Whisper-1 — 録音をテキストに
録音を検索可能なテキストや字幕に変換します。自分の音声で Whisper-1 を試し、次の作業に合う出力を選んでください。
- 文字起こし
- 英語への翻訳
- 単語タイムスタンプ
- 字幕ファイル
録音で Whisper-1 を試す
短い音声から始めましょう。字幕を公開する前に、文字起こしを録音と照合してください。
Whisper-1 の出力を選ぶ
同じ録音をさまざまな作業に活用できます。以下は形式の例であり、文字起こし精度のベンチマークではありません。
Welcome to the recording.プレーンテキストの文字起こしを読んで編集します。
{ "word": "Welcome",
"start": 0.0, "end": 0.5 }録音内の単語や一節を探します。
1
00:00:00,000 --> 00:00:02,000
Welcome to the recording.時間情報付き字幕を動画編集ソフトに取り込みます。
Whisper-1 の料金
文字起こしに成功した音声に対して、現在の Whisper-1 料金で支払います。
音声の秒数を切り上げてから課金単位に換算します。1 秒未満の端数でも最終料金が変わることがあります。文字起こしの長さでは料金は決まりません。
| モデル | 計量方法 | レート | 単位 |
|---|---|---|---|
| Whisper-1 | 1 分は時間ベースの 1,000 単位に相当します。単語数やテキストトークンではありません。 | $36.00 | 音声計量単位 100 万あたり |
失敗した Whisper-1 リクエストは課金されません。
Whisper-1 とは？
Whisper-1 は、録音音声をテキストに変換する OpenAI の音声認識モデルです。インタビューを検索可能にしたり、字幕を準備したり、話した内容を文章の作業に取り込めます。
Whisper-1 は発話の言語を保持するか、英語に翻訳します。読みやすいテキストや時間情報付き出力を選べます。
録音音声 · 多言語文字起こし · 英語への翻訳
model フィールドにはこの ID を正確に指定してください。
Whisper-1 を使う 2 つの方法
アプリケーションに組み込む
ファイルをアップロードし、タスク ID を保存して文字起こしを取得します。アプリでは Whisper-1 を明示的に指定してください。
- 1録音とパラメータを選びます。
- 2一度だけ送信し、タスク ID を保存します。
- 3文字起こしをダウンロードして確認します。
コーディングエージェントと作業する
音声のパスと Whisper-1 のドキュメントをエージェントに渡します。リクエストと推定費用を確認してから、選択した出力を保存します。
- 1この連携用プロンプトをコピーします。
- 2音声ファイルを渡してリクエストを承認します。
- 3保存された結果を確認します。
Whisper-1 の文字起こしを仕事に活かす
読みやすいメモ
インタビューや音声メモを検索可能な下書きにします。引用する前に、出力された名前や専門用語を確認してください。
編集ソフトに取り込める字幕
SRT または VTT として字幕を編集ソフトに取り込みます。画面に合わせて改行や時間を調整してください。
単語の位置を探す
単語タイムスタンプで語句を探します。正確なカットが必要な箇所は、音声との位置合わせを確認してください。
Whisper-1 の活用例
インタビューの確認
文字起こしから話題を検索し、録音に戻って引用を確認します。
授業の準備
自分の授業を文字起こしします。学習者と共有する前に用語を直し、段落を整えてください。
英語の作業用原稿
録音を英語に翻訳し、共同作業者が読めるようにします。確認用に音声を残してください。
Whisper-1 を始める 4 ステップ
- 01
録音を選ぶ
対応形式でアップロード上限未満のファイルを使います。短く明瞭な音声なら、初めての Whisper-1 の結果を確認しやすくなります。
- 02
出力を選ぶ
発話の言語を保持するか、英語に翻訳します。テキスト、時間情報付き JSON、字幕から選んでください。
- 03
一度だけ送信する
タスク ID を保存し、完了まで状態を確認します。状態確認が遅くても再送信は不要です。
- 04
確認してダウンロード
Whisper-1 の結果を録音と照合します。公開前に名前、数字、引用を修正してください。
アプリに文字起こしを接続する
multipart フォームでファイルをアップロードし、返されたタスク ID の状態を確認します。Whisper-1 のドキュメントには全フィールド、出力形式、リクエスト例があります。
curl https://api.seedrouter.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $SEEDROUTER_API_KEY" \
-F model=whisper-1 \
-F [email protected] \
-F response_format=verbose_json \
-F 'timestamp_granularities[]=word'curl "https://api.seedrouter.ai/v1/tasks/$TASK_ID" \
-H "Authorization: Bearer $SEEDROUTER_API_KEY"| パラメータ | 型 | 説明 |
|---|---|---|
| file | バイナリ | アップロードした録音 1 つ。 |
| model | 文字列 | whisper-1 |
| language | 文字列 | 任意の入力言語。文字起こしのみ。 |
| prompt | 文字列 | 任意の表記ヒントと文脈。 |
| response_format | 列挙型 | json, text, srt, verbose_json, vtt. |
| temperature | 数値 | 0–1、デフォルト 0。 |
| timestamp_granularities[] | 配列 | word / segment。verbose_json のみ。 |
| chunking_strategy | 文字列 / オブジェクト | 任意。互換性は未検証です。 |
| stream | 真偽値 | Whisper-1 では無視されます。 |
リクエストが失敗した場合
ファイル、パラメータ、残高を確認します。送信結果が不明な場合は、再送信前にタスク履歴を確認してください。
どの Whisper-1 形式が適している？
次の作業に合う Whisper-1 の形式を選んでください。
| 次の作業 | 選択 | 得られるもの |
|---|---|---|
| 読む・編集する | text | プレーンテキストの文字起こし |
| アプリで使う | json | JSON 内の文字起こしテキスト |
| 特定の箇所を探す | verbose_json | 詳細なタイムスタンプ付き文字起こし |
| 動画の字幕を編集する | srt | 番号付き字幕キュー |
| ウェブプレーヤーに字幕を付ける | vtt | WebVTT 字幕キュー |
Whisper-1 の制限を知る
公開前に確認する
Whisper-1 は、特に聞き取りにくい音声で、誤認識や存在しないテキストの生成をすることがあります。名前、引用、重要な情報を原音と照合してください。
話者ラベルはありません
Whisper-1 は話者を識別しません。単語タイムスタンプが示すのは発話の時刻であり、誰の発言かではありません。
録音ファイルを処理します
Whisper-1 はアップロードした録音を処理します。リアルタイムの途中結果は提供せず、英語への翻訳で吹き替え音声を生成することもありません。
SeedRouter で Whisper-1 を使う
先に料金を確認する
現在の料金を確認できます。ブラウザが音声の長さを読み取れる場合は、推定料金も表示します。
必要な出力を保存する
選択した文字起こしや字幕をダウンロードし、録音と一緒にコピーを保存してください。
失敗したリクエストは課金されません
失敗したタスクで残高は減りません。再試行前にタスク履歴で最終状態を確認してください。
Whisper-1 のよくある質問
Whisper-1 で音声を翻訳できますか？+
Whisper-1 の翻訳は英語のテキストを出力し、文字起こしは発話の言語を保持します。どちらも音声は生成しません。正確な表現が必要な場合は原音を確認してください。
Whisper-1 は話者分離に対応していますか？+
Whisper-1 のタイムスタンプは発話の位置を示し、話者を区別しません。確認時に話者名を追加するか、話者分離に対応したモデルを選んでください。
Whisper-1 で長い録音を扱うには？+
大きい録音は圧縮するか、自然な間で分割し、アップロード制限に収めます。順序を保ち、つなぎ目を確認してください。
Whisper-1 に表記のヒントを渡せますか？+
関連する名前や文脈を渡してください。Whisper-1 が使うのはプロンプト末尾の 224 トークンです。返された文字起こしの表記を確認してください。
Whisper-1 の単語タイムスタンプはどの出力で使えますか？+
Whisper-1 の単語タイムスタンプには verbose_json が必要です。SRT と VTT は字幕キューを提供し、プレーンテキストと JSON は文字起こしの編集に適しています。
Whisper-1 API は OpenAI の同期レスポンスと同じですか？+
SeedRouter はタスク ID を返し、その後に文字起こしのダウンロード URL を提供します。同期 SDK は調整が必要です。互換性の制限はリファレンスをご覧ください。