メインコンテンツへスキップ
このチュートリアルを使って、Ink-2で最初のリアルタイムSTT呼び出しを行います。

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。
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

コンソールにInk-2が発行するイベントが表示されます。具体的には、逐次追加されていくトランスクリプトを含む 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。