コンテンツにスキップ
Documentation

RTC文字起こし

RTCでは、通話終了後に録音の音声を文字起こしに変換できます。すべての 参加者のマイク音声および共有された画面の音声は、それぞれ個別に 文字起こしされるため、各行には話者が正確に明記されます。1つのマイクを共有している2人の参加者は、 1つの話者ラベルを共有します。

通話中のライブキャプション機能は、まだお客様にご利用いただけません。 transcript.segment および captions.* ウェブフックは引き続き 予定.

  • 文字起こし分数は、ご契約のプランに含まれている必要があります: プラン: 「Growth」および「Business」プランにはこれらが含まれており、どのプランでもパックを追加できます。
  • 参加者に通知し、ご利用のユースケースに必要な、 録音および文字起こしに関する同意を得てください。文字起こしの対象となる録音が実行されている間は、アプリケーション上に目立つ インジケーターを表示する必要があります。
  • 文字起こし対象外となる参加者(例:お子様、または 文字起こしを辞退された方)は、 transcribe: false リクエストに表示されます。

録音を始める際に文字起こしを依頼するか、終了後に完了した文字起こしを依頼してください。

メソッドとパススコープ結果
POST /v1/recordings で "transcript": truerecordings:write録音が開始され、終了時に文字起こしがリクエストされます
POST /v1/recordings/{recordingId}/transcriptrecordings:write202 { "recordingId", "status" }
GET /v1/recordings/{recordingId}/transcriptrecordings:read文字起こしデータとそのステータス(読み取り)
GET /v1/recordings/{recordingId}/transcript?format=vttrecordings:readファイル形式の文字起こし(フォーマット)
GET /v1/transcriptsrecordings:readテキストを含まないトランスクリプトが、新しい順に表示されます。「ゴミ箱」にある録音のトランスクリプトは除外されるため、1ページに表示される件数は limit 項目が含まれます。引き続きご確認ください X-Next-Cursor

リクエスト本文は任意です:

{ "language": "de", "vocabulary": ["CHAMPREP", "Hocuspocus", "Dr. Okonkwo"] }
フィールドルール
languageA 言語コード、または zh-Hant 繁体字中国語の場合。これを省略すると、RTCが各参加者の言語を自動的に検出します。
vocabularyヒント:最大100個の固有名詞、製品名、専門用語まで指定可能です。各単語は最大64文字、合計で1 KBまでです。ヒントを指定すると、これらの単語が検出されやすくなりますが、スペルが保証されるわけではありません。

文字起こしデータは以下の状態を経由します:

status意味
waiting録音はまだ進行中です。文字起こしは録音が終了した時点から開始されます。
reservingRTCは、トランスクリプトの分数を、お客様の利用枠から差し引きます。
queued予約済み分数;文字起こし担当者の手配待ちです。
running現在、文字起こし中です。
done読み取りの準備が整いました。
failed作成されていません。 error および errorCode 理由をご説明ください。転写に失敗した場合は無料です。

1つの録音には1つの文字起こしがあります。文字起こしが存在する場合や処理中の場合に再度リクエストすると、 応答 409 TRANSCRIPT_EXISTS。再度リクエストして a 失敗しました 1回実行すると、RTCが再度実行します。変更することも可能です language および vocabulary。音声のない録音の場合は、空の応答が返されます 409 NO_AUDIO.

処理にかかる時間は、通常、録音時間の半分を大幅に下回る時間に数 分を加えた程度です。 transcript.completed ポーリングではなく Webhookをご利用ください。

GET /v1/recordings/{recordingId}/transcript JSONを返します (Cache-Control: no-store):

{
"recordingId": "REC_UUID",
"status": "done",
"language": "en",
"billedMinutes": 42,
"truncated": false,
"durationMs": 2512000,
"model": "faster-whisper-small",
"completedAt": "2026-11-08T12:44:10.000Z",
"segments": [
{ "participantId": "PARTICIPANT_UUID", "identity": "user-123", "source": "microphone", "startMs": 61000, "endMs": 63400, "text": "Let's start with the roadmap." }
],
"createdAt": "2026-11-08T12:00:00.000Z"
}
フィールド意味
segments時間順の行:誰(participantId、およびあなたの identity (参加者に設定がある場合)、音声 source (microphone または screen_audio)、日時(startMs, endMs (録音の開始時点からの)および text
language主な言語、または指定した言語(zh-Hant (繁体字中国語の場合)
billedMinutes今回の実行で課金された分数(課金)
truncatedtrue クロストークが激しい実行中に割り当てが尽きた場合、テキストはそこで停止します
error, errorCode実行が失敗した理由: RTC_ALLOWANCE_EXHAUSTED, BILLING_UNAVAILABLE, CANCELLED, RECORDING_LENGTH_UNKNOWN (録音の開始時刻または終了時刻が欠落しているため、測定や課金ができません)、または処理エラーによるコードなし
request今回の実行で求められた内容: language (検出された場合は表示されません)および vocabularyであるため、再試行により再度送信される可能性があります

このテキストは、参加者が発話した内容です。アプリケーション内では、これを信頼できないユーザーコンテンツとして扱ってください。

追加 format 完成した文字起こしをファイルとしてエクスポートするには。結果は という名前の添付ファイルとなります。 transcript-{recordingId}.{format}。トランスクリプトが done 回答 409 TRANSCRIPT_NOT_READY を除くすべてのフォーマットで json.

formatコンテンツタイプ話者
json (デフォルト)application/jsonidentity および participantId セグメントごと
vtttext/vttWebVTT音声タグ: <v user-123>text
srtapplication/x-subrip各キューの前: user-123: text
txttext/plainセグメントごとに1行: [00:01:01] user-123: text

参加者にがない場合 identity、その participantId が使用されます。

文字起こし機能は約100の言語に対応しています。これらは2つのレベルで提供されており、 公開会議および音声読み上げデータセットでの測定された精度に基づいています:

レベル言語
一般提供中英語(en)、スペイン語(es)、ポルトガル語(pt)、ドイツ語(de)、イタリア語(it)、ロシア語(ru)、日本語(ja)、フランス語(fr)、中国語(zh、簡体字; zh-Hant (繁体字用)
ベータ版アラビア語を含むその他のすべての言語(ar) およびヒンディー語(hi)

ベータ言語にも対応していますが、精度は低く、予測も困難です。実際の会議の 音声(複数人の参加、即興的な会話)では、英語の単語誤認識率が 約20%になると予想されます。読み上げ音声や、明瞭な単一話者の場合は、はるかに良好な結果が得られます。

GET /v1/capabilities 以下のコード一覧を参照してください transcription.languages, 以下の 一般的に利用可能なものを transcription.gaLanguages、フォーマットおよび 語彙制限。

中国語は、特に指定がない限り簡体字で表記されます。 zh-Hant.

文字起こしには、 rtc-transcription-minutes 割り当て。

  • 単位: 録音時間と全参加者の合計発話時間のうち、長い方の 開始された1分ごとに1回課金されます。通常、1人が 一度に話す会議の場合は、その長さに基づいて課金されます。多くの人が 同時に話す場合は、代わりに合計発話時間が課金の基準となります。
  • 実行に失敗した場合は無料となります。 実行に失敗した場合や キャンセルされた場合、料金は一切発生しません。予約されていた分数は解放されます。
  • 優先予約: RTCは、文字起こしファイルがキューに入れられる前に、利用枠から 録音の長さに相当する分を確保します。十分な分数が確保できない場合、リクエストは失敗します 無料で errorCode: "RTC_ALLOWANCE_EXHAUSTED" および transcript.failed イベントでは、パックおよびアップグレードが以下に一覧表示されます offers.
  • クロストーク: 激しいクロストークの文字起こし中、RTCは音声量が増えるにつれて より多くの分数を確保します。割り当て分が尽きた場合、文字起こしはその時点で停止し、 マークされます truncated: true、および文字起こしされた分のみが課金対象となります。
  • 課金先への接続ができない場合、リクエストは待機した後、無料で失敗となります。 BILLING_UNAVAILABLE。RTCは、課金対象でない場合は決して文字起こしを行いません。
  • 完成した文字起こしは常に納品されます。課金部門がその後 分数を確認できない場合、RTCは試行を続け、数時間後に、使用された各 分を「利用分」として記録します。使用された分は決して無料にはなりません。

文字起こし分が含まれないプランの場合、回答は 403 RTC_FEATURE_NOT_IN_PLAN; 使い切った 割り当てへの回答 402 RTC_ALLOWANCE_EXHAUSTED。どちらも feature: "rtc-transcription-minutes" および offers で修正されます。詳しくは プランおよび請求 利用枠、 パックおよび従量制の料金について。

参加者の 参加トークン carries "transcribe": false は決して文字起こしされません。その参加者のトラックは通常通り録音されますが、 文字起こしの際にはスキップされます。お子様や、参加を辞退された方、あるいは 利用規約で必要とされる場合にこの設定をご利用ください。文字起こしされた記録には、その方のセリフは一切含まれません。

イベントdata
transcript.queuedrecordingId, roomId, reservedMinutes
transcript.completedrecordingId, roomId, segments (count)、 durationMs, billedMinutes, truncated
transcript.failedrecordingId, roomId, error、および課金上の理由により code (RTC_ALLOWANCE_EXHAUSTED, BILLING_UNAVAILABLE または CANCELLED)と offers、または RECORDING_LENGTH_UNKNOWN

Webhookには文字起こしテキストが一切含まれません。詳細については、をご覧くださいAPI。参照: Webhook.

いつ ストレージはご自身でご用意ください に基づき、完成した 文字起こしデータは、その録音ファイルとともに、以下の通りお届けいたします。 transcript.json および transcript.vtt、同じ宛先、パステンプレート({artifact} および {file})、再試行およびイベント(recording.delivered with artifact: "transcript:json" または "transcript:vtt")。ゴミ箱内の録音データは 配信されません。

録音後、速やかに文字起こしデータが提供されます:

  • ゴミ箱: 録音が「ゴミ箱」に移動すると、その文字起こしも非表示になります (404)。録音を復元すると、文字起こしも復元されます。
  • 完全に削除されました: ゴミ箱から録音を削除した場合、またはゴミ箱に入ってから30日後に自動的に 削除された場合、文字起こしデータも同時に削除されます。
  • 文字起こしデータの有効期限が切れることはありません。録音データと同じ期間、 ご契約のプランに基づく録音データの保存期間に従って保管されます。

お客様のストレージにすでに配信されたコピーはお客様の所有物であり、決して削除されることはありません。

  • CHAMPREP は、録音データと文字起こしデータを処理します お客様の処理業者としての約束、お客様の ご指示に基づき。
  • 文字起こしは セルフホスト型:本サービスは、米国にある『』CHAMPREP独自のRTC AWSアカウント 上で稼働しています(us-east-1)。音声およびテキストは、いかなる第三者にも 送信されず、下請け処理業者も関与しておりません。
  • お客様の音声データおよび文字起こしデータは 「モデルの学習には一切使用しません」 モデル。
  • 文字起こしテキストは、ログ、Webhook、またはサポートCHAMPREPツールには一切表示されません。
  • お客様は、録音および文字起こしの対象となる方々の 法的根拠および同意の確保、録音および文字起こしの 表示を明確に示すこと、ならびに未成年者を保護する法律(COPPAやFERPAなど)の遵守について責任を負います。ご利用 transcribe: false 文字起こしをしてはならない 方々のための約束。