Deepgram Nova-3 Stream API

Deepgram Nova-3 Stream について

話者が話している間に中間結果を返し、各フレーズが終わると確定した書き起こしをスポントで行う。

OpenAIリアルタイムプロトコルを使用するか、16kHzモノラル16ビットPCMをバイナリフレームとして送信し、結果イベントを読み取ることができます。

別名 Deepgram-Nova-3-Stream

Deepgram Nova-3 Stream の仕様

モデルID

deepgram-nova-3-stream

開発元

Deepgram

カテゴリ

転写

リリース

-

入力

音声

出力

テキスト

エンドポイント

WEBSOCKET/v1/realtime

代替モデルID

nova-3-streamdeepgram/deepgram-nova-3-stream

Deepgram Nova-3 Stream API の料金

EmpirioLabs カタログのライブ従量課金料金です。使った分だけの支払いで、月額最低料金はありません。

Deepgram Nova-3 Stream API の呼び出し方

Deepgram Nova-3 Stream は HTTP エンドポイントではなく、wss://api.empiriolabs.ai/v1/realtime?model=deepgram-nova-3-stream の WebSocket 上でライブ音声ストリームを文字起こしします。モデル ID deepgram-nova-3-stream で接続し、ハンドシェイク時に EmpirioLabs の API キーを Authorization: Bearer ヘッダーとして送信してください。base64 の 16 ビット PCM 音声を追加すると、話している最中から文字起こしイベントを受け取れます。 ブラウザは WebSocket にヘッダーを設定できないため、この接続はサーバーから開き、音声は自前のソケットでブラウザへ中継してください。 EmpirioLabs ダッシュボードで API キーを取得してください。

import asyncio, json, os, websockets

async def main():
    async with websockets.connect(
        "wss://api.empiriolabs.ai/v1/realtime?model=deepgram-nova-3-stream",
        additional_headers=[
            ("Authorization", f"Bearer {os.environ['EMPIRIOLABS_API_KEY']}"),
        ],
        max_size=None,
    ) as ws:
        print(json.loads(await ws.recv())["type"])  # session.created

        import base64

        # 16-bit PCM microphone audio, base64 encoded, in small chunks.
        for chunk in read_microphone_chunks():
            await ws.send(json.dumps({
                "type": "input_audio_buffer.append",
                "audio": base64.b64encode(chunk).decode(),
            }))

        await ws.send(json.dumps({"type": "input_audio_buffer.commit"}))

        async for raw in ws:
            event = json.loads(raw)
            if event["type"].endswith("input_audio_transcription.delta"):
                # "text" is settled transcript; "stash" is still in progress.
                if event.get("text"):
                    print(event["text"], end="", flush=True)

asyncio.run(main())

Deepgram Nova-3 Stream API のパラメーター

EmpirioLabs 上の Deepgram Nova-3 Stream API が対応するリクエストパラメーターです。フィールドを省略した場合はデフォルト値が適用されます。

知っておくと便利

wss@api.empiriolabs.ai/v1/realtime?model=deepgram-nova-3-streamでWebSocketを経由したライブ文字起こしを、APIキーはAuthorizationヘッダーに記載しています。OpenAI Realtimeプロトコル(OpenAI SDKを含む)や、Deepgramのストリーミングプロトコル(16kHzモノラル16ビットPCMをバイナリフレームとして送信)を使用してください。接続URLにlanguage=を追加して特定の言語を文字起こしします。請求は送信した音声の1分単位で計算されます。

Deepgram Nova-3 Stream API: よくある質問

Deepgram Nova-3 Stream API の料金はいくらですか?

EmpirioLabs では Deepgram Nova-3 Stream は従量課金です: 転写 $0.025 音声の1分あたり。このページのライブ料金表は常に API の請求額と一致します。

Deepgram Nova-3 Stream はどのエンドポイントを使いますか?

Deepgram Nova-3 Stream は api.empiriolabs.ai 上の WEBSOCKET /v1/realtime で提供され、標準的な Bearer トークン認証を使用します。

統合する前にブラウザで Deepgram Nova-3 Stream を試せますか?

EmpirioLabs プレイグラウンド を開き、Start session を押すとブラウザーで試せます。Deepgram Nova-3 Stream はリクエストとレスポンスではなく WebSocket 上で動作するため、組み込むときは リアルタイム音声クイックスタート から始めてください。EmpirioLabs の API キーとモデル ID deepgram-nova-3-stream を使ってサーバーから接続し、音声を双方向にストリーミングします。

Deepgram Nova-3 Stream の API キーはどうやって取得しますか?

EmpirioLabs アカウントを作成し、ダッシュボードの API Keysでキーを生成してください。課金は従量制クレジットなので、実行したリクエストの分だけ支払います。