ブラウザーでライブ文字起こし

音声認識はSTT、ASR、文字起こしとも呼ばれ、話した音声を文字に変換します。CartesiaはストリーミングモデルInk-2を使い、話し終わるのを待たずに、発話中から文字を表示します。

はい。このページのデモはアカウントなしでマイクの音声を文字起こしできます。無料のCartesiaアカウントで上限が増え、有料プランでは本番用APIの利用量を追加できます。

Ink-2は英語、フランス語、ヒンディー語、日本語、スペイン語に対応し、言語を自動検出します。リアルタイム用途向けのモデルです。録音済みファイルには、ink-whisperで動作するバッチSTT APIをご利用ください。

話者が話し終えたタイミングを判断し、音声エージェントの割り込みや無言の待ち時間を防ぐ機能です。多くの構成では別の音声活動検出モデルを追加します。Ink-2はturn.eager_endやturn.endなどのイベントを直接返すため、モデルを一つ減らし、応答を速められます。

このページのデモはマイクを使うライブ文字起こしです。録音には、ファイル全体を受け取り一つの文字起こしを返すバッチSTT APIをご利用ください。

はい。Ink-2はオンプレミスや外部ネットワークから隔離された環境、AWS・GCP・Azure上の自社VPCに導入できます。製品に組み込むOEMライセンスもあります。これらの導入形態はエンタープライズ契約で提供します。