音声ツール

音声をテキストに文字起こし

自分のファイルで試す

音声ファイルをここにドロップしてください。

音声ファイルをここにドロップしてください。

またはデバイスから

25 MB 以下の AAC、FLAC、M4A、MP3、OGG、WAV ファイルに対応しています。

デモ用ファイルは一時的に処理されます。機密情報を含めないでください。

このツールの処理設定

音声文字起こし で使われている Assembly Instructions の詳細を確認

このパネルでは、入力、結果を生成する Robot、その Step が公開する出力を示しています。アップロード用の Step を含むすべての Step は、下の Assembly Instructions に記載されています。Step をコピーしてひな形とし、Assembly リクエストの params の下に配置して、ご自身の認証情報で実行してください。または、Robot のドキュメントを開いてパラメーターを調整してください。

  1. 入力

    音声

    アップロード前にブラウザーで種類とサイズを確認

  2. 処理

    /speech/transcribe

    「transcribed」Step で結果を生成する Robot

  3. 結果

    文字起こしテキスト

    「transcribed」Stepが公開

「transcribed」Stepの設定

format
text
結果を生成する Robot のドキュメントを読む

Assembly Instructions (JSON)

{
  "steps": {
    ":original": {
      "robot": "/upload/handle"
    },
    "transcribed": {
      "format": "text",
      "result": true,
      "robot": "/speech/transcribe",
      "use": ":original"
    }
  }
}
三つの手順で完了、インストール不要

このツールの使い方

  1. 手順 1

    ファイルをアップロード(音声)

    デバイスから対応するファイル(音声)を選択してください。ブラウザーからのアップロードは Uppy が処理します。

  2. 手順 2

    Transloadit で処理

    Transloadit の分散処理プラットフォームで「音声を文字起こし」を実行し、進行状況を確認できます。

  3. 手順 3

    完成した結果を使用

    ファイル(文字起こしテキスト)を確認してダウンロードするか、ワークフローをご自身のストレージに接続してください。

その他の無料メディアツール

ファイルの活用方法をさらに探す

知っておきたいこと

よくある質問

「音声文字起こし」ツールはどのように動作しますか?

対応ファイル(音声)をアップロードし、ツールを実行して、ファイル(文字起こしテキスト)をダウンロードします。このページでは、Uppy 経由でアップロードしたファイルを実際の Transloadit Assembly に送信します。その結果を通じて、API から利用できるものと同じ処理プラットフォームを体験できます。

ファイルサイズの上限はどれくらいですか?

この公開ツールでは、最大 25 MB のファイルを扱えます。本番用のワークフローでは、より大きなファイルの受け付け、バッチ処理、クラウドストレージからの直接インポート、複数の出力の並列生成ができます。

アップロードしたファイルは永続的に保存されますか?

公開ツールではファイルを一時的に処理します。機密情報を含む素材はアップロードしないでください。本番用の Workspace では、認証、保存先、保持期間を管理できます。

API で 音声文字起こし を自動化できますか?

はい。再利用可能な Transloadit Template を通じて、同じ処理機能を利用できます。Uppy、バックエンド SDK、または API リクエストから処理を開始し、管理下のストレージやサービスに結果を送信できます。

音声文字起こし はどの Transloadit Robot を使用していますか?

この結果は、「/speech/transcribe」Robot にこのページ固有のパラメーター format: text を指定して生成したものです。このページで公開しているレシピには、完全な Assembly Instructions が含まれています。

あらゆる場面での音声活用

プロダクトで「音声文字起こし」を自動化

多くの場合、形式の変更は始まりにすぎません。再生設定を統一し、検索可能な文字起こしや視覚素材を生成して、製品で既に使用しているシステムにすべての結果を届けます。

  • 一貫した再生

    取り込んだ音声を、製品で安定して扱える形式と設定に統一します。

  • 検索可能な音声

    発話をテキストに変換し、検索、キャプション、要約、分析に活用できます。

  • 複数の出力

    メインのトラックとともに、波形、プレビュー、別形式の出力を作成します。

  • 柔軟な取り込み

    アップロードされた音声を処理するほか、ストレージやリモートソースから直接インポートします。

  • 連携するワークフロー

    処理済みのファイルをストレージに送信し、Webhook でアプリケーションに通知します。

  • 並列処理

    時間のかかる直列パイプラインを待つのではなく、独立した Step を並列に実行します。

アップロード、バッチ、クラウド上のファイルを一つのワークフローで処理

この機能をそのまま製品に組み込めます。顧客のアップロードファイルやクラウド上のファイルを処理し、結果をストレージ、Webhook、配信先に振り分けます。