AssemblyAI (プレビュー)

AssemblyAI の Speech AI を使用して、オーディオからデータを文字起こしして抽出します。

このコネクタは、次の製品とリージョンで使用できます。

サービス クラス リージョン
コピロット スタジオ Premium 次を除くすべての Power Automate リージョン :
     - 米国政府 (GCC)
     - 米国政府 (GCC High)
     - 21Vianet が運営する China Cloud
     - 米国国防総省 (DoD)
ロジック アプリ Standard 次を除くすべての Logic Apps リージョン :
     - Azure Government リージョン
     - Azure China リージョン
     - 米国国防総省 (DoD)
Power Apps Premium 次を除くすべての Power Apps リージョン :
     - 米国政府 (GCC)
     - 米国政府 (GCC High)
     - 21Vianet が運営する China Cloud
     - 米国国防総省 (DoD)
Power Automate Premium 次を除くすべての Power Automate リージョン :
     - 米国政府 (GCC)
     - 米国政府 (GCC High)
     - 21Vianet が運営する China Cloud
     - 米国国防総省 (DoD)
お問い合わせ
名前 Support
URL https://www.assemblyai.com/docs/
Email support@assemblyai.com
コネクタ メタデータ
Publisher AssemblyAI
Website https://www.assemblyai.com
プライバシー ポリシー https://www.assemblyai.com/legal/privacy-policy
カテゴリ AI

AssemblyAI コネクタを使用すると、AssemblyAI のモデルを使用して、音声認識モデルで文字起こしし、オーディオ インテリジェンス モデルで分析し、LLM を使用してその上に生成機能を構築することで、オーディオ データを処理できます。

  • 音声テキスト変換 には、スピーカーのダイアライズ、カスタムスペル、カスタムボキャブラリなど、構成可能な多くの機能が含まれます。
  • オーディオ インテリジェンス モデル は、文字起こし構成を通じて使用可能で構成された追加の AI モデルです。
  • LeMUR を使用すると、非常に大きなトランスクリプト用に独自の RAG インフラストラクチャを構築する必要なく、さまざまな LLM モデルをトランスクリプトに適用できます。

[前提条件]

続行するには、次のものが必要です。

資格情報を取得する方法

アカウントにサインアップし、ダッシュボードから API キーをコピーすることで、AssemblyAI API キーを無料で取得できます。

コネクタの概要

AssemblyAI コネクタを使用してオーディオを文字起こしするには、次の手順に従います。

ファイルをアップロードする

AssemblyAI を使用してオーディオ ファイルを文字起こしするには、AssemblyAI からファイルにアクセスできる必要があります。 オーディオ ファイルに URL 経由で既にアクセスできる場合は、既存の URL を使用できます。

それ以外の場合は、 Upload a File アクションを使用してファイルを AssemblyAI にアップロードできます。 API キーを使用して文字起こしするためにのみ使用できるファイルの URL が返されます。 ファイルを文字起こしすると、ファイルは AssemblyAI のサーバーから削除されます。

オーディオの文字起こし

オーディオを文字起こしするには、オーディオ ファイルの URL を使用して Audio URL パラメーターを構成します。 次に、追加のパラメーターを構成して 、音声認識 機能と オーディオ インテリジェンス モデルをさらに有効にします。

"オーディオの文字起こし" アクションの結果は、キューに登録されたトランスクリプトであり、すぐに処理が開始されます。 完了したトランスクリプトを取得するには、次の 2 つのオプションがあります。

  1. トランスクリプト準備完了 Webhook を処理する
  2. トランスクリプトの状態をポーリングする

トランスクリプト準備完了 Webhook を処理する

Logic Apps または Power Automate を使用して Webhook を処理しない場合は、Transcribe Audio アクションで Webhook URL パラメーターを構成し、AssemblyAI の webhook ドキュメントに従って webhook を実装します。

Logic Apps または Power Automate を使用して Webhook を処理するには、次の手順に従います。

  1. 別のロジック アプリまたは Power Automate フローを作成する

  2. トリガーとして When an HTTP request is received を構成します。

    • Who Can Trigger The Flow? を Anyoneに設定する
    • Request Body JSON Schemaを次に設定します。
      {
  "type": "object",
  "properties": {
    "transcript_id": {
      "type": "string"
    },
    "status": {
      "type": "string"
    }
  }
}
    • Method を POSTに設定する

  3. AssemblyAI Get Transcript アクションを追加し、トリガーから Transcript ID パラメーターにtranscript_idを渡します。

  4. 他の操作を行う前に、 Status が completed か errorかを確認する必要があります。 Get Transcript出力からのStatusがerrorされているかどうかを確認するConditionアクションを追加します。

    • True ブランチで、Terminate アクションを追加します
      • StatusをFailed
      • CodeをTranscript Error
      • Get Transcript出力から Message パラメーターにErrorを渡します。
    • Falseブランチは空のままにしておくことができます。

    これで、トランスクリプトの状態がcompletedCondition後に任意のアクションを追加でき、Get Transcript アクションの出力プロパティを取得できます。

  5. ロジック アプリまたはフローを保存します。 When an HTTP request is received トリガーのHTTP URLが生成されます。 HTTP URLをコピーし、元のロジック アプリまたはフローに戻ります。

  6. 元のロジック アプリまたはフローで、 Transcribe Audio アクションを更新します。 前にコピーした HTTP URL を Webhook URL パラメーターに貼り付けて保存します。

トランスクリプトの状態が completed または errorになると、AssemblyAI は WEBhook URL に HTTP POST 要求を送信します。これは、他のロジック アプリまたはフローによって処理されます。

webhook を使用する代わりに、次のセクションで説明するようにトランスクリプトの状態をポーリングできます。

トランスクリプトの状態をポーリングする

次の手順を使用して、トランスクリプトの状態をポーリングできます。

  • Initialize variable アクションを追加する

    • Name を transcript_statusに設定する
    • Type を Stringに設定する
    • Transcribe Audio出力のStatusを Value パラメーターに格納する

  • Do until アクションを追加する

    • 次の Fx コードを使用して、 Loop Until パラメーターを構成します。 
      or(equals(variables('transcript_status'), 'completed'), equals(variables('transcript_status'), 'error'))
      このコードは、 transcript_status 変数が completed か errorかを確認します。
    • Count パラメーターを次のように構成します。86400
    • Timeout パラメーターを次のように構成します。PT24H

    Do until アクション内に、次のアクションを追加します。

    • 1 秒間待機する Delay アクションを追加する
    • Get Transcriptアクションを追加し、Transcribe Audio出力から Transcript ID パラメーターにIDを渡します。
    • Set variable アクションを追加する
      • Name を transcript_statusに設定する
      • Get Transcript出力のStatusを Value パラメーターに渡す

    Do until ループは、トランスクリプトが完了するか、エラーが発生するまで続行されます。

  • 前と同様に別の Get Transcript アクションを追加しますが、 Do until ループの後に追加して、 Do until アクションの範囲外で出力を使用できるようにします。

他の操作を行う前に、トランスクリプトの Status が completed されているか、 errorされているかを確認する必要があります。 transcript_statusがerrorされているかどうかを確認するCondition アクションを追加します。

  • True ブランチで、Terminate アクションを追加します
    • Status を Failedに設定する
    • Code を Transcript Errorに設定する
    • Get Transcript出力から Message パラメーターにErrorを渡します。
  • Falseブランチは空のままにしておくことができます。

これで、トランスクリプトの状態がcompletedCondition後に任意のアクションを追加でき、Get Transcript アクションの出力プロパティを取得できます。

アクションの追加

これで文字起こしが完了したので、トランスクリプトの ID を渡す他の多くのアクション (例:

  • Get Sentences of Transcript
  • Get Paragraphs of Transcript
  • Get Subtitles of Transcript
  • Get Redacted Audio
  • Search Transcript for Words
  • Run a Task using LeMUR

既知の問題と制限事項

現在、既知の問題はありません。 カスタム コネクタを使用することはできないため、Streaming Speech-To-Text (リアルタイム) はサポートされていません。

一般的なエラーと解決方法

エラーの詳細については、 AssemblyAI ドキュメントを参照してください。

FAQ

よく寄せられる質問については、ドキュメントを参照してください。

接続を作成する

コネクタでは、次の認証の種類がサポートされています。
デフォルト 接続を作成するためのパラメーター。 すべてのリージョン 共有不可

デフォルト

適用対象: すべてのリージョン

接続を作成するためのパラメーター。

これは共有可能な接続ではありません。 電源アプリが別のユーザーと共有されている場合、別のユーザーは新しい接続を明示的に作成するように求められます。

名前 タイプ Description 必須
AssemblyAI API キー securestring AssemblyAI API を認証するための AssemblyAI API キー。 正しい

調整制限

名前 呼び出し 更新期間
接続ごとの API 呼び出し 100 60 秒

アクション

LeMUR を使用してタスクを実行する

LeMUR タスク エンドポイントを使用して、独自の LLM プロンプトを入力します。
LeMUR 応答を取得する

以前に生成された LeMUR 応答を取得します。
LeMUR 要求データを消去する

以前に送信した LeMUR 要求のデータを削除します。 LLM 応答データと、元の要求で提供されたコンテキストが削除されます。
オーディオの文字起こし

URL を介してアクセスできるメディア ファイルからトランスクリプトを作成します。
トランスクリプトで単語を検索する

トランスクリプトでキーワードを検索します。 最大 5 つの単語または数値を含む個々の単語、数字、または語句を検索できます。
トランスクリプトで文を取得する

文で分割されたトランスクリプトを取得します。 API は、読み取りしやすいトランスクリプトを作成するために、トランスクリプトを文にセマンティックにセグメント化しようとします。
トランスクリプトで段落を取得する

段落ごとに分割されたトランスクリプトを取得します。 API は、読み取りしやすいトランスクリプトを作成するために、トランスクリプトを段落にセマンティックにセグメント化しようとします。
トランスクリプトの削除

トランスクリプトを削除します。 削除してもリソース自体は削除されませんが、リソースからデータが削除され、削除済みとしてマークされます。
トランスクリプトの字幕を取得する

SRT または VTT 形式でトランスクリプトをエクスポートして、字幕とクローズド キャプションのビデオ プレーヤーで使用します。
トランスクリプトを一覧表示する

作成したトランスクリプトの一覧を取得します。 トランスクリプトは、最新から最も古い順に並べ替えられます。 前の URL は、常に古いトランスクリプトを含むページを指しています。
トランスクリプトを取得する

トランスクリプト リソースを取得します。 "status" が "完了" になると、トランスクリプトの準備が整います。
メディア ファイルをアップロードする

AssemblyAI のサーバーにメディア ファイルをアップロードします。
編集されたオーディオを取得する

編集されたオーディオの状態と URL を含む編集済みオーディオ オブジェクトを取得します。

LeMUR を使用してタスクを実行する

操作 ID:
LemurTask

LeMUR タスク エンドポイントを使用して、独自の LLM プロンプトを入力します。

パラメーター

名前 キー 必須 型 説明
Prompt
 prompt True string

モデルに渡すコンテキストを含め、目的の出力を生成するようにモデルに求めるテキスト。
トランスクリプト ID
 transcript_ids array of uuid

完了したトランスクリプトとテキストの一覧。 最大 100 個のファイルまたは 100 時間のいずれか低い方です。 LeMUR への入力としてtranscript_idsまたはinput_textを使用します。
入力テキスト
 input_text string

カスタム形式のトランスクリプト データ。 最大サイズは、選択したモデルのコンテキスト制限であり、既定値は 100000 です。 LeMUR への入力としてtranscript_idsまたはinput_textを使用します。
Context
 context string

モデルを提供するコンテキスト。 文字列または自由形式の JSON 値を指定できます。
最終的なモデル
 final_model string

圧縮が実行された後の最後のプロンプトに使用されるモデル。
最大出力サイズ
 max_output_size integer

トークンの最大出力サイズ (最大 4,000)
気温
 temperature float

モデルに使用する温度。 値が大きいほど、より創造的な回答が得られます。値が小さいほど保守的になります。 0.0 から 1.0 までの任意の値を指定できます。

戻り値

Body
LemurTaskResponse

LeMUR 応答を取得する

操作 ID:
GetLemurResponse

以前に生成された LeMUR 応答を取得します。

パラメーター

名前 キー 必須 型 説明
LeMUR 要求 ID
 request_id True string

前に行った LeMUR 要求の ID。 これは、元の要求の応答で見つかります。

戻り値

Body
LemurResponse

LeMUR 要求データを消去する

操作 ID:
PurgeLemurRequestData

以前に送信した LeMUR 要求のデータを削除します。 LLM 応答データと、元の要求で提供されたコンテキストが削除されます。

パラメーター

名前 キー 必須 型 説明
LeMUR 要求 ID
 request_id True string

データを削除する LeMUR 要求の ID。 これは、元の要求の応答で見つかります。

戻り値

Body
PurgeLemurRequestDataResponse

オーディオの文字起こし

操作 ID:
CreateTranscript

URL を介してアクセスできるメディア ファイルからトランスクリプトを作成します。

パラメーター

名前 キー 必須 型 説明
オーディオ URL
 audio_url True string

文字起こしするオーディオまたはビデオ ファイルの URL。
言語コード
 language_code string

オーディオ ファイルの言語。 使用可能な値は、サポートされている言語にあります。 既定値は 'en_us' です。
言語検出
 language_detection boolean

自動言語検出 (true または false) を有効にします。
Speech モデル
 speech_model string

文字起こしに使用する音声モデル。
区切る
 punctuate boolean

自動句読点を有効にする(true または false)
テキストの書式設定
 format_text boolean

テキストの書式設定を有効にする(true または false)
不践量
 disfluencies boolean

メディア ファイルで、"um" のような Filler Words を文字起こしします。true または false を指定できます
デュアル チャネル
 dual_channel boolean

デュアル チャネル文字起こしを有効にします。true または false を指定できます。
Webhook URL
 webhook_url string

Webhook 要求を送信する URL。 2 種類の Webhook 要求を送信します。 トランスクリプトが完了または失敗した場合は 1 つの要求、redact_pii_audioが有効になっている場合は、編集されたオーディオの準備ができたときに 1 つの要求。
Webhook 認証ヘッダー名
 webhook_auth_header_name string

トランスクリプトが完了または失敗した Webhook 要求と共に送信されるヘッダー名
Webhook 認証ヘッダー値
 webhook_auth_header_value string

セキュリティを強化するために、トランスクリプトが完了または失敗した Webhook 要求で返送するヘッダー値
キー フレーズ
 auto_highlights boolean

キー フレーズ (true または false) を有効にする
オーディオの開始位置
 audio_start_from integer

メディア ファイルの文字起こしを開始する時点 (ミリ秒単位)
Audio End At
 audio_end_at integer

メディア ファイルの文字起こしを停止する時点 (ミリ秒単位)
Word Boost
 word_boost array of string

文字起こしの確率を高めるカスタム ボキャブラリの一覧
Word ブースト レベル
 boost_param string

指定した単語をブーストする量
不適切な表現をフィルター処理する
 filter_profanity boolean

文字起こしされたテキストから不適切な表現をフィルター処理します。true または false にすることができます
PII を編集する
 redact_pii boolean

Redact PII モデルを使用して文字起こしされたテキストから PII を編集します。true または false にすることができます
PII オーディオを編集する
 redact_pii_audio boolean

PII が "ビープ音" で読み上げられた元のメディア ファイルのコピーを生成します。true または false にすることができます。 詳細については、PII の編集を参照してください。
PII オーディオ品質を編集する
 redact_pii_audio_quality string

redact_pii_audioによって作成されるオーディオのファイルの種類を制御します。 現在、mp3 (既定) と wav がサポートされています。 詳細については、PII の編集を参照してください。
PII ポリシーを編集する
 redact_pii_policies array of string

有効にする PII Redaction ポリシーの一覧。 詳細については、PII の編集を参照してください。
PII 置換を編集する
 redact_pii_sub string

検出された PII の置換ロジックには、"entity_name" または "ハッシュ" を指定できます。 詳細については、PII の編集を参照してください。
話者ラベル
 speaker_labels boolean

スピーカーの diarization を有効にする(true または false)
スピーカーが必要です
 speakers_expected integer

話者ラベル モデルに、識別を試みる必要がある話者の数 (最大 10) を示します。 詳細については、「話者の diarization」を参照してください。
コンテンツ モデレーション
 content_safety boolean

コンテンツ モデレーションを有効にする(true または false)
コンテンツ モデレーションの信頼度
 content_safety_confidence integer

コンテンツ モデレーション モデルの信頼度しきい値。 値は 25 から 100 の間である必要があります。
トピック検出
 iab_categories boolean

トピックの検出を有効にする (true または false)
より
 from True array of string

置換する単語または語句
移行先
 to True string

置換する単語または語句
感情分析
 sentiment_analysis boolean

感情分析を有効にする (true または false)
自動チャプター
 auto_chapters boolean

自動チャプターを有効にする(true または false)
エンティティ検出
 entity_detection boolean

エンティティ検出を有効にする (true または false)
音声のしきい値
 speech_threshold float

この数未満の音声を含むオーディオ ファイルを拒否します。 有効な値の範囲は、[0, 1] です。
概要作成を有効にする
 summarization boolean

集計を有効にする(true または false)
概要モデル
 summary_model string

トランスクリプトを要約するモデル
概要の種類
 summary_type string

概要の種類
カスタム トピックを有効にする
 custom_topics boolean

カスタム トピック (true または false) を有効にする
カスタム トピック
 topics array of string

カスタム トピックの一覧

戻り値

トランスクリプト オブジェクト

Body
Transcript

トランスクリプトで単語を検索する

操作 ID:
WordSearch

トランスクリプトでキーワードを検索します。 最大 5 つの単語または数値を含む個々の単語、数字、または語句を検索できます。

パラメーター

名前 キー 必須 型 説明
トランスクリプト ID
 transcript_id True string

トランスクリプトの ID
単語
 words True array

検索するキーワード

戻り値

Body
WordSearchResponse

トランスクリプトで文を取得する

操作 ID:
GetTranscriptSentences

文で分割されたトランスクリプトを取得します。 API は、読み取りしやすいトランスクリプトを作成するために、トランスクリプトを文にセマンティックにセグメント化しようとします。

パラメーター

名前 キー 必須 型 説明
トランスクリプト ID
 transcript_id True string

トランスクリプトの ID

戻り値

Body
SentencesResponse

トランスクリプトで段落を取得する

操作 ID:
GetTranscriptParagraphs

段落ごとに分割されたトランスクリプトを取得します。 API は、読み取りしやすいトランスクリプトを作成するために、トランスクリプトを段落にセマンティックにセグメント化しようとします。

パラメーター

名前 キー 必須 型 説明
トランスクリプト ID
 transcript_id True string

トランスクリプトの ID

戻り値

Body
ParagraphsResponse

トランスクリプトの削除

操作 ID:
DeleteTranscript

トランスクリプトを削除します。 削除してもリソース自体は削除されませんが、リソースからデータが削除され、削除済みとしてマークされます。

パラメーター

名前 キー 必須 型 説明
トランスクリプト ID
 transcript_id True string

トランスクリプトの ID

戻り値

トランスクリプト オブジェクト

Body
Transcript

トランスクリプトの字幕を取得する

操作 ID:
GetSubtitles

SRT または VTT 形式でトランスクリプトをエクスポートして、字幕とクローズド キャプションのビデオ プレーヤーで使用します。

パラメーター

名前 キー 必須 型 説明
トランスクリプト ID
 transcript_id True string

トランスクリプトの ID
サブタイトルの形式
 subtitle_format True string

字幕の形式
キャプションあたりの文字数
 chars_per_caption integer

キャプションあたりの最大文字数

戻り値

response
string

トランスクリプトを一覧表示する

操作 ID:
ListTranscripts

作成したトランスクリプトの一覧を取得します。 トランスクリプトは、最新から最も古い順に並べ替えられます。 前の URL は、常に古いトランスクリプトを含むページを指しています。

パラメーター

名前 キー 必須 型 説明
極限
 limit integer

取得するトランスクリプトの最大量
ステータス
 status string

トランスクリプトの状態。 指定できる値は、キュー、処理、完了、またはエラーです。
作成日
 created_on date

この日付に作成されたトランスクリプトのみを取得する
ID の前
 before_id uuid

このトランスクリプト ID の前に作成されたトランスクリプトを取得する
After ID
 after_id uuid

このトランスクリプト ID の後に作成されたトランスクリプトを取得する
調整のみ
 throttled_only boolean

調整されたトランスクリプトのみを取得し、状態フィルターをオーバーライドします

戻り値

トランスクリプトの一覧。 トランスクリプトは、最新から最も古い順に並べ替えられます。 前の URL は、常に古いトランスクリプトを含むページを指しています。

Body
TranscriptList

トランスクリプトを取得する

操作 ID:
GetTranscript

トランスクリプト リソースを取得します。 "status" が "完了" になると、トランスクリプトの準備が整います。

パラメーター

名前 キー 必須 型 説明
トランスクリプト ID
 transcript_id True string

トランスクリプトの ID

戻り値

トランスクリプト オブジェクト

Body
Transcript

メディア ファイルをアップロードする

操作 ID:
UploadFile

AssemblyAI のサーバーにメディア ファイルをアップロードします。

パラメーター

名前 キー 必須 型 説明
ファイル コンテンツ
 file True binary

アップロードするファイル。

戻り値

Body
UploadedFile

編集されたオーディオを取得する

操作 ID:
GetRedactedAudio

編集されたオーディオの状態と URL を含む編集済みオーディオ オブジェクトを取得します。

パラメーター

名前 キー 必須 型 説明
トランスクリプト ID
 transcript_id True string

トランスクリプトの ID

戻り値

Body
RedactedAudioResponse

定義

RedactedAudioResponse

名前 パス 型 説明
ステータス
 status string

編集されたオーディオの状態
編集されたオーディオ URL
 redacted_audio_url string

編集されたオーディオ ファイルの URL

WordSearchResponse

名前 パス 型 説明
トランスクリプト ID
 id uuid

トランスクリプトの ID
一致の合計数
 total_count integer

一致したすべてのインスタンスの合計数。 たとえば、単語 1 が 2 回一致し、単語 2 が 3 回一致した場合、total_countは 5 になります。
一致します
 matches array of object

検索の一致
テキスト
 matches.text string

一致する単語
数える
 matches.count integer

トランスクリプト内の単語の合計時間
タイムスタンプ
 matches.timestamps array of array

タイムスタンプの配列
タイムスタンプ
 matches.timestamps array of integer

[start_time, end_time] として構造化されたタイムスタンプの配列 (ミリ秒単位)
Indexes
 matches.indexes array of integer

完了したトランスクリプトの単語配列内の、その単語のすべてのインデックス位置の配列

Transcript

トランスクリプト オブジェクト

名前 パス 型 説明
ID
 id uuid

トランスクリプトの一意識別子
オーディオ URL
 audio_url string

文字起こしされたメディアの URL
ステータス
 status string

トランスクリプトの状態。 指定できる値は、キュー、処理、完了、またはエラーです。
言語コード
 language_code string

オーディオ ファイルの言語。 使用可能な値は、サポートされている言語にあります。 既定値は 'en_us' です。
言語検出
 language_detection boolean

自動言語検出が有効かどうか (true または false)
Speech モデル
 speech_model string

文字起こしに使用する音声モデル。
テキスト
 text string

メディア ファイルのテキスト トランスクリプト
単語
 words array of object

トランスクリプト内の単語ごとに 1 つずつ、一時的にシーケンシャルな単語オブジェクトの配列。 詳細については、「音声認識」を参照してください。
信頼度
 words.confidence double
[開始]
 words.start integer
End
 words.end integer
テキスト
 words.text string
話者
 words.speaker string

Speaker Diarization が有効になっている場合は文の話者、それ以外の場合は null
発話
 utterances array of object

dual_channelまたはspeaker_labelsが有効になっている場合、ターンバイターン発話オブジェクトの一覧。 詳細については、「話者の diarization」を参照してください。
信頼度
 utterances.confidence double

この発話のトランスクリプトの信頼度スコア
[開始]
 utterances.start integer

オーディオ ファイル内の発話の開始時刻 (ミリ秒単位)
End
 utterances.end integer

オーディオ ファイル内の発話の終了時刻 (ミリ秒単位)
テキスト
 utterances.text string

この発話のテキスト
単語
 utterances.words array of object

発話内の単語。
信頼度
 utterances.words.confidence double
[開始]
 utterances.words.start integer
End
 utterances.words.end integer
テキスト
 utterances.words.text string
話者
 utterances.words.speaker string

Speaker Diarization が有効になっている場合は文の話者、それ以外の場合は null
話者
 utterances.speaker string

この発話の話者。各話者には順次大文字が割り当てられます。たとえば、話者 A の場合は "A"、話者 B の場合は "B" などです。
信頼度
 confidence double

トランスクリプトの信頼度スコア (0.0 (低信頼度) から 1.0 (高信頼度) の間)
音声の長さ
 audio_duration integer

このトランスクリプト オブジェクトのメディア ファイルの期間 (秒単位)
区切る
 punctuate boolean

自動句読点が有効かどうか (true または false)
テキストの書式設定
 format_text boolean

テキストの書式設定が有効かどうか (true または false)
不践量
 disfluencies boolean

メディア ファイルで、"um" のような Filler Words を文字起こしします。true または false を指定できます
デュアル チャネル
 dual_channel boolean

文字起こし要求でデュアル チャネル文字起こしが有効になっているかどうか (true または false)
Webhook URL
 webhook_url string

Webhook 要求を送信する URL。 2 種類の Webhook 要求を送信します。 トランスクリプトが完了または失敗した場合は 1 つの要求、redact_pii_audioが有効になっている場合は、編集されたオーディオの準備ができたときに 1 つの要求。
Webhook HTTP 状態コード
 webhook_status_code integer

Webhook URL が指定されている場合、トランスクリプトの完了または失敗した webhook 要求を配信するときにサーバーから受信した状態コード
Webhook 認証が有効
 webhook_auth boolean

Webhook 認証の詳細が提供されたかどうか
Webhook 認証ヘッダー名
 webhook_auth_header_name string

トランスクリプトが完了または失敗した Webhook 要求と共に送信されるヘッダー名
速度ブースト
 speed_boost boolean

速度ブーストが有効かどうか
キー フレーズ
 auto_highlights boolean

キー フレーズが有効かどうか (true または false)
ステータス
 auto_highlights_result.status string

成功したか、モデルが失敗したまれなケースでは使用できない
結果
 auto_highlights_result.results array of object

キー フレーズのテンポラルシーケンシャル配列
数える
 auto_highlights_result.results.count integer

オーディオ ファイルにキー フレーズが表示される合計回数
順位
 auto_highlights_result.results.rank float

このキー フレーズのオーディオ ファイル全体に対する関連性の合計 - 大きい数値は、より関連性の高い
テキスト
 auto_highlights_result.results.text string

キー フレーズのテキスト自体
タイムスタンプ
 auto_highlights_result.results.timestamps array of object

キー フレーズのタイムスタンプ
[開始]
 auto_highlights_result.results.timestamps.start integer

開始時刻 (ミリ秒)
End
 auto_highlights_result.results.timestamps.end integer

終了時刻 (ミリ秒)
オーディオの開始位置
 audio_start_from integer

文字起こしが開始されたファイル内の時点 (ミリ秒単位)
Audio End At
 audio_end_at integer

文字起こしが終了したファイル内の時点 (ミリ秒単位)
Word Boost
 word_boost array of string

文字起こしの確率を高めるカスタム ボキャブラリの一覧
押し上げる
 boost_param string

単語 boost パラメーターの値
不適切な表現をフィルター処理する
 filter_profanity boolean

不適切な表現のフィルター処理が有効になっているかどうか (true または false)
PII を編集する
 redact_pii boolean

PII Redaction が有効かどうか (true または false)
PII オーディオを編集する
 redact_pii_audio boolean

編集されたバージョンのオーディオ ファイルが生成されたかどうか (true または false)。 詳細については、PII の編集を参照してください。
PII オーディオ品質を編集する
 redact_pii_audio_quality string

redact_pii_audioによって作成されるオーディオのファイルの種類を制御します。 現在、mp3 (既定) と wav がサポートされています。 詳細については、PII の編集を参照してください。
PII ポリシーを編集する
 redact_pii_policies array of string

PII Redaction が有効になっている場合に有効にされた PII Redaction ポリシーの一覧。 詳細については、PII の編集を参照してください。
PII 置換を編集する
 redact_pii_sub string

検出された PII の置換ロジックには、"entity_name" または "ハッシュ" を指定できます。 詳細については、PII の編集を参照してください。
話者ラベル
 speaker_labels boolean

話者の diarization が有効かどうか、true または false にすることができます。
スピーカーが必要です
 speakers_expected integer

話者ラベル モデルに、識別を試行する必要がある話者の数 (最大 10) を伝えます。 詳細については、「話者の diarization」を参照してください。
コンテンツ モデレーション
 content_safety boolean

コンテンツ モデレーションが有効になっているかどうか、true または false にすることができます。
ステータス
 content_safety_labels.status string

成功したか、モデルが失敗したまれなケースでは使用できない
結果
 content_safety_labels.results array of object
テキスト
 content_safety_labels.results.text string

コンテンツ モデレーション モデルによってフラグが設定されたセクションのトランスクリプト
ラベル
 content_safety_labels.results.labels array of object

セクションで検出された機密性の高いトピックごとに 1 つずつ、安全ラベルの配列
ラベル
 content_safety_labels.results.labels.label string

機密性の高いトピックのラベル
信頼度
 content_safety_labels.results.labels.confidence double

議論されているトピックの信頼度スコア (0 から 1)
Severity
 content_safety_labels.results.labels.severity double

このセクションでは、0 から 1 まで、トピックがどれだけ厳しく説明されているか
文インデックスの開始
 content_safety_labels.results.sentences_idx_start integer

セクションの開始位置を示す文インデックス
文インデックスの終了
 content_safety_labels.results.sentences_idx_end integer

セクションが終了する文のインデックス
[開始]
 content_safety_labels.results.timestamp.start integer

開始時刻 (ミリ秒)
End
 content_safety_labels.results.timestamp.end integer

終了時刻 (ミリ秒)
概要
 content_safety_labels.summary object

オーディオ ファイル全体のコンテンツ モデレーション信頼度の結果の概要
重大度スコアの概要
 content_safety_labels.severity_score_summary object

オーディオ ファイル全体のコンテンツ モデレーションの重大度結果の概要
トピック検出
 iab_categories boolean

トピックの検出が有効になっているかどうか、true または false にすることができます
ステータス
 iab_categories_result.status string

成功したか、モデルが失敗したまれなケースでは使用できない
結果
 iab_categories_result.results array of object

トピック検出モデルの結果の配列
テキスト
 iab_categories_result.results.text string

検出されたトピックが発生したトランスクリプト内のテキスト
ラベル
 iab_categories_result.results.labels array of object
関連性
 iab_categories_result.results.labels.relevance double

検出されたトピックが検出されたトピックにどの程度関連しているか
ラベル
 iab_categories_result.results.labels.label string

検出されたトピックのラベルの IAB 分類ラベル( > はスーパートピック/サブトピックの関係を表します)
[開始]
 iab_categories_result.results.timestamp.start integer

開始時刻 (ミリ秒)
End
 iab_categories_result.results.timestamp.end integer

終了時刻 (ミリ秒)
概要
 iab_categories_result.summary object

オーディオ ファイル全体に対するトピックの全体的な関連性
ユーザー設定のスペル チェック
 custom_spelling array of object

値との間で単語のスペルと書式設定をカスタマイズする
より
 custom_spelling.from array of string

置換する単語または語句
移行先
 custom_spelling.to string

置換する単語または語句
自動チャプターの有効化
 auto_chapters boolean

自動チャプターが有効かどうか、true または false を指定できます。
章
 chapters array of object

オーディオ ファイルの一時的にシーケンシャルな章の配列
Gist
 chapters.gist string

この章で話されているコンテンツの非常に短い要約 (わずか数語)
見出し
 chapters.headline string

章中に読み上げられたコンテンツの 1 つの文の概要
概要
 chapters.summary string

章中に読み上げられたコンテンツの 1 段落の概要
[開始]
 chapters.start integer

章の開始時刻 (ミリ秒)
End
 chapters.end integer

章の開始時刻 (ミリ秒)
概要の有効化
 summarization boolean

集計が有効かどうか (true または false)
概要の種類
 summary_type string

集計が有効になっている場合に生成される概要の種類
概要モデル
 summary_model string

集計が有効になっている場合、概要の生成に使用される要約モデル
概要
 summary string

要約が有効になっている場合に生成されるメディア ファイルの概要
カスタム トピックの有効化
 custom_topics boolean

カスタム トピックが有効かどうか (true または false)
トピック
 topics array of string

カスタム トピックが有効になっている場合に提供されるカスタム トピックの一覧
感情分析
 sentiment_analysis boolean

センチメント分析が有効かどうか、true または false にすることができます
感情分析の結果
 sentiment_analysis_results array of object

センチメント分析モデルの結果の配列 (有効な場合)。 詳細については、「感情分析」を参照してください。
テキスト
 sentiment_analysis_results.text string

文のトランスクリプト
[開始]
 sentiment_analysis_results.start integer

文の開始時刻 (ミリ秒単位)
End
 sentiment_analysis_results.end integer

文の終了時刻 (ミリ秒単位)
センチメント
 sentiment_analysis_results.sentiment

検出された文のセンチメント (POSITIVE、NEUTRAL、NEGATIVE のいずれか)
信頼度
 sentiment_analysis_results.confidence double

検出された文のセンチメントの信頼度スコア (0 から 1)
話者
 sentiment_analysis_results.speaker string

Speaker Diarization が有効になっている場合は文の話者、それ以外の場合は null
エンティティ検出
 entity_detection boolean

エンティティ検出が有効かどうか、true または false を指定できます
Entities
 entities array of object

エンティティ検出モデルの結果の配列 (有効な場合)。 詳細については、「エンティティ検出」を参照してください。
エンティティの種類
 entities.entity_type string

検出されたエンティティのエンティティの種類
テキスト
 entities.text string

検出されたエンティティのテキスト
[開始]
 entities.start integer

検出されたエンティティがオーディオ ファイルに表示される開始時刻 (ミリ秒単位)
End
 entities.end integer

オーディオ ファイルで検出されたエンティティの終了時刻 (ミリ秒単位)
音声のしきい値
 speech_threshold float

既定値は null です。 この数未満の音声を含むオーディオ ファイルを拒否します。 有効な値の範囲は、[0, 1] です。
制限された
 throttled boolean

要求が調整されている間は true、要求が調整されなくなった場合は false
エラー
 error string

トランスクリプトが失敗した理由のエラー メッセージ
言語モデル
 language_model string

トランスクリプトに使用された言語モデル
音響モデル
 acoustic_model string

トランスクリプトに使用された音響モデル

SentencesResponse

名前 パス 型 説明
トランスクリプト ID
 id uuid
信頼度
 confidence double
音声の長さ
 audio_duration number
文
 sentences array of object
テキスト
 sentences.text string
[開始]
 sentences.start integer
End
 sentences.end integer
信頼度
 sentences.confidence double
単語
 sentences.words array of object
信頼度
 sentences.words.confidence double
[開始]
 sentences.words.start integer
End
 sentences.words.end integer
テキスト
 sentences.words.text string
話者
 sentences.words.speaker string

Speaker Diarization が有効になっている場合は文の話者、それ以外の場合は null
話者
 sentences.speaker string

Speaker Diarization が有効になっている場合は文の話者、それ以外の場合は null

ParagraphsResponse

名前 パス 型 説明
トランスクリプト ID
 id uuid
信頼度
 confidence double
音声の長さ
 audio_duration number
段落
 paragraphs array of object
テキスト
 paragraphs.text string
[開始]
 paragraphs.start integer
End
 paragraphs.end integer
信頼度
 paragraphs.confidence double
単語
 paragraphs.words array of object
信頼度
 paragraphs.words.confidence double
[開始]
 paragraphs.words.start integer
End
 paragraphs.words.end integer
テキスト
 paragraphs.words.text string
話者
 paragraphs.words.speaker string

Speaker Diarization が有効になっている場合は文の話者、それ以外の場合は null
話者
 paragraphs.speaker string

Speaker Diarization が有効になっている場合は文の話者、それ以外の場合は null

TranscriptList

トランスクリプトの一覧。 トランスクリプトは、最新から最も古い順に並べ替えられます。 前の URL は、常に古いトランスクリプトを含むページを指しています。

名前 パス 型 説明
極限
 page_details.limit integer

このページの結果の数は次の値に制限されます。
結果数
 page_details.result_count integer

ページ内の結果の実際の数
現在の URL
 page_details.current_url string

トランスクリプトの現在のページを取得するために使用される URL
前の URL
 page_details.prev_url string

トランスクリプトの次のページへの URL。 前の URL は、常に古いトランスクリプトを含むページを指しています。
次の URL
 page_details.next_url string

トランスクリプトの次のページへの URL。 次の URL は常に、新しいトランスクリプトを含むページを指します。
Transcripts
 transcripts array of object
ID
 transcripts.id uuid
リソース URL
 transcripts.resource_url string
ステータス
 transcripts.status string

トランスクリプトの状態。 指定できる値は、キュー、処理、完了、またはエラーです。
作成済み
 transcripts.created string
完了済み
 transcripts.completed string
オーディオ URL
 transcripts.audio_url string
エラー
 transcripts.error string

トランスクリプトが失敗した理由のエラー メッセージ

UploadedFile

名前 パス 型 説明
アップロードされたファイルの URL
 upload_url string

AssemblyAI のサーバーのみがアクセスできるオーディオ ファイルを指す URL

PurgeLemurRequestDataResponse

名前 パス 型 説明
消去要求 ID
 request_id uuid

LeMUR 要求の削除要求の ID
消去する LeMUR 要求 ID
 request_id_to_purge uuid

データを消去する LeMUR 要求の ID
削除
 deleted boolean

要求データが削除されたかどうか

LemurTaskResponse

名前 パス 型 説明
[応答]
 response string

LeMUR によって生成された応答。
LeMUR 要求 ID
 request_id uuid

LeMUR 要求の ID
入力トークン
 usage.input_tokens integer

モデルで使用される入力トークンの数
出力トークン
 usage.output_tokens integer

モデルによって生成された出力トークンの数

LemurResponse

名前 パス 型 説明
[応答]
 response string

LeMUR によって生成された応答。
LeMUR 要求 ID
 request_id uuid

LeMUR 要求の ID
入力トークン
 usage.input_tokens integer

モデルで使用される入力トークンの数
出力トークン
 usage.output_tokens integer

モデルによって生成された出力トークンの数

文字列

これは基本的なデータ型 'string' です。