キータームプロンプティング

キータームプロンプティングは、重要な用語やフレーズをモデルが優先的に文字起こしするようバイアスをかけることで、それらの文字起こし精度を向上させます。ドメイン固有の専門用語、ブランド名や製品名、まれな単語や造語など、重要または一般的でない単語やフレーズに特に有効です。

WebSocket 接続を開く際に、keyterm クエリパラメータで 1 つ以上の用語を渡します。

wss://api.cartesia.ai/stt/websocket?model=ink-2&encoding=pcm_s16le&sample_rate=16000&keyterm=Ink%202&keyterm=Cartesia

複数の用語を渡すには、keyterm パラメータを用語ごとに 1 つずつ繰り返します。

?keyterm=Cartesia&keyterm=Sonic&keyterm=Ink

複数単語からなるフレーズの場合は、1 つの keyterm 値にまとめ、スペースを %20 としてエンコードします。

?keyterm=Ink%202

1 つの接続につき最大 100 個のキーターム、すべてのキータームを合わせて最大 1200 文字まで渡せます。

キータームは接続全体に適用され、接続を開くときにのみ設定されます。ストリームの途中でキータームを追加したり変更したりすることはできません。

キータームプロンプティングは、Realtime STT と Realtime STT (Auto) の両方のエンドポイントで機能します。

SDK での使用方法

Cartesia の Python SDK と TypeScript/JavaScript SDK はどちらも、STT WebSocket クライアントで keyterm 引数を受け付けます。用語やフレーズごとに 1 つのエントリを含む文字列のリストを渡してください。SDK が各値を繰り返される keyterm クエリパラメータとして送信するため、URL を自分で組み立てる必要はありません。

Python
TypeScript

with client.stt.auto_finalize.websocket(
    model="ink-2",
    encoding="pcm_s16le",
    sample_rate=16000,
    keyterm=["Cartesia", "Ink 2", "Sonic"],
) as connection:
    ...

同じ keyterm 引数は client.stt.manual_finalize.websocket(...) および非同期版（AsyncCartesia）でも利用できます。

const ws = client.stt.autoFinalize.websocket({
  model: "ink-2",
  encoding: "pcm_s16le",
  sampleRate: 16000,
  keyterm: ["Cartesia", "Ink 2", "Sonic"],
});

同じ keyterm オプションは client.stt.manualFinalize.websocket(...) でも利用できます。

ベストプラクティス

最良の結果を得るには、次の点を考慮してください。

ドメイン固有の専門用語、ブランド名や製品名、まれな単語や造語など、重要または一般的でない単語やフレーズにキータームを使用する
「the」や「and」のような一般的でありふれた単語は避ける
キータームを使いすぎず、最も重要なものを優先する
各キータームには正確なスペルと大文字・小文字を使用する

​SDK での使用方法

​ベストプラクティス

SDK での使用方法

ベストプラクティス