音声合成と音声認識
最終更新: 11 11月 2026
テキスト読み上げ(TTS)
ElevenLabs、OpenAI、Google の音声。声を選ぶと、テキストを読み上げた音声が得られます。料金はモデルとテキストの長さによって決まります。
音声のテキスト化(STT)
文字起こしには OpenAI と Groq(Whisper)のモデルを使用します。チャットに録音を添付するか、リアルタイム文字起こしを使ってください。/docs/doc-live-transcription をご覧ください。
リアルタイム音声
アシスタントとリアルタイムで話し、その返答を聞けます。/docs/doc-realtime-voice-and-live-translation をご覧ください。リアルタイムのセッションは分単位で課金されます。
対応言語
TTS と STT は世界の主要言語をはじめ、多くの言語に対応しています。品質は言語とプロバイダーによって異なります。話者の多い言語ほど声が自然で、文字起こしの精度は各言語で利用できる学習データの量に左右されます。
仕組みを動画で見る
Live translation, live transcription and translated video subtitles with AI
Choose the language you speak and the one to translate into, and start talking: your voice is translated as you go. It works one direction at a time; tap swap and the other person answers in their own language, and the whole conversation can be saved as a note. Live Transcription writes down what you say in real time, Speech-to-Text turns a recording into text, and a video comes back with its transcript, its translation and subtitle files in both languages.
この動画は英語です。