Transcribe Audio

AI を活用した文字起こし（faster-whisper）で音声をテキストに変換します。プレーンテキスト、SRT、VTT の出力形式に対応し、言語の自動または手動選択が可能です。

API Endpoint

POST /api/v1/tools/audio/transcribe-audio

音声ファイルと JSON settings フィールドを含む multipart フォームデータを受け付けます。

Parameters

Parameter	Type	Required	Default	Description
language	string	No	"auto"	言語: auto、en、de、fr、es、zh、ja、ko、id、th、vi
outputFormat	string	No	"txt"	出力形式: txt、srt、vtt

Example Request

curl -X POST http://localhost:1349/api/v1/tools/audio/transcribe-audio \
  -H "Authorization: Bearer si_your-api-key" \
  -F "[email protected]" \
  -F 'settings={"language": "en", "outputFormat": "srt"}'

Example Response

これは非同期ツールです。API はただちに 202 Accepted を返します:

{
  "jobId": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
  "async": true
}

GET /api/v1/jobs/{jobId}/progress の SSE で進捗を追跡します。ジョブが完了すると、SSE ストリームが downloadUrl とともに最終結果を配信します。

Notes

• transcription 機能バンドルのインストールが必要です。バンドルが利用できない場合、コード FEATURE_NOT_INSTALLED、不足している feature、featureName、estimatedSize とともに 501 を返します。
• 文字起こしには faster-whisper を使用します。言語 auto は、話されている言語を自動検出します。
• srt と vtt 形式は各セグメントのタイムスタンプを含み、字幕に適しています。
• txt 形式はタイムスタンプなしのプレーンテキストを返します。
• これは実行時間の長い AI ツールです。処理時間は音声の長さとサーバーのハードウェアに依存します。