Deepgram: 高精度音声認識・合成ソリューション向けサービスAPI

はじめに

Deepgramは音声認識と自然言語処理技術に特化した企業で、強力なSpeech-to-TextおよびText-to-Speech APIを提供しています。このプラットフォームは高度な人工知能技術を活用し、開発者が音声書き起こしおよび理解機能をアプリケーションやサービスに統合できるよう支援します。Deepgramのソリューションは、医療トランスクリプション、自動顧客サービス、ポッドキャスト・トランスクリプションなど、さまざまな分野で広く利用されており、人間とコンピュータの対話の効率とエクスペリエンスの向上に取り組んでいます。

機能一覧

• 音声テキスト化（STT）高精度、低遅延、多言語、アクセントに対応した音声テキストサービスを提供。
• 音声合成 (TTS)リアルタイムのAIや高スループットアプリケーションのための自然で滑らかな音声出力を生成します。
• オーディオ・インテリジェンス（AI）大規模なオーディオデータ分析を行う組織を支援するために、オーディオ分析と理解機能を提供します。
• 音声エージェントAPI（Voice Agent API）さまざまなオートメーション・アプリケーションのシナリオで、人間と機械の自然な対話をサポートする統合音声API。

ヘルプの使用

インストールと使用

1. アカウント登録Deepgramの公式サイトにアクセスし、新規アカウントを登録する。
2. APIキーの取得アカウントにログイン後、コンソールでAPIキーを取得します。
3. 統合API::
   • 音声テキスト化（STT）::

     パイソン

     import requests
     
     url = "https://api.deepgram.com/v1/listen"
     headers = {
         "Authorization": "Token YOUR_API_KEY",
         "Content-Type": "application/json"
     }
     data = {
         "url": "https://path.to/your/audio/file.wav"
     }
     response = requests.post(url, headers=headers, json=data)
     print(response.json())
     

     AIが生成したコード。よく見て使いましょう。 FAQについて.
   • 音声合成 (TTS)::

     パイソン

     import requests
     
     url = "https://api.deepgram.com/v1/speak"
     headers = {
         "Authorization": "Token YOUR_API_KEY",
         "Content-Type": "application/json"
     }
     data = {
         "text": "Hello, this is a test.",
         "voice": "en_us_male"
     }
     response = requests.post(url, headers=headers, json=data)
     with open("output.wav", "wb") as f:
         f.write(response.content)
     

     AIが生成したコード。よく見て使いましょう。 FAQについて.
4. リアルタイム音声処理WebSocket接続を使ったリアルタイム音声認識。

   パイソン

   import websocket
   import json
   
   def on_message(ws, message):
       print(json.loads(message))
   
   ws = websocket.WebSocketApp(
       "wss://api.deepgram.com/v1/listen",
       header={"Authorization": "Token YOUR_API_KEY"},
       on_message=on_message
   )
   ws.run_forever()
   

音声テキスト・ユーザー・ガイド

1. 統合APIDeepgramのSpeech-to-Text APIをアプリケーションに統合します。統合については、公式ドキュメントのサンプル・コードを参照してください。
2. オーディオファイルのアップロードAPI経由で音声ファイルをアップロードし、複数の音声フォーマットをサポートします。
3. トランスクリプションの結果を得るAPIは書き起こされたテキストを返すので、それをさらに加工してアプリケーションに表示することができる。

音声合成ユーザーガイド

1. 統合APIDeepgramの音声合成APIをアプリケーションに統合できます。
2. 入力テキストAPI経由で音声に変換するテキストコンテンツを入力します。
3. 音声出力APIは生成された音声ファイルを返すので、再生したりアプリケーションに保存したりすることができます。

オーディオ・インテリジェンス・ユーザー・ガイド

1. 統合APIDeepgramのオーディオ・インテリジェンスAPIをアプリケーションに統合できます。
2. オーディオファイルのアップロードAPI経由で分析対象の音声ファイルをアップロードします。
3. 分析結果の入手このAPIは、感情分析やキーワード抽出などの音声分析結果を返します。

音声エージェントAPI（Voice Agent API）ユーザーガイド

1. 統合APIDeepgramのVoice Agent APIをアプリケーションに統合します。
2. ダイアログモデルの設定アプリケーションのシナリオに応じて、適切な対話モデルを設定します。
3. 人間と機械の対話を可能にするAPIを通じて人間と機械の自然でスムーズな対話を可能にし、ユーザーエクスペリエンスを向上させる。

ご登録いただくと、すべてのAPIを呼び出せる200ナイフのクレジットを差し上げます。