業界をリードする精度
実際の日本語音声でベンチマークされたパフォーマンス
98.5%
総合精度
クリーンな音声環境
95.2%
騒音環境
背景ノイズ処理
<0.5秒
レスポンスタイム
1分間の音声あたり
97.8%
混合言語
日英コードスイッチング
ドメイン別精度比較
カスタマーサービス通話96.5%
ビジネスミーティング97.2%
医療相談95.8%
法的手続き98.1%
技術的な議論96.9%
日本語音声向けに構築
日本語音声認識専用に設計された機能
方言のステアリング
ホットワードを使って地域特有の語彙に合わせて文字起こしを調整。方言への対応は継続的に改善しています。
リアルタイムストリーミング
リアルタイムで音声ストリームを処理し、ライブ文字起こしと即座の結果を提供
自動言語判別
日本語・英語・中国語を自動で判別。言語を指定して判別をスキップすることもできます
超高速
最適化された推論パイプラインで数時間の音声を数分で処理
エンタープライズセキュリティ
エンタープライズセキュリティのベストプラクティスに準拠し、オープンソースモデルはオンプレミスでも導入可能
カスタム語彙
業界固有の用語、ブランド名、カスタムフレーズを追加して精度を向上
信頼されるユースケース
企業がASR APIをどのように活用しているかをご覧ください
コールセンター文字起こし
品質保証、コンプライアンス、インサイトのためにカスタマーサービスの通話を自動的に文字起こし。
- 品質監視
- コンプライアンス記録
- エージェントトレーニング
- 顧客センチメント分析
会議メモ
会議、インタビュー、ディスカッションを検索可能で実用的なテキスト文書に変換。
- ビジネスミーティング
- インタビュー記録
- 会議録音
- チームスタンドアップ
字幕とキャプション
ビデオ、ライブストリーム、放送用の正確な字幕をリアルタイムまたはバッチモードで生成。
- ビデオ字幕
- ライブイベントキャプション
- 放送文字起こし
- アクセシビリティ準拠
API Key
APIキーを設定
以下にAPIキーを入力すると、このページのすべてのコード例が自動的に更新されます
ホットワードとカスタム語彙
テキストプロンプトにホットワードを含めることで、専門用語の文字起こし精度を向上させます。ホットワードは、モデルが次のものを正しく認識するのに役立ちます:
{
"audio": "<base64-encoded audio>"
}クイックスタートガイド
3つの簡単なステップで音声認識APIを開始
1. APIキーを取得
Shisa AIアカウントにサインアップし、開発者ダッシュボードからAPIキーを取得します。AuthorizationヘッダーにBearerトークンとして含めます:
Authorization: Bearer YOUR_API_KEY2. 音声を準備
APIは様々な形式のbase64エンコードされた音声を受け付けます。サポートされている音声形式は次のとおりです:
- OGG（Opus、Vorbis）
- WAV（PCM、16ビット）
- MP3、FLAC
3. 最初のリクエストを送信
音声データと設定を含むPOSTリクエストをAPIエンドポイントに送信します。cURLを使用した基本的な例:
curl -s -XPOST 'https://api.shisa.ai/asr/srt/audio_llm' \
-H 'Authorization: Bearer YOUR_API_KEY' \
-H 'Content-Type: application/json' \
-d '{
"audio": "'$(base64 -w0 audio.ogg)'"
}'Minimal request
Only the audio field is required. Language is auto-detected and tuning parameters use sensible defaults.
Expected Response
The API returns a JSON response with the transcribed text, detected language, and confidence score.
{
"text": "こんにちは、シサAIです。",
"language": "ja",
"confidence": 0.98
}APIエンドポイント
Base64エンコードされた音声を受け取り、文字起こしを返す単一のPOSTエンドポイント
音声認識エンドポイント
POST
https://api.shisa.ai/asr/srt/audio_llm音声をBase64形式でaudioフィールドに送信します。オプションのパラメータで、言語の指定、専門用語向けのホットワードの追加、デコード動作の調整ができます。
リクエストパラメータ
これらのパラメータで文字起こしリクエストを設定
リクエストボディパラメータ
| パラメータ | 型 | 必須 | 説明 |
|---|---|---|---|
| audio | string | Required | Base64-encoded audio data (WAV, OGG, MP3, or FLAC) |
| language | string | Optional | Language code (e.g. "ja", "en"). Omit for automatic language detection (LID). |
| hotwords | string[] | Optional | Array of words/phrases to boost recognition accuracy for domain-specific terms |
| temperature | float | Optional | サンプリング温度（0.0-2.0）。低い値は出力をより決定的にします。デフォルト: 0.0 Default: 0.0 |
| top_p | float | Optional | ニュークレアスサンプリングパラメータ（0.0-1.0）。出力の多様性を制御。デフォルト: 0.85 Default: 0.85 |
| frequency_penalty | float | Optional | 頻出トークンにペナルティ（-2.0〜2.0）。繰り返しを減らします。デフォルト: 0.5 Default: 0.5 |
| repetition_penalty | float | Optional | トークンの繰り返しにペナルティ（1.0-2.0）。1.0より大きい値は繰り返しを抑制。デフォルト: 1.05 Default: 1.05 |
| vad | integer | Optional | Voice activity detection mode Default: 1 |
音声入力形式
音声は次の形式のbase64エンコードされたデータURLとして提供する必要があります:
"audio": "SGVsbG8gV29ybGQ..."Pass raw base64-encoded audio data in the audio field. The server auto-detects the format from the binary header.
サポートされている音声形式:
| Format | MIME Type | Detection |
|---|---|---|
| WAV | audio/wav | RIFF header |
| OGG | audio/ogg | OggS header |
| MP3 | audio/mpeg | ID3 tag or MPEG sync bytes |
| FLAC | audio/flac | fLaC header |
音声をBase64にエンコード
次のコマンドを使用して音声ファイルをbase64に変換します:
# Encode any supported format to base64
base64 -w0 audio.ogg # Linux
base64 -i audio.ogg # macOS
# Use in a curl request
curl -s -XPOST 'https://api.shisa.ai/asr/srt/audio_llm' \\
-H 'Authorization: Bearer YOUR_API_KEY' \\
-H 'Content-Type: application/json' \\
-d '{ "audio": "'$(base64 -w0 audio.ogg)'" }'Supported Languages (LID)
The API supports automatic language identification (LID) for the following languages. The detected language is returned in the language field of the response.
jaJapaneseenEnglishzhChineseレスポンス形式
APIレスポンス構造の理解
成功レスポンス
{
"text": "こんにちは、シサAIです。",
"language": "ja",
"confidence": 0.98
}レスポンスフィールド:
- text: The transcribed text from the audio
- language: The detected or specified language code
- confidence: Transcription confidence score (0 to 1)
エラー処理
一般的なエラーと解決方法
エラーレスポンス形式
{
"code": 400,
"error": "No audio data provided"
}401 Authentication Error
Returned when the API key is missing, invalid, or expired. Check that your Authorization header includes a valid token.
{
"context": ["authMiddleware"],
"code": 104,
"name": "ErrAuthenticationFailed",
"error": "Authentication error: Invalid token"
}Error Codes
| Code | Cause | Error Message |
|---|---|---|
| 400 | Missing audio field | No audio data provided |
| 400 | Audio decodes to empty | No audio data provided |
| 400 | Not base64 encoded | Invalid base64 audio data |
| 400 | Base64 decode fails | Invalid base64 audio data |
| 400 | Unsupported audio format | Unsupported audio format |
| 500 | Services not ready | Transcription service not available |
| 500 | Backend failure | Transcription failed: ... |
コード例
人気のあるプログラミング言語での統合例
cURL - クイックスタート
cURLを使用して音声ファイルを文字起こしする基本的な例
curl -s -XPOST 'https://api.shisa.ai/asr/srt/audio_llm' \
-H 'Authorization: Bearer YOUR_API_KEY' \
-H 'Content-Type: application/json' \
-d '{
"audio": "'$(base64 -w0 audio.ogg)'"
}'Python - 完全な例
base64エンコードとホットワードサポートを含む完全なPython関数
import base64
import requests
# Read and encode audio file
with open("audio.ogg", "rb") as f:
audio_data = base64.b64encode(f.read()).decode("utf-8")
url = "https://api.shisa.ai/asr/srt/audio_llm"
headers = {
"Authorization": "Bearer YOUR_API_KEY",
"Content-Type": "application/json"
}
payload = {
"audio": audio_data
}
response = requests.post(url, headers=headers, json=payload)
response.raise_for_status()
print(response.json())JavaScript - ブラウザ統合
FileReader APIを使用したクライアント側JavaScript例
async function transcribeAudio(audioFile) {
// Read file and convert to base64
const fileBuffer = await audioFile.arrayBuffer();
const base64Audio = btoa(
new Uint8Array(fileBuffer).reduce(
(data, byte) => data + String.fromCharCode(byte),
''
)
);
const response = await fetch('https://api.shisa.ai/asr/srt/audio_llm', {
method: 'POST',
headers: {
'Authorization': 'Bearer YOUR_API_KEY',
'Content-Type': 'application/json'
},
body: JSON.stringify({
audio: base64Audio
})
});
if (!response.ok) {
throw new Error(`API request failed: ${response.status}`);
}
return await response.json();
}
// Example usage with file input
document.querySelector('#audioInput').addEventListener('change', async (e) => {
const file = e.target.files[0];
if (file) {
const result = await transcribeAudio(file);
console.log('Transcription:', result);
}
});