StepAudio 2.5 ASR Stream API

StepAudio 2.5 ASR Stream について

ソケットを通じたライブ文字起こしは、話者が話す間に部分的な結果を返し、音声活動検出で各文をマークします。

EmpirioLabs標準/v1/audio/transcriptionsエンドポイントを公開し、最終的な転写本を通常の転写応答形式で返します。

別名 StepAudio ASR Stream, StepFun StepAudio 2.5 ASR Stream

StepAudio 2.5 ASR Stream の仕様

モデルID

stepaudio-2-5-asr-stream

開発元

StepFun

カテゴリ

転写

リリース

2026年7月16日

入力

音声

出力

テキスト

リージョン

International

エンドポイント

WEBSOCKET/v1/realtime

代替モデルID

stepaudio-2.5-asr-streamstepfun/stepaudio-2-5-asr-stream

StepAudio 2.5 ASR 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。

StepAudio 2.5 ASR Stream API の呼び出し方

StepAudio 2.5 ASR Stream は HTTP エンドポイントではなく、wss://api.empiriolabs.ai/v1/realtime?model=stepaudio-2-5-asr-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 stepaudio-2-5-asr-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=stepaudio-2-5-asr-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())

StepAudio 2.5 ASR Stream API のパラメーター

EmpirioLabs 上の StepAudio 2.5 ASR 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=stepaudio-2-5-asr-streamのWebSocketでライブ文字起こしを行い、通常のAuthorization Bearerヘッダーで認証されています。16kHzのpcm16音声をinput_audio_buffer.appendでストリーミングし、スピーカーが話している間に部分的な結果を読み上げます。サーバー側の音声活動検出で各文の終わりをマークします。これをライブキャプションや音声入力に使用してください。録音が完了した場合、POST /v1/audio/transcriptionsは1回の通話で全文字起こしを返します。請求はストリーミングした音声の長さに従って行われ、セッション終了時に決済されます。

StepAudio 2.5 ASR Stream API: よくある質問

StepAudio 2.5 ASR Stream API の料金はいくらですか?

EmpirioLabs では StepAudio 2.5 ASR Stream は従量課金です: 転写 $0.18 音声の時間あたり。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。

StepAudio 2.5 ASR Stream はどのエンドポイントを使いますか?

StepAudio 2.5 ASR 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 StepAudio 2.5 ASR Stream を試せますか?

StepAudio 2.5 ASR 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、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 stepaudio-2-5-asr-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。

StepAudio 2.5 ASR 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。