利用上の注意点

入力ファイル

音声ファイルと、音声を含む動画ファイルをアップロードできます。動画の場合も、書き起こしの対象は音声です。

拡張子が同じでも、内部のコーデックやファイルの破損によって処理できない場合があります。互換性を確認する際は、WAV（PCM、モノラル、16kHz）への変換もお試しください。

アップロード先を発行しただけでは、ファイル送信や書き起こしは開始されません。ファイルをPUTで送信した後、書き起こし開始APIを呼び出します。

ご利用環境によりますが、1時間の音声は15〜30分ほどで書き起こしが完了します。

完了までは、ジョブの状態をポーリングしてください。FAILED などの終了状態と、アプリケーション側のタイムアウトを扱えるようにしてください。

録音品質、周囲の雑音、発話の重なり、専門用語などが認識結果に影響します。同じ音声でも、モデルや処理条件の変更によって結果が異なる場合があります。

speaker は音声内の話者を区別するラベルです。SPEAKER_00 が常に受付職員になるわけではなく、人物の氏名や職種を示すものでもありません。音声ファイルをまたいで同じ人物に同じ番号が付くとは限りません。

医療受付の記録では、人名・予約日時・専門用語など、業務に使う項目を原音声と照合してください。辞書や話者数の指定も認識の補助に使えます。

APIキーはサーバー側で管理します。アップロードURLや結果のダウンロードURLも、アクセスに必要な情報を含むため、公開ページや共有ログに掲載しないでください。

署名付きURLには有効期限があります。結果URLの失効時は書き起こし詳細APIを再取得してください。録音データや書き起こし結果の取り扱いは、所属組織の運用ルールに従ってください。

精度向上のためのデータ提供については、利用者ガイドで設定の確認・変更方法を案内しています。実際に利用するチームの設定と契約条件を確認してください。