メインコンテンツまでスキップ

音声認識言語

language で認識言語を設定します。

  • whisper 利用時は必須です。
  • sommers では任意です。対応言語は ko（韓国語）、ja（日本語）。省略時は ko が既定値です。

対応言語​

Sommers モデル​

  • 韓国語（ko）と日本語（ja）に対応
  • language を設定しない場合、ko（韓国語）が既定になります

Whisper モデル​

  • ISO 639-1 の 2 文字コードで 100 言語に対応します。対応言語は Whisper の言語一覧を参照してください。

言語検出と多言語（Whisper 専用）​

通常の言語コードに加えて、language には言語検出と多言語処理のための 2 つの特別な値を指定できます。

1. detect - 単一言語の自動検出​

単一言語で構成された音声の言語を自動検出します。音声全体が 1 つの言語で構成されているものの、言語が不明な場合に利用できます。

例:

  • 音声全体が英語で構成されている場合
  • 音声全体が韓国語で構成されている場合

2. multi - 多言語処理​

複数の言語が含まれる音声を処理し、文や区間ごとに使用されている言語を認識します。

例:

  • 1 つの音声で英語、韓国語、日本語の文が交互に現れる場合
  • 文ごとに異なる言語が使用される場合
  • 複数の言語を含む国際会議の録音

language_candidates（Whisper 専用）​

detect/multi 使用時に候補言語を指定して精度を高められます。

  • 既定: ["ko", "ja", "zh", "en"]
注意
  • whisper では language が必須
  • sommers では language は任意（ko/ja をサポート、既定は ko）
  • detect/multi および language_candidates は Whisper 専用機能（sommers では非対応）
  • 候補を増やしすぎると精度低下

例​

POST のリクエストボディで language を設定します（whisper では必須）。detect/multi の場合は language_candidates の指定も可能です。

POST リクエスト例: サンプル

全体例（プリセット）: サンプル