音声認識（Speech-to-Text）API

アプリのすべての機能を /api/v1 以下の JSON エンドポイントとして利用できます。共通の TypeScript クライアントでも、通常の HTTP でも使えます。

  • POST /api/v1/transcribe — ファイル（multipart）または URL（JSON）
  • GET /api/v1/jobs/:id — ステータスを確認して文字起こしを取得
  • POST /api/v1/insights — 要約、章立て、アクションアイテム
  • POST /api/v1/translate — セグメントを翻訳
  • アカウントページで発行する Bearer API キー
curl -X POST https://audiotexta.com/api/v1/transcribe \
  -H "Authorization: Bearer es_YOUR_KEY" \
  -F "file=@meeting.mp3" \
  -F 'options={"language":"en","speakers":true}'

# → { "job": { "id": "tr_…", "status": "queued" } }
curl https://audiotexta.com/api/v1/jobs/tr_… -H "Authorization: Bearer es_YOUR_KEY"
import { AudiotextaClient } from "@echoscribe/shared";
const client = new AudiotextaClient({ baseUrl: "https://audiotexta.com", apiKey: process.env.ECHOSCRIBE_KEY });
const job = await client.transcribeUrl("https://youtu.be/…", { speakers: true });
const done = await client.waitForJob(job.id);
const insights = await client.insights(done, "en");
文字起こしを始める料金

よくある質問

どのファイル形式を文字起こしできますか？

音声：MP3、M4A、AAC、WAV、FLAC、OGG、Opus、WMA、AIFF。動画：MP4、MOV、WebM、MKV、AVI、MPEG。YouTube や音声・動画ファイルへの直接リンクを貼り付けることもできます。

文字起こしの精度はどのくらいですか？

音声の品質、言語、選んだプロバイダーによって異なります。主要な言語のクリアな音声なら軽い校正で済むことがほとんどです。騒がしい場所、強いなまり、複数人の同時発話では修正が増えます。カスタム語彙とエディタを使えば、固有名詞の修正もすばやく行えます。

どの言語に対応していますか？

日本語、英語、ドイツ語、フランス語、スペイン語、ポーランド語、ロシア語、イタリア語、オランダ語、ポルトガル語など 98+ の言語の文字起こしに対応しています。インターフェースは 6 言語で利用できます。

データはどのように扱われますか？

ファイルと文字起こしはいつでも削除でき、自動削除も設定できます。お客様のコンテンツをモデルの学習に使うことはありません。

関連記事