音声を文字に変換する方法
マイクボタンを押し、ブラウザーに求められたらアクセスを許可します。
いつもどおりに話します。言葉は話したそばから表示され、話し始めと話し終わりの位置が文字起こしに示されます。
文字起こしを選択してコピーし、文書やメール、メモに貼り付けます。
ほかのモデルが間違える数字やメールアドレスも正確に
このツールは、Cartesiaのストリーミング音声認識モデルInk-2で動作します。Ink-2はVoiceArenaのアメリカ英語ランキングとArtificial Analysisのストリーミングベンチマークで1位を獲得しており、電話番号、メールアドレス、UUIDも一度で正しく表記します。文字起こしを発話ごとに自動で区切り、別のノイズ除去フィルターがなくても背景音の中で精度を保ちます。
おすすめの用途
- 音声エージェント
- リアルタイム字幕
- 音声入力
- 会議メモ
- 通話分析
ほかの音声ツールを見る
音声認識に関するよくある質問
無料で使える音声認識ツールはありますか？
はい。このページのツールは、アカウントなしで1日の上限まで無料で音声を文字にできます。無料のCartesiaアカウントの月間クレジットで、APIを通じて最大111分の文字起こしができ、有料プランではさらに増やせます。
音声認識の精度はどのくらいですか？
このツールで使われているInk-2は、ストリーミング音声認識の精度No.1です。電話番号、メールアドレス、UUIDも正しく表記し、背景ノイズがあっても精度を保ちます。
Cartesiaの音声認識はどの言語に対応していますか？
Ink-2は英語、スペイン語、フランス語、ヒンディー語、日本語を文字起こしできます。このページのツールは、ページの言語がこの5つのいずれかならその言語で、それ以外は英語で聞き取ります。APIは5言語すべてに対応しています。
音声ファイルを文字に変換できますか？
このページのツールは、マイクに向かって話した内容をライブで文字起こしします。録音を文字起こしするには、ファイルをバッチ音声認識APIに送ってください。ファイル全体の文字起こしが一つ返されます。
音声認識とは何ですか？
音声認識（STT、ASR、文字起こしとも呼ばれます）は、話した音声を文字に変換します。Ink-2のようなストリーミングモデルは、話し終わるのを待たずに、話している間に文字起こしを表示します。
音声認識のターン検出とは何ですか？
ターン検出は、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。
Ink-2を自社のインフラで運用できますか？
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。