ライブ文字起こし

ライブ文字起こし API

WebSocket 1本：マイク音声を送ると、話している途中の言葉と、確定した各文とその言語が返ります。

1. 1

   API キーを取得

   コンソールでキーを作成します。プレイグラウンドと同じ残高を使います。

   キーを作成
2. 2

   最初のリクエストを送る

   プレイグラウンドが送るのと同じリクエストです。OPENNAN_KEY にキーを設定してください。

   JavaScriptPythonイベント

   コピー

   const ws = new WebSocket("wss://api.opennan.com/v1/realtime/stt");
   ws.binaryType = "arraybuffer";
   
   ws.onopen = () => {
     ws.send(JSON.stringify({ type: "auth", ticket: session.ticket }));
     ws.send(JSON.stringify({
       "type": "session.config",
       "language": "auto"
     }));
   };
   
   mic.ondata = (pcm16) => ws.send(pcm16); // 16 kHz mono 16-bit PCM, <= 65536 bytes a frame
   
   ws.onmessage = (e) => {
     const msg = JSON.parse(e.data);
     if (msg.type === "transcript.partial") showDraft(msg.text);
     if (msg.type === "transcript.final") addLine(msg.sentence_id, msg.text, msg.language);
     if (msg.type === "session.end") console.log("ended:", msg.reason);
   };
   
   stop.onclick = () => ws.send(JSON.stringify({ type: "session.end" }));

3. 3

   イベントを読む

   話している間、サーバーは JSON イベントを送ります。音声は形式付きの base64 音声チャンクで届きます。

   session.started

   セッションが開きました（料金と上限つき）

   transcript.partial

   話している途中の言葉

   transcript.final

   確定した文とその言語

   usage

   ここまでの秒数と料金

   error

   問題の内容（コードとわかりやすい説明）

   session.end

   終了の理由：あなた、残高、無音、時間の上限