言語コード:ja
日本語の文字起こしAPI(音声認識)
KolWriteなら、REST APIを1回呼び出すだけで、日本語の音声・動画を文字起こしできます。ファイルのURLと "language": "ja" を送ると、漢字かな交じりのテキストが、話者ラベルと単語ごとのタイムスタンプ付きのセグメントに分かれて、JSON・TXT・SRTのいずれかの形式で返ります。Oracleモデルを使えば、同じジョブで日本語の音声を英語など、対応する100言語に翻訳することもできます。
日本語の文字起こしを1回のリクエストで
language に ja を指定してジョブを開始します。結果は GET /transcribe/{jobId} で取得するか、あらかじめ webhook_url を渡して受け取ります。
curl https://app.kolwrite.com/transcribe \
-H "x-api-key: $KOLWRITE_API_KEY" \
-H "Content-Type: application/json" \
-d '{"audio_url": "https://example.com/meeting-ja.m4a", "model": "oracle", "language": "ja", "include_diarization": true, "output_format": "json"}'
同じジョブで日本語の音声を英語に翻訳するには、次のようにします(Oracleモデルのみ)。
curl https://app.kolwrite.com/transcribe \
-H "x-api-key: $KOLWRITE_API_KEY" \
-H "Content-Type: application/json" \
-d '{"audio_url": "https://example.com/meeting-ja.m4a", "model": "oracle_mini", "language": "ja", "translate_to": "en", "word_timestamps": false, "output_format": "srt"}'
日本語の対応状況
| 項目 | 内容 |
|---|---|
| 言語コード | ja |
| 言語名(その言語での表記) | 日本語 |
| 文字の方向 | 左から右(横書き) |
| 言語の自動判定 | 対応。language を省略するか、"auto" を指定します |
| 日本語音声の翻訳先 | 対応する100言語(Oracleモデル使用時) |
| 他の言語から日本語への翻訳 | 対応。Oracleモデルで translate_to: "ja" を指定します |
| 出力形式 | JSON(セグメント、単語ごとのタイムスタンプ、話者)、TXT、SRT |
| 料金 | 音声1時間あたり US$0.48(Base)〜 US$3.60(Oracle Max)。Oracleは US$1.44 |
日本語の文字起こしで知っておきたいこと
- 日本語は単語の間にスペースを入れないため、単語ごとのタイムスタンプが1文字や短い単位に付くことがあります。字幕を作るときは、時間と1行あたりの文字数の両方で区切ってください。
- 同じ語が漢字・ひらがな・カタカナのどれでも書けるため、表記ゆれが起こります。全角・半角の違いは Unicode 正規化(NFKC)で揃えられます。検索用のインデックスを作る場合は、そのうえで形態素解析器(MeCab、Sudachi など)を使って語を基本形に揃えると、検索漏れを減らせます。
- ビジネスの場面では敬語が多く、英語由来の語句もカタカナで書かれます。製品名や略語が混ざる録音では、自動判定に任せず
language: "ja"を明示してください。 - 数字は算用数字と漢数字のどちらでも書けます。後続の処理で数値として扱うなら、用途に合わせて表記を統一してください。
- SRT をプレーヤーや編集ソフトで開くときは、文字コードを UTF-8 に設定してください。合っていないと日本語が文字化けすることがあります。
日本語の文字起こしの主な用途
- 社内会議や商談、インタビューの文字起こし。話者ごとに発言を分けて、議事録の作成に活用できます。
- 動画の日本語字幕(
srt)や、翻訳字幕の作成。 - 国内のユーザーリサーチ。
translate_to: "en"で英語に翻訳して、海外のチームと共有できます。
モデルの選び方
日本語の音声を本番環境で扱うなら、まず oracle(1時間あたり US$1.44)から始めてください。ノイズの少ない単一話者の録音を大量に処理するなら base(US$0.48)が向いています。翻訳を最も安く行うなら oracle_mini(US$0.96)、ノイズが多い音声や聞き取りにくい音声には oracle_pro か oracle_max を選びます。KolWriteは、このAPIについて日本語の認識精度を公表していません。採用を決める前に、実際の録音の一部で試してください。全モデルの比較は モデルと料金(英語ページ)をご覧ください。
よくある質問
日本語と英語が混ざった会議でも文字起こしできますか?
language: "ja" を指定すると日本語の録音として処理され、英語の語句や製品名も話された内容のまま文字起こしされます。固有名詞の表記は録音によって変わるので、実際のデータで確認してください。
日本語の音声を英語に翻訳できますか?
できます。Oracleモデルを使い、translate_to: "en" を指定します。翻訳に最も安く使えるのは oracle_mini です。
字幕にはどの出力形式を使えばよいですか?
srt を指定すると字幕ファイルが得られます。改行の位置を自分で決めたい場合は JSON を選び、単語ごとのタイムスタンプから字幕を組み立ててください。