて満たすとセッションを作成できます。
組織のAPIキーとOAuthアクセストークンではこのAPIを呼び出せません。スコープは認証で詳しく説明しています。
どのような制限がありますか？
どの言語に対応していますか？
文字起こしと翻訳はどちらも、対応ロケールの17ロケールに対応しています。セッション作成時にtranscriptionLocale を省略するか AUTO を送ると、Tiroが話されている言語を自動で検出します。translationLocale は1つだけ指定でき、自動検出は使えません。
翻訳は原文の文と1対1で対応しません。翻訳の断片は届いた順につなげて表示してください。ルールはtranslation メッセージにまとめています。
このAPIが提供しないものは何ですか？
現在のバージョンは次の機能を提供しません。- 話者の区別、単語や文単位のタイムスタンプ
- ノートの作成とWebhook
- 音声の保存と再送。切断中の音声はクライアントがためておき、再送する必要があります
- ブラウザからの直接接続。ブラウザのWebSocket APIは
Authorizationヘッダーを送れないため、サーバーまたはネイティブアプリから接続してください
利用量はどのように記録されますか？
Tiroはセッションごとに、受け取った音声の長さと接続時間を記録します。受け取った音声の長さは、セッション取得のレスポンスとsession.ended メッセージの audioDurationMs で確認できます。この利用量は、ノートの録音利用量やワークスペースの利用上限には加算されません。料金はエンタープライズ契約で定めます。
次のステップ
クイックスタート
セッションを作成し、音声ファイルを送って結果を受け取ってみましょう。
WebSocketプロトコル
メッセージのフィールド、再接続、エラーとclose codeを確認できます。