転写 APIs

EmpirioLabs の転写について

EmpirioLabsの文字起こしモデルは音声(場合によってはビデオ)をテキストに変換し、モデルに応じて単語のタイムスタンプ、言語検出、翻訳などの機能を備えています。ファイルやURLを指し示し、音声の分単位で料金を請求したトランスクリプトを読み返します。

転写 モデル (4)

Whisper Large v3 Turbo

制御されたWhisper Large v3ターボの文字起こしを多言語ASR、翻訳、VAD、タイムスタンプ、字幕、ホットワード、デコーダー制御付きで行います。

Deepgram Nova 3

Nova-3モデルを用いた音声・テキスト転写で、多言語対応と高度なカスタマイズ可能な設定を本番ワークロード向けに提供します。

OpenAI Whisper 1

Whisper-1speech-to-text多言語監督付き音声で学習された文字起こしで、ファイルあたりアップロード制限は25MBです。

StepAudio 2.5 ASR

StepFunは中国語と英語の音声書き起こしのためのストリーミング音声認識モデルです。

転写 モデルの呼び出し方

Whisper Large v3 Turbo は POST /v1/audio/transcriptions で動作します。リクエストはすぐに job_id を返すので、ジョブが完了するまで GET /v1/jobs/{job_id} をポーリングし、結果から出力 URL を読み取ってください。 model ID は上のどのモデルにも差し替えられます。 EmpirioLabs ダッシュボードで API キーを取得してください。

curl https://api.empiriolabs.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "whisper-large-v3-turbo",
    "audio_url": "https://example.com/meeting-recording.mp3"
  }'

転写 API: よくある質問

EmpirioLabs は転写モデル API をいくつ提供していますか?

EmpirioLabs には 4 転写モデル APIがあります(Whisper Large v3 Turbo, Deepgram Nova 3, OpenAI Whisper 1 など)。各モデルにはライブ料金、パラメーター、クイックスタートを備えた専用 API ページがあります。

EmpirioLabs の転写 API はどのように課金されますか?

すべての転写モデルは従量課金で、月額最低料金はありません。正確な料金表は各モデルのページにあり、常に API の請求額と一致します。

転写モデルを使うには開発者である必要がありますか?

いいえ。ここにあるすべてのモデルはEmpirioLabs プレイグラウンドで動きます。コードを書かずにオプションを設定して結果を確認できる、使いやすいブラウザ内インターフェースです。自動化したくなったら、同じモデルを API から利用できます。

その他のモデルカテゴリ