Source: https://ailoot.ai/models/ja/elevenlabs-scribe-v2/ Canonical: https://ailoot.ai/models/ja/elevenlabs-scribe-v2/ Language: ja # ElevenLabs: Scribe v2 [Markdown](https://ailoot.ai/models/ja/elevenlabs-scribe-v2/index.md) · [JSON](https://ailoot.ai/models/ja/elevenlabs-scribe-v2/facts.json) ## [ElevenLabs: Scribe v2](https://ailoot.ai/models/ja/elevenlabs-scribe-v2/) ElevenLabs Scribe v2は、90以上の言語の録音音声を、単語単位の時刻情報、任意の話者分離、発話以外の音のイベントタグ付きで文字起こしします。長時間の録音、字幕、編集可能な文字起こし向けに設計され、文脈に応じたキーワード指定と、逐語または読みやすく整える文字起こしを選べます。 - [**Ailoot Ultra · 文字起こし** `POST /v1/audio/transcriptions` `elevenlabs/scribe-v2`](https://ailoot.ai/models/ja/elevenlabs-scribe-v2/#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。 ElevenLabs Scribe v2は、録音済みの音声、文字起こし、字幕作成、キャプション作成向けのバッチ音声認識モデルです。Scribe v1を基盤に、長い録音、間、声の調子の変化、長い無音区間への対応を改善しています。結果は、時刻情報と、任意の話者・音声イベント注釈を含む発話テキストです。Scribe v2 Realtimeは別のライブ文字起こし版であり、このモデルの目的は録音全体の処理です。 メーカーは、90を超える言語での認識と、途中で言語が切り替わる録音を含む自動言語検出を文書化しています。言語がわかっている場合、そのヒントは音声の解釈に役立ちます。明瞭な録音を準備し、元の言語と名前を維持して、深刻なクリッピングや、発話の細部を失わせる不要な処理を避けてください。文書化された一般的な入力には、WAV、MP3、FLAC、M4A、AAC、OGG、Opus、WebMがあります。文字起こしの実装が対応する入力表現を選び、確認用に元の録音を保持します。 標準の応答には、認識したテキスト、検出した言語の情報、時刻付きの単語列が含まれます。単語レコードには、開始・終了時刻、話者識別子、認識の対数確率が含まれることがあります。これらにより、字幕、検索可能なインタビュー、該当する音声に戻れる編集環境で結果を活用できます。時刻情報付きの結果を元の音声とともに保持してください。例えばポッドキャストでは、編集可能な文字起こしと、字幕を配置する前に訂正箇所を見つけられる単語対応の記録を成果物にできます。 話者分離は、複数の話者が含まれる音声で、誰がいつ話したかをラベル付けします。メーカーは最大32人の話者を文書化しています。発話の切り替わりが重要な場合は有効にし、話者数がわかっている場合は妥当な人数を指定してください。検出された話者ラベルと、確認済みの人物名を区別します。インタビューや会議では、特に声が重なる部分や声が似ている部分で、発話の切り替わりを録音と照合してください。ラベルは文字起こしの整理に役立ちますが、それだけで話者の身元を確定するものではありません。 各チャンネルに一人の話者がいる録音は、複数の声を一つのチャンネルに混ぜた録音とは構造が異なります。開発元のインターフェースでは、最大5チャンネルを独立して処理し、個別の文字起こし、またはチャンネル番号付きで時刻順にまとめた文字起こしを返せます。意味のあるチャンネル構成は維持してください。分離した通話録音を文字起こし前に一つに混ぜると、有用な話者情報が失われることがあります。チャンネルに基づく帰属と、混合音声から推定した話者分離を区別します。複数チャンネルをまとめた応答にはタイムスタンプが必要で、エンティティ検出やマスキングは含められません。 キーワードの指定は、名前、製品用語、専門語彙の認識を文脈から導きます。現行のバッチ文書では最大1,000件の用語を認め、各用語は50文字未満、かつ5単語以内とされています。広範で無関係な一覧ではなく、関連する綴りを提供してください。技術インタビューなら、登場しそうな製品名や略語を指定し、結果のタイムスタンプで確認します。キーワードは認識に方向付けを与えるものであり、録音に根拠がない語を挿入する指示ではありません。 読みやすく整える前に、文字起こしの目的を選びます。逐語記録は発話の文言を残し、文書化されたno-verbatimオプションは、フィラー、言いかけ、発話のつかえを除いて読みやすくします。動的な音声タグ付けは、笑い声や足音など、発話以外の音のイベントを識別できます。整えた文字起こしは字幕や閲覧に役立つ場合がありますが、繰り返し、言い直し、発話以外の音が重要な作業では、元の記録を黙って置き換えてはいけません。 メーカーは、エンティティ検出と試験的な文字起こし編集も文書化しています。開発元のインターフェースでは、文字起こし編集と、エンティティ検出、エンティティのマスキング、複数チャンネルの文字起こしを組み合わせることはできません。検出したエンティティは、文字起こし内の選択された情報について、構造化された位置を示します。任意のエンティティのマスキングは、検出したテキストを代替ラベルで隠します。エンティティ検出に依存し、有効時にはエンティティ一覧が返されません。マスキングは文字起こし中に行われ、汎用の置換マーカー、分類ラベル、番号付き分類ラベルを使います。自動マスキングでは機微情報を見落とすことがあるため、共有前にマスキング済みの文字起こしを確認してください。自然言語による編集は、元の結果と並べて編集後のテキストを返し、元の時刻情報と話者記録も利用可能なままにします。これらの成果物は区別して保持します。綴りの訂正や文の再整形は、音声と対応付けたり後続の抽出に使ったりする前に、改めて確認が必要な場合があります。これらの機能は文字起こしを処理するもので、重要な詳細がすべて正しく認識されたことを証明するものではありません。 文字起こしを仕上げるには、対応する音声に戻り、名前、数字、否定、話者の交代を確認します。文章の自然さだけで品質を判断せず、音量の小さい区間、声の重なり、言語の切り替わりに注意してください。聞き取れない部分をもっともらしい文で補うのではなく、不確かな文言を訂正用に残します。有用な結果は、用途に必要な時刻情報と話者情報を備えた、確認済みのテキスト記録です。その後、別の要約、翻訳、分析工程への入力として文字起こしを使えます。 **Ailoot Ultra · 文字起こし** `POST /v1/audio/transcriptions` `elevenlabs/scribe-v2` [`elevenlabs/scribe-v2`](https://ailoot.ai/models/ja/#m=elevenlabs%2Fscribe-v2&route=Ultra&caller=elevenlabs%2Fscribe-v2&fmt=transcriptions) ElevenLabs /`elevenlabs/scribe-v2` ### はじめに ElevenLabs Scribe v2は、90以上の言語の録音音声を、単語単位の時刻情報、任意の話者分離、発話以外の音のイベントタグ付きで文字起こしします。長時間の録音、字幕、編集可能な文字起こし向けに設計され、文脈に応じたキーワード指定と、逐語または読みやすく整える文字起こしを選べます。 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 Ultra · 文字起こし** `POST /v1/audio/transcriptions` 入力の種類 `audio` 出力の種類 `text` | 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 elevenlabs/scribe-v2 | 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— | 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_type` | 仕様application/json | | 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`material_conditions` | 仕様この例では、実際の空でないPCM WAVファイルを読み込み、ファイル全体のバイト列をbase64にエンコードして、input\_audio.formatをwavとして送信します。 | ライフサイクル: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · 既存の所有メディアレコードにある正確なtask\_id `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### 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 | | 設定入力音声の秒 | 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 **$0.0001222222222222** 入力音声1秒あたり | Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。[金額の確保と精算の仕組み →](https://ailoot.ai/docs/ja/billing/reserve/) ### リクエスト例 #### Ailoot Ultra · 文字起こし curl · 実際の WAV ファイルと元の結果全体 ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}" export AILOOT_AUDIO_FILE python3 - <<'PY_REQUEST' import base64, io, json, os, wave from pathlib import Path audio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes() if not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'): raise SystemExit('Supply your actual PCM WAV audio file') with wave.open(io.BytesIO(audio), 'rb') as recording: if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0: raise SystemExit('Supply a nonempty PCM WAV recording') request = {'model': 'elevenlabs/scribe-v2', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}} 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 # Retain the complete original response, headers and actual X-Client-Request-ID. # Read existing owned records for recovery; do not resubmit an uncertain operation. ``` ### 結果を受け取って保存 #### Ailoot Ultra · 文字起こし 元のレスポンス本文全体、ステータス、および転送されたヘッダー。このハンドラーは共通のJSON構造、テキストフィールド、タスクの外側の構造を追加しません。 - `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。 レスポンスとヘッダーの全体、実際の出力すべて、最初に返された識別子、使用量フィールドすべてを保存してください。作成リクエストを再送せずに、元の操作を復旧してください。 ##### 元のレスポンスを確認する場合 実際のX-Client-Request-IDと完全なレスポンスを保持してください。元の所有アセットと、その正確な署名付きコンテンツURLを読み取ってください。結果が不確かな作成リクエストは、決して再送信しないでください。 レスポンスのフィールド | フィールド | 種類 | | --- | --- | | フィールド`text (when present)` | 種類 | | フィールド`usage (when present)` | 種類 | 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JSON本文、または明示された正規モデルIDが無効です。 | 次の手順レスポンスを保持し、指摘されたリクエストフィールドを修正してください。 | | レスポンス401 · `authentication_error` | 条件Ailoot APIキーが無効です。 | 次の手順利用権限のあるAiloot APIキーを使用してください。 | | レスポンス403 · `permission_error` | 条件このキーのグループでは、このメソッドの利用が許可されていません。 | 次の手順返されたエラーの詳細を保持してください。 | | レスポンス404 · `not_found_error` | 条件選択したメソッドには、利用が許可されたルートがありません。 | 次の手順返されたエラーの詳細を保持してください。 | | レスポンス422 · `price_unavailable` | 条件受諾済みの料金体系に必要な入力量、またはその上限を取得できません。 | 次の手順レスポンスを保持し、受諾済みの料金体系で必要とされる入力表現を使用してください。 | | レスポンス503 · `` | 条件必要な保存領域、ルート、メソッド料金、または料金の仮押さえを利用できません。 | 次の手順元のレスポンス全体を保持してください。料金の仮押さえ状態が不明でも、再送信が認められるわけではありません。 | | レスポンス502 · `server_error` | 条件元の結果、使用量、または精算を確認する必要があります。 | 次の手順実際のリクエストIDと元のレスポンスを保持してください。既存の所有レコードを読み取ってください。作成リクエストを再送信しないでください。 | ### エイリアス #### モデルのエイリアス **Ailoot Ultra** [`elevenlabs/scribe-v2`](https://ailoot.ai/models/ja/#m=elevenlabs%2Fscribe-v2&route=Ultra&caller=elevenlabs%2Fscribe-v2&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 [`elevenlabs/scribe-v2`](https://ailoot.ai/models/ja/#m=elevenlabs%2Fscribe-v2&route=Ultra&caller=elevenlabs%2Fscribe-v2&fmt=transcriptions) FAQ · ElevenLabs: Scribe v2 利用できる入力と結果は何ですか？ `POST /v1/audio/transcriptions` · `elevenlabs/scribe-v2`: `audio` → `text` リクエストはどの項目を使用しますか？ `POST /v1/audio/transcriptions` · `elevenlabs/scribe-v2`: `model`, `input_audio` 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。