Source: https://ailoot.ai/models/ja/deepgram-nova-3/ Canonical: https://ailoot.ai/models/ja/deepgram-nova-3/ Language: ja # Deepgram: Nova-3 [Markdown](https://ailoot.ai/models/ja/deepgram-nova-3/index.md) · [JSON](https://ailoot.ai/models/ja/deepgram-nova-3/facts.json) ## [Deepgram: Nova-3](https://ailoot.ai/models/ja/deepgram-nova-3/) Nova-3は、録音音声とストリーミング音声に対応するDeepgramの汎用音声認識モデルです。単一言語の認識、定義された多言語の言語切り替えモード、キータームによる誘導に対応し、単語の時間情報と信頼度を伴う文字起こしを返します。 - [**Ailoot Ultra · 音声認識** `POST /v1/audio/transcriptions` `deepgram/nova-3`](https://ailoot.ai/models/ja/deepgram-nova-3/#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。 Nova-3は、音声をテキストへ変換するDeepgramの汎用音声認識モデルです。メーカーは、録音済み音声またはストリーミングの文字起こしを使い、会議、イベント字幕、複数話者の録音、雑音や離れたマイクなどの難しい条件に推奨しています。有用な結果は、時間情報と信頼度が元の音声に結び付いた、認識された発話です。 #### 言語ワークフローを選ぶ 文書化された既定の言語は英語です。単一言語のリクエストは、話されている言語または対応ロケールを選びます。現行の汎用モデル表には、英語の地域変種、スペイン語、フランス語、ドイツ語、ロシア語、ポルトガル語、日本語、イタリア語、オランダ語、アラビア語、中国語の表記体系、カザフ語を含む多くの言語が挙げられています。任意のロケール名を受け付けると想定せず、メーカーの対応コードから選んでください。 多言語設定は、言語を切り替えるための別のワークフローです。現行のNova-3表では、英語、スペイン語、フランス語、ドイツ語、ヒンディー語、ロシア語、ポルトガル語、日本語、イタリア語、オランダ語の10言語が挙げられています。この集合は、より大きな単一言語リストとは同じではありません。録音内で対応言語が切り替わる場合は、会話全体を無関係な単一言語設定に押し込めず、多言語モードを準備してください。翻訳版や要約版を作る前に、話された内容を残します。 #### 録音音声と文字起こしの準備 Deepgramのファイルワークフローは、アップロードされた音声のバイト列、または音声ファイルへの参照を受け付けます。メーカーは後で取得するために文字起こしを保存しないため、リクエスト完了時に返された文字起こしを保存してください。一般的な対応形式とエンコードとして、MP3、MP4、MP2、AAC、WAV、FLAC、PCM、M4A、Ogg、Opus、WebMが文書化されています。実際の形式とチャンネル情報を録音とともに残します。録音に一貫した識別子を付け、結果を正しい出典とチャンネル情報に結び付けてください。会議では元の音を聞きながら参加者名や専門用語を確認します。講義やイベントでは、後の字幕や検索結果が該当箇所を見つけられるよう、音声の順序を保持してください。 メーカーの録音済み音声ガイドは、最大ファイルサイズを2 GBとし、大きな動画ファイルから音声ストリームを取り出すことを推奨しています。Novaリクエストには10分の処理タイムアウトも記載されています。これはリクエストの処理時間に関するもので、録音が最大10分という意味ではありません。有用な結果は、意図した録音の終わりを含みます。一部だけを保持した文字起こしを、全文として扱うべきではありません。 #### 単語、時刻、信頼度を読む 文書化されたJSON応答は、文字起こしの候補と認識された単語を含み、各単語に音声冒頭からの秒単位の開始・終了時刻と信頼度が付きます。複数話者の文字起こしでは、メーカーの任意の話者分離が各単語に話者ラベルを付けます。録音済み音声の話者分離は話者の信頼度も返し、ストリーミングの話者分離は話者ラベルを返します。それらのラベルを録音の声に照らして確認してください。文字起こし全体の信頼度も0〜1の尺度で報告されます。スマートフォーマットを要求した場合、結果には句読点付き単語として句読点や大文字・小文字が含まれ、読みやすい段落情報も得られます。 それらのフィールドは意味に従って使ってください。単語の時刻は認識された発話を位置付けますが、信頼度はモデルの信頼性の指標であり、難しい名前や数量を正しく聞き取った証明ではありません。字幕の準備では、確認済みの表現と時間情報を保持し、境界を音に照らして点検してください。読みやすい編集版では、不確実な単語をもっともらしい話に黙って置き換えず、認識された文字起こしと変更を区別できるようにします。 #### ストリーミング認識と確定セグメント Novaのストリーミングワークフローは、音声が届くにつれて、中間結果と確定結果のテキストを返します。is\_finalは、修正される可能性があるテキストと確定したセグメントを区別します。speech\_finalは、発話セグメントの終端検出に関係します。それらの信号を、単に空でない文字起こしを受け取ることと区別し、完成した記録を準備する際は、確定セグメントを音声の順に残してください。 Nova-3は汎用ASRであり、モデルにネイティブなターン検出を持つ別のFlux会話モデルではありません。Novaは文字起こしの確定状態と発話終端を示し、Fluxは独自の会話ターン状態イベントを提供します。音声が録音済みか、リアルタイムで届くかに合わせて文字起こしのワークフローを選び、実際の最終出力を保持する成果物にしてください。 #### 重要な語彙のためのキーターム Nova-3の文書化されたKeyterm Promptingは、単一言語と多言語の文字起こしに対応し、モデルを再学習せずに重要な用語の認識を誘導します。実際に話される可能性がある関連する名前、商品用語、頭字語、複数語のフレーズを入力してください。ガイドはkeyterm入力の合計を500トークンに制限し、一般的な単語を無差別に追加せず、最重要の語彙に絞ることを推奨しています。 メーカーの構文は、用語ごとに独立したkeyterm項目を持つ通常の用語を使います。複数語のフレーズは1つのフレーズのままです。旧式のキーワード重みや強調指定、独立した用語をカンマ・セミコロン・改行で連結する方法は同等ではありません。インターフェースが1つの文字列値として受け付けても、意図した認識の強化が得られないことがあります。名前の大文字・小文字を正しく入力し、その後も文字起こしを確認してください。音声の文脈やスマートフォーマットにより、最終的な表記が変わる場合があります。 #### モデルファミリーの境界と有用な結果 汎用Nova-3のプロファイルは、別名のMedicalやPharmaの選択肢とは異なります。語彙の誘導で別エディションに変わるわけではなく、専門モデルの言語範囲や動作を汎用モデルに想定するべきではありません。追加の文字起こし処理機能は、メーカーの音声ワークフロー内の選択肢です。要求していない要約、翻訳、その他の成果物を認識処理が生成した証拠ではありません。 有用なNova-3の成果物は、検索可能な会議の文字起こし、単語の時間情報を持つ字幕用の表現、多言語会話の記録などです。音声識別子、選択した言語ワークフロー、最終テキスト、有用な信頼度や時間フィールドを残してください。不明瞭な名前、数字、重なる声、言語切り替えを元の録音に照らして確認し、次のコンテンツ処理段階のために、実際に認識された発話を参照可能なままにしてください。 **Ailoot Ultra · 音声認識** `POST /v1/audio/transcriptions` `deepgram/nova-3` [`deepgram/nova-3`](https://ailoot.ai/models/ja/#m=deepgram%2Fnova-3&route=Ultra&caller=deepgram%2Fnova-3&fmt=transcriptions) Deepgram /`deepgram/nova-3` ### はじめに Nova-3は、録音音声とストリーミング音声に対応するDeepgramの汎用音声認識モデルです。単一言語の認識、定義された多言語の言語切り替えモード、キータームによる誘導に対応し、単語の時間情報と信頼度を伴う文字起こしを返します。 対応する入力 音声 結果 transcription ### Ailootで利用可能 · 入力とメソッド **Ailoot Ultra · 音声認識** `POST /v1/audio/transcriptions` 入力の種類 `audio` 出力の種類 `transcription` 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 deepgram/nova-3 | デフォルト— | | フィールド`input_audio` | 種類`object` | 要件必須 | 値と制限 | デフォルト— | | フィールド`language` | 種類`string` | 要件任意 | 値と制限 | デフォルト— | | フィールド`temperature` | 種類`number` | 要件任意 | 値と制限 最小値: 0 最大値: 1 | デフォルト— | | フィールド`response_format` | 種類`string` | 要件任意 | 値と制限 json, verbose\_json | デフォルトjson | | フィールド`timestamp_granularities` | 種類`array` | 要件任意 | 値と制限 | デフォルト— | | フィールド`provider` | 種類`object` | 要件任意 | 値と制限 | デフォルト— | 入力素材の組み合わせ **speech\_to\_text** · 必須: actual matching-format 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`content_types` | 仕様application/json, multipart/form-data | | パラメータ`required` | 仕様model, input\_audio | | パラメータ`material_types` | 仕様audio | | パラメータ`JSON_audio` | 仕様実際の未加工音声のバイト列をbase64にしたものと、対応する形式 | | パラメータ`multipart_required` | 仕様model, file | | パラメータ`multipart_cap_bytes` | 仕様26214400 | | パラメータ`optional_controls` | 仕様language, temperature, response\_format, timestamp\_granularities, provider | | パラメータ`default_response_format` | 仕様json | | パラメータ`optional_features` | 仕様詳細出力、diarize/keyterms、URLや大容量のインライン音声を利用するには、該当するモデル／プロバイダーの機能と料金体系が必要です。 | 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}` 正確なモデルと、文書に記載された入力フィールドを使用してください。 完全なレスポンス、実際の出力、および元の返却IDをすべて保持してください。 ### 料金 料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。 高速モード 未指定 高速モードが選択されている場合 Flex モード 未指定 flex モードが選択されている場合 最大推論量 未指定 推論量が最大で、調整に既定値（default）を使用する場合 #### Ailootの料金 #### 設定別の価格 各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。 | 設定 | 料金表 | 課金単位 | 料金 | | --- | --- | --- | --- | | 設定基本トークン料金 | 料金表基本料金 | 課金単位— | 料金 入力 · 入力トークン **—** / 1K トークン 出力 · 出力トークン **—** / 1K トークン 入力 · キャッシュ読み取り **—** / 1K トークン 入力 · キャッシュ書き込み **—** / 1K トークン 入力 · キャッシュ書き込み、1時間 **—** / 1K トークン | | 設定Ultra | 料金表— | 課金単位入力音声1秒あたり | 料金 入力 · 入力音声の秒 **$0.0001433333333334** 入力音声1秒あたり | 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/) #### 参考料金の詳細 モデル単位の参照料金表は、メソッド選択、見積もり、課金を変更しません。実際の課金には、選択したAilootメソッドの料金を適用します。 Deepgram: Nova-3 #### 設定別の価格 | 設定 | 課金条件 | 料金 | | --- | --- | --- | | 設定Deepgram: Nova-3 · 標準設定 | 課金条件デフォルト設定 | 料金 入力 · 入力音声の秒数 **≈$0.000143** 入力音声1秒あたり | ### リクエスト例 #### Ailoot Ultra · 音声認識 curl · 正確なネイティブ形式のボディと結果全体 ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path import base64 audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes() if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file') if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow') request={'model': 'deepgram/nova-3', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}} request['input_audio']['data']=base64.b64encode(audio).decode('ascii') Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### 結果を受け取って保存 #### Ailoot Ultra · 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。 元のJSON全体、利用可能なすべてのテキスト／セグメント／単語／話者／タイムスタンプ、および使用量。 ##### 元のレスポンスを確認する場合 元のoperation\_id/X-Client-Request-IDと、元のレスポンスを保持してください。再送信せず、実際の所有タスク／アセットのレコードを読み取ってください。音声専用のポーリングURLを組み立てることはしません。 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`usage` | 種類object | | フィールド`segments[]` | 種類object | | フィールド`words[]` | 種類object | ### エイリアス #### モデルのエイリアス **Ailoot Ultra** [`deepgram/nova-3`](https://ailoot.ai/models/ja/#m=deepgram%2Fnova-3&route=Ultra&caller=deepgram%2Fnova-3&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 [`deepgram/nova-3`](https://ailoot.ai/models/ja/#m=deepgram%2Fnova-3&route=Ultra&caller=deepgram%2Fnova-3&fmt=transcriptions) FAQ · Deepgram: Nova-3 利用できる入力と結果は何ですか？ `POST /v1/audio/transcriptions` · `deepgram/nova-3`: `audio` → `transcription` リクエストはどの項目を使用しますか？ `POST /v1/audio/transcriptions` · `deepgram/nova-3`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` どの制限が適用されますか？ `POST /v1/audio/transcriptions` · `deepgram/nova-3`: `temperature.minimum`: `0`; `temperature.maximum`: `1` 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。