オーディオとビデオの音声認識
スピーカーのラベル付き、単語のタイムスタンプ付きのテキストにオーディオまたはビデオファイルを変換し、TXT/SRT/VTT形式でエクスポートします。
Speechdashは、オーディオおよびビデオファイルを読み取りやすいタイムスタンプ付きのテキストに変換します。認識はバックグラウンドで実行されます：ファイルをアップロードし、アプリを使用し続け、完了したら戻ってください。**Transcriptions（音声認識）のサイドバーはジョブキューです。ジョブが完了すると、テキストはLibrary（ライブラリ）**で開きます。
得られるもの
- フルトランスクリプト：開始/終了時間で分割されたセグメント
- スピーカーのラベル（オプション）：スピーカー検出が有効な場合、セグメントは
SPEAKER_00、SPEAKER_01などとタグ付けされます - 単語レベルのタイムスタンプ：正確なナビゲーションと字幕に使用可能
- エクスポート：プレーンテキスト（TXT）または字幕（SRT、VTT）として
サポートされているファイル形式
一般的なオーディオおよびビデオ形式が対応しています：MP3、WAV、M4A、AAC、OGG、OPUS、FLAC、MP4、MOV、WEBM、MKV、AVIなど。ファイルサイズは最大500 MBまでです。
音声認識の開始
ホームページにオーディオまたはビデオファイルをドラッグアンドドロップするか、**Transcriptions（音声認識）**のサイドバーを開き、新しいジョブを開始します。
言語を選択（または自動検出に設定）し、複数の声が含まれている場合はスピーカー検出をオンにします。アップロードが開始するとこれらのオプションはロックされます。
確認してください。ファイルがプログレスバーでアップロードされ、その後ジョブがキューに追加されます。ページを離れても構いません；キューにはリアルタイムのステータスが表示されます。ジョブが完了すると、それをクリックしてライブラリでトランスクリプトを開きます。
言語検出
自動に言語を設定しておけば、Speechdashはオーディオの最初の数秒から言語を検出します。短いファイルや強いアクセントの場合、明示的に言語を選択するとより正確な結果が得られます。
コストと制限
音声認識は2分あたり1クレジットで課金されます（開始した分はすべてカウントされます）。クレジットは認識が完了した時にのみ課金され、失敗したジョブには課金されません。
| プラン | ファイルあたりの最大長 | 同時音声認識 |
|---|---|---|
| 無料 | 30 分 | 1 |
| Unlimited | 10 時間 | 5 |
読み取りとエクスポート
完了したジョブはライブラリリーダーで開きます（他のドキュメントと同じレイアウト、ボイス、再生機能）。**Transcriptions（音声認識）**のサイドバーはジョブキューのみです。
リーダーのツールバーから以下が可能です：
- 再生：文節ハイライト付きで聴く
- エクスポート：
TXT（プレーンテキスト）、SRTまたはVTT（タイムスタンプとスピーカータグ付きの字幕）
進行中または失敗したジョブは**Transcriptions（音声認識）**のキューに残り、ステータスを監視できます。