前提条件
-
Cartesia APIキー。こちらで作成し、シェルのプロファイルに追加してください:
- 言語ランタイムとパッケージマネージャー:
音声をストリーミングしてトランスクリプトを受け取る
これらのスクリプトでは、CartesiaのTTSをプログラムから呼び出して音声入力を生成し、それをInk-2に渡して文字起こしします。- Python
- TypeScript
1
クライアントライブラリをインストールする
2
リアルタイムSTTスクリプトを作成する
realtime-stt.py
3
スクリプトを実行する
turn.update イベントです。最後に、完全なTTSトランスクリプトを含む turn.end イベントが表示されます。ここまでの流れ
WebSocket経由でraw PCM音声をInk-2にストリーミングし、到着したトランスクリプトイベントを順次読み取りました。turn.update はアクティブなターンのリアルタイムな進捗を示し、turn.end はそのターンの確定したトランスクリプトを返します。
次のステップ
Ink-2について学ぶ
リアルタイムSTTモデルの詳細。
ターン検出を理解する
Ink-2がユーザーの発話の開始と終了をどのように検出するかを確認します。
Inkで開発する
統合、SDK、サンプル、移行ガイドを見つけます。