リアルタイム ASR

#リアルタイムASR

リアルタイム ASR は、ライブ キャプション、音声入力、会議スタイルの文字起こしに使用します。Open API では、リアルタイム ASR が利用できるかどうかはアカウントとロールアウトによって異なります。現在の GET /api/openapi.json スキーマとアカウント構成を信頼できる情報源として使用します。

＃＃ リクエスト

リアルタイム ASR は、有効になっている場合、WebSocket スタイルのストリーミング モデルを使用します。接続は通常のベアラー API キーを使用して認証されます。

Authorization: Bearer KITTA_API_KEY

有効なモデルで必要なエンコードとチャンク サイズで音声を送信します。製品がブラウザで音声を録音する場合は、クライアント コードに API キーを埋め込むのではなく、バックエンドまたは承認された API キー交換フローを通じて音声をルーティングします。

＃＃ 応答

応答は、部分テキスト、最終テキスト、タイミング メタデータ、および端末エラーを含むイベント ストリームです。部分的な結果を一時的な UI 状態として扱い、サービスが最終セグメントを最終としてマークした後でのみ最終セグメントを保持します。

請求とクレジット

リアルタイム ASR は、セッション期間または処理されたオーディオ期間によって課金される場合があります。製品でセッションの最大長を強制し、高価なライブ セッションを開始する前に プロファイル を呼び出してください。

エラー

アカウントでリアルタイム ASR が利用できない場合は、ファイルの転写に HTTP Speech to Text エンドポイントを使用します。ストリーミング エラーの場合は、接続を閉じ、最後の最終トランスクリプトを保持し、ユーザーが意図的に再起動できるようにします。