Source: https://ailoot.ai/models/ja/asr-1-0/ Canonical: https://ailoot.ai/models/ja/asr-1-0/ Language: ja # asr-1.0 [Markdown](https://ailoot.ai/models/ja/asr-1-0/index.md) · [JSON](https://ailoot.ai/models/ja/asr-1-0/facts.json) ## [asr-1.0](https://ailoot.ai/models/ja/asr-1-0/) MiniMax ASR 1.0は、音声をテキストに変換し、ロシア語、話者別の発話の分離、タイムスタンプに対応しています。 - [**Ailoot · 音声認識** `POST /v1/audio/transcriptions` `asr-1.0`](https://ailoot.ai/models/ja/asr-1-0/#method-0) モデルについて この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。 #### 会話の録音からテキストへ MiniMax ASR 1.0は、音声ファイルの発話を認識します。メーカーは、会議、インタビュー、ポッドキャスト、動画の音声トラック、内容の確認、会話の分析での利用を説明しています。会話の発話、雑音、専門用語に合わせて調整され、架空の部分を減らすことを重視しています。このAilootのカードでは、入力は音声、結果はテキストです。 #### 言語と複数の参加者 ロシア語、ウクライナ語、英語、フランス語、ドイツ語、スペイン語、イタリア語、ポルトガル語、ポーランド語と、中国語、広東語、日本語、韓国語、タイ語、ベトナム語、インドネシア語、マレー語、フィリピン語、アラビア語、トルコ語に対応しています。言語を指定しない場合、主な言語を自動的に判定します。メーカーは、中国語と英語の混在した発話も個別に説明しています。 拡張された結果形式では、モデルは話者を分離し、発話を時刻に紐付けられます。参加者の総数と、話者ラベル、開始、終了、テキストを持つ区間を返します。異なる参加者の発話を混ぜずに、誰がいつ、特定の発話を行ったかを分析するのに役立ちます。 #### 結果の表現 メーカーは、テキストと長さを含む通常のJSON、拡張された`verbose_json`、SRTとWebVTTの字幕を用意しています。タイムスタンプには、既定で文または区間の単位を使用します。単語ごとのタイムスタンプは英語について、文字ごとは中国語について説明されています。こうしたタイムスタンプは、位置合わせを行う形式に関するものです。 段階的なテキスト出力も可能ですが、話者の分離と字幕形式とは組み合わせられません。このモードでは、送信済みのファイルの処理に応じて、新しく認識したテキスト部分を返します。これは結果のストリームであり、マイクからの音声の連続送信ではありません。 #### 録音の要件 公表されている入力形式は、WAV、AIFF、FLAC、ALAC（M4Aコンテナ）、MP3、AAC、Opus、Oggです。ファイルに含まれる音声は**500秒**まで、サイズは**50メガバイト**までである必要があります。長さを超えた場合は拒否され、黙って切り詰められることはありません。コンテナのない生のPCMには対応していません。 録音の準備には、メーカーはモノラルの16キロヘルツ、または圧縮された音声形式を推奨しています。高いサンプリング周波数やステレオは認識に不要であり、ファイルサイズを増やします。拡張出力とストリーミング処理の機能は、ASR 1.0に関するものです。個々のリクエストで利用できる応答形式は、Ailootの手段で指定します。 **Ailoot · 音声認識** `POST /v1/audio/transcriptions` `asr-1.0` [`asr-1.0`](https://ailoot.ai/models/ja/#m=asr-1.0&route=Core&caller=asr-1.0&fmt=transcriptions) MiniMax /`asr-1.0` ### はじめに MiniMax ASR 1.0は、音声をテキストに変換し、ロシア語、話者別の発話の分離、タイムスタンプに対応しています。 対応する入力 音声 結果 テキスト ### Ailootで利用可能 · 入力とメソッド **Ailoot · 音声認識** `POST /v1/audio/transcriptions` 入力の種類 `audio` 出力の種類 `text` 出力形式 json | フィールド | 種類 | 要件 | 値と制限 | デフォルト | | --- | --- | --- | --- | --- | | フィールド`model` | 種類`string` | 要件必須 | 値と制限 asr-1.0 | デフォルト— | | フィールド`file` | 種類`file` | 要件必須 | 値と制限 最大バイト数: 52,428,800 ファイル形式: wav, mp3, m4a, ogg, webm, flac コンテンツタイプ: multipart/form-data 最大の長さ（上限値を含まない、秒）: 500 | デフォルト— | | フィールド`response_format` | 種類`string` | 要件任意 | 値と制限 json | デフォルト— | 入力素材の組み合わせ **speech\_to\_text** · 必須: actual audio file メソッドのパラメータとライフサイクル | パラメータ | 仕様 | | --- | --- | | パラメータ`material_types` | 仕様audio | | パラメータ`required` | 仕様null | | パラメータ`optional_controls` | 仕様null | ライフサイクル: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · 実際に返された task\_id またはメディアライブラリのレコード `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` メソッドの形式とIDは正確に記載しています。供給元の対応能力とリクエストの受け入れは別です。 ### 料金 #### Ailootのメソッド料金 入力 $0.38 *音声1時間あたり* Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。[金額の確保と精算の仕組み →](https://ailoot.ai/docs/ja/billing/reserve/) ### リクエスト例 #### Ailoot · 音声認識 文字起こしのサンプル ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set your actual MP3 recording}" export AILOOT_AUDIO_FILE python3 - <<'PY_REQUEST' import os from pathlib import Path f=Path(os.environ["AILOOT_AUDIO_FILE"]) if not f.is_file() or f.suffix.lower()!=".mp3":raise SystemExit("Choose your actual MP3 recording") PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \ -H "Authorization: Bearer $AILOOT_API_KEY" \ --form-string model=asr-1.0 -F "file=@$AILOOT_AUDIO_FILE" \ -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2)) PY_RESULT ``` ### 結果を受け取って保存 #### Ailoot · 音声認識 json - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### 完了した結果をすべて保存 返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。 テキストだけでなくJSON全体を保持してください。利用可能なすべてのセグメント／話者／タイムスタンプと、実際のタスク／アセットの識別情報を保持します。 ##### 元のレスポンスを確認する場合 再送せずに照合できるよう、元の operation\_id/X-Client-Request-ID を保存してください。音声専用のポーリングルートはありません。 レスポンスのフィールド | フィールド | 種類 | | --- | --- | | フィールド`text` | 種類string | | フィールド`segments[]` | 種類object | | フィールド`task_id` | 種類string | | フィールド`asset_url` | 種類string | | フィールド`usage` | 種類object | エラーと次の手順 | レスポンス | 条件 | 次の手順 | | --- | --- | --- | | レスポンス400 · `invalid_request_error` | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 | | レスポンス`server_error` | 条件返されたレスポンスは、操作または結果の確認が必要であることを示しています | 次の手順最初に返された操作／タスク ID、リクエストヘッダー、レスポンスを保存し、その元の操作に対してサポートされている読み取りを継続してください。作成リクエストを再送しないでください。 | ### エイリアス #### モデルのエイリアス **Ailoot** [`asr-1.0`](https://ailoot.ai/models/ja/#m=asr-1.0&route=Core&caller=asr-1.0&fmt=transcriptions) #### メソッドパスのエイリアス 上記に表示されたメソッドパスを使用してください。 #### 関連する呼び出し用ID [`asr-1.0`](https://ailoot.ai/models/ja/#m=asr-1.0&route=Core&caller=asr-1.0&fmt=transcriptions) FAQ · asr-1.0 利用できる入力と結果は何ですか？ `POST /v1/audio/transcriptions` · `asr-1.0`: `audio` → `text` リクエストはどの項目を使用しますか？ `POST /v1/audio/transcriptions` · `asr-1.0`: `model`, `file`, `response_format` AilootをClaude Code、OpenCode、Hermes、自分のアプリに接続しましょう。 ## 企業とそのプロジェクト群 企業とそのプロジェクト群：数百万の顧客、毎月数十億規模の売上。 ## トークンを割引価格で購入。 継続利用にサブスクリプション割引。プロモコードでトークン購入が最大50%割引。 サブスクリプション 定期的なリクエストに合う割引プランを選びましょう。 最大50%のプロモコード 購入時にコードを入力すると、実施中のキャンペーンに沿って価格を再計算します。 支出を履歴で確認 各リクエストのモデル、トークン、金額が保存されます。 [サブスクリプションを選ぶ](https://ailoot.ai/docs/ja/billing/subscriptions/) · [モデルの価格を見る](https://ailoot.ai/models/ja/) ## 販売する製品に、 APIを組み込みましょう。 SaaS、アプリ、ボットをAilootの公式サービス提供条件とライセンス契約に基づいて接続できます。再販にはリセラーライセンスを申請できます。 商用アプリ サービスの有料機能に、文章、画像、動画、音声の生成を組み込めます。 リセラーライセンス プロジェクトの説明とアクセスの仕組みをお送りください。利用・再販条件の書面を申請できます。 サイトで契約文書を確認 接続前にサービス提供条件、ライセンス契約、データ処理ポリシーを読めます。 [リセラーライセンスを申請](mailto:support@ailoot.ai) · [サービス提供条件とライセンス契約](https://ailoot.ai/legal/offer?lang=ja) ## Ailoot · 企業とそのプロジェクト群 Ailootは、蓄積した運営経験、幅広い顧客基盤、安定したサービス、継続的なKPI管理を基盤としています。 企業とそのプロジェクト群：数百万の顧客、毎月数十億規模の売上。 Ailootはこの運営経験を、お客様の製品、エージェント、アプリケーション、自動化でAI機能を利用するためのAPIアクセスに活かしています。