> ## Documentation Index > Fetch the complete documentation index at: https://docs.cartesia.ai/llms.txt > Use this file to discover all available pages before exploring further. # Deepgram Nova からの移行（手動ファイナライズ） このガイドでは、セッション中に `Finalize` コマンドを送信する場合の Deepgram Live Audio (Nova) からの移行について説明します。 このガイドには、素の API の説明と SDK コードの両方が含まれています。SDK をインストールするには次のようにします。 ```bash Python theme={null} pip install cartesia ``` ```bash TypeScript theme={null} npm i @cartesia/cartesia-js ``` すでに Cartesia SDK を使用している場合は、バージョン `>=3.2.0` にアップグレードしてください ## 接続 Deepgram の WebSocket URL と認証ヘッダーを Cartesia の `/stt/websocket` に置き換えます。 ```diff theme={null} - wss://api.deepgram.com/v1/listen?model=nova-3&encoding=linear16&sample_rate=16000 + wss://api.cartesia.ai/stt/websocket?model=ink-2&encoding=pcm_s16le&sample_rate=16000 ``` ```diff theme={null} - Authorization: Token + Authorization: Bearer + Cartesia-Version: 2026-03-01 ``` ブラウザでは、WebSocket はリクエストヘッダーをサポートしません。代わりに、API バージョンを `cartesia_version` クエリパラメーターとして渡し、API キーの代わりに短命の[アクセストークン](/get-started/authenticate-your-client-applications)を `access_token` クエリパラメーターで使用します。 Cartesia SDK で手動ファイナライズ WebSocket に接続します: ```python Python (Async) theme={null} import os from cartesia import AsyncCartesia client = AsyncCartesia(api_key=os.getenv("CARTESIA_API_KEY")) async with client.stt.manual_finalize.websocket( model="ink-2", encoding="pcm_s16le", sample_rate=16000 ) as connection: ... ``` ```python Python theme={null} import os from cartesia import Cartesia client = Cartesia(api_key=os.getenv("CARTESIA_API_KEY")) with client.stt.manual_finalize.websocket( model="ink-2", encoding="pcm_s16le", sample_rate=16000 ) as connection: ... ``` ```typescript Node.js theme={null} import Cartesia from "@cartesia/cartesia-js"; const client = new Cartesia({ apiKey: process.env.CARTESIA_API_KEY }); const connection = client.stt.manualFinalize.websocket({ model: "ink-2", encoding: "pcm_s16le", sample_rate: 16000, }); ``` ```typescript Browser theme={null} // Server-side: Generate access-tokens using your API key import Cartesia from '@cartesia/cartesia-js'; const client = new Cartesia({ apiKey: process.env.CARTESIA_API_KEY }); export async function GET() { const { token } = await client.accessToken.create({ grants: { stt: true, tts: false, agent: false }, // How long the token lasts in seconds // Allowed values: 0–3600 expires_in: 3600, }); return Response.json({ token }); } // Client-side // 1. Fetch an access token from your server // 2. Connect to Cartesia via WebSocket import Cartesia from "@cartesia/cartesia-js"; async function getToken(): Promise { const res = await fetch('/replace-with-your-server'); const { token } = await res.json(); return token; } const audioContext = new AudioContext(); const client = new Cartesia({ token: await getToken() }); const connection = client.stt.manualFinalize.websocket({ model: "ink-2", encoding: "pcm_f32le", sample_rate: audioContext.sampleRate, }); ``` ## クエリパラメーター | Deepgram Nova | Cartesia Realtime STT (Manual) | 備考 | | ------------------------------------------------------ | --------------------------------------------------------------------- | ---------------------------------------------------------------------------------------------------------------- | | `model=nova-3` 必須 | `model=ink-2` 必須 | すべての選択肢については[モデル](/build-with-cartesia/stt/latest)を参照してください。 | | `version=latest` | — | モデルのバージョンは `model` パラメーターで制御できます。 | | `encoding=linear16` | `encoding=pcm_s16le` 必須 | すべての選択肢については[エンコーディング](#encoding)を参照してください。 | | `sample_rate` | `sample_rate` 必須 | 変更なし。 | | `language` | `language` | `ink-2` は現在 `en` のみをサポートします。[他の言語](/build-with-cartesia/stt/older-models#ink-whisper)には `ink-whisper` を使用してください。 | | — | `cartesia_version=2026-03-01` 必須 | 詳細は [API 規約](/use-the-api/api-conventions#always-send-a-cartesia-version-header)を参照してください。 | | `channels`、`multichannel` | — | WebSocket 接続ごとにモノラル音声ストリームを送信してください。 | | `endpointing`、`vad_events` | — | 代わりに[自動ファイナライズ](/use-the-api/stt/migrate-from-deepgram-nova/auto)の使用を検討してください。 | | `keyterm`、`keywords` | `keyterm` | [キータームプロンプティング](/use-the-api/stt/keyterms)を参照してください。 | | `mip_opt_out` | — | 組織によって制御されます。 | | Deepgram | Cartesia | | ---------- | ----------- | | `linear16` | `pcm_s16le` | | `linear32` | `pcm_s32le` | | `mulaw` | `pcm_mulaw` | | `alaw` | `pcm_alaw` | | 非対応 | `pcm_f16le` | | 非対応 | `pcm_f32le` | | `flac` | 非対応 | | `amr-nb` | 非対応 | | `amr-wb` | 非対応 | | `opus` | 非対応 | | `ogg-opus` | 非対応 | | `speex` | 非対応 | | `g729` | 非対応 | ## 音声の送信 どちらの API も、raw PCM 音声を同じ方法でバイナリ WebSocket フレームとして受け取ります。 > Cartesia は次のエンコーディングをサポートしていません: `flac`、`amr-nb`、`amr-wb`、`opus`、`ogg-opus`、`speex`、`g729` Cartesia の制御コマンドは JSON ではなく、プレーンなテキストフレームです。 バッファリングされた音声をすべてフラッシュし、トランスクリプトを出力するようモデルに強制するには: ```diff theme={null} - { "type": "Finalize" } + finalize ``` ファイナライズは Deepgram Nova では**任意**ですが、Cartesia Realtime STT (Manual) では**必須**です。 Deepgram Nova でセッション中に `Finalize` コマンドを送信していない場合は、代わりに[自動ファイナライズ](./auto)を使用する Cartesia Ink の利用を検討してください。 詳細は[移行ガイド](/use-the-api/stt/migrations)のページを参照してください。 セッションを正常に閉じるには: ```diff theme={null} - { "type": "CloseStream" } + close ``` Cartesia には Deepgram の `KeepAlive` メッセージに相当するものはありません。接続には 3 分間のアイドルタイムアウトがあり、音声チャンクを送信するたびにリセットされます。接続を開いたままにするには、（無音であってもなくても）音声のストリーミングを継続してください。 ```python Python (Async) theme={null} # Equivalent to # deepgram_connection.send_media(audio_chunk) await connection.send_raw(audio_chunk) # Equivalent to # deepgram_connection.send_finalize() await connection.send("finalize") # Equivalent to # deepgram_connection.send_close_stream() await connection.send("close") ``` ```python Python theme={null} # Equivalent to # deepgram_connection.send_media(audio_chunk) connection.send_raw(audio_chunk) # Equivalent to # deepgram_connection.send_finalize() connection.send("finalize") # Equivalent to # deepgram_connection.send_close_stream() connection.send("close") ``` ```typescript TypeScript theme={null} // Equivalent to deepgramConnection.sendMedia(audioChunk) // @param {ArrayBufferLike} audioChunk - Note: Blob is not accepted connection.sendRaw(audioChunk); // Equivalent to // deepgramConnection.sendFinalize({ type: "Finalize" }) connection.send("finalize"); // Equivalent to // deepgramConnection.sendCloseStream({ type: "CloseStream" }) connection.send("close"); ``` ## イベントのマッピング Deepgram は 4 種類のサーバーメッセージを発行します。Cartesia はトランスクリプトチャンクに加えて、`finalize` および `close` コマンドへの確認応答を発行します。 | Deepgram `type` | Cartesia `type` | 備考 | | --------------- | --------------- | ------------------------------------------------------------------ | | `Results` | `transcript` | 主要なトランスクリプトイベント。下記のペイロード差分を参照してください。 | | `UtteranceEnd` | — | 相当するものはありません。詳細は[移行ガイド](/use-the-api/stt/migrations)のページを参照してください。 | | `SpeechStarted` | — | 相当するものはありません。詳細は[移行ガイド](/use-the-api/stt/migrations)のページを参照してください。 | | — | `flush_done` | `finalize` への確認応答。 | | — | `done` | `close` への確認応答。WebSocket が閉じる直前に送信されます。 | | `Metadata` | — | セッションのサマリー。サーバーがソケットを閉じる前に送信されます。 | | — | `error` | クライアントまたはサーバーのエラー。 | Deepgram の `Results` メッセージ: ```json theme={null} { "type": "Results", "channel_index": [0, 1], "duration": 1.7, "start": 0.0, "is_final": true, "speech_final": true, "channel": { "alternatives": [ { "transcript": "Hello world! This is the full transcript.", "confidence": 0.98, "words": [ { "word": "hello", "start": 0, "end": 0.2, "confidence": 0.9, "punctuated_word": "Hello" }, { "word": "world", "start": 0.2, "end": 0.5, "confidence": 0.9, "punctuated_word": "world!" }, { "word": "this", "start": 0.7, "end": 0.9, "confidence": 0.8, "punctuated_word": "This" }, ... ] } ] }, "metadata": { ... } } ``` これは 1 つ以上の Cartesia `transcript` イベントになります: ```json theme={null} { "type": "transcript", "is_final": true, "text": "Hello world!", "duration": 0.5, "words": [ { "word": "Hello", "start": 0, "end": 0.2 }, { "word": " world!", "start": 0.2, "end": 0.5 } ], "request_id": "2ff8af53-4d38-479d-8287-58940f01c701" } ``` > * Ink 2 はまだ `duration` や `words` を返しません > * Ink 2 と Whisper は現在、確定トランスクリプト（`is_final: true`）のみを発行します Cartesia の確定トランスクリプトは**デルタ**です ```python Python (Async) theme={null} import asyncio from cartesia.types.stt import STTManualFinalizeWebsocketResponse final_transcript = "" def on_message(message: STTManualFinalizeWebsocketResponse) -> None: global final_transcript if message.type == "transcript" and message.is_final: # Do not strip or add whitespace! final_transcript += message.text elif message.type == "flush_done": print("All audio up until 'finalize' was transcribed") elif message.type == "done": print("All audio up until 'close' was transcribed") elif message.type == "error": print(f"Error: {message.message}") # Equivalent to # deepgram_connection.on(EventType.MESSAGE, on_message) connection.on("event", on_message) # Equivalent to # asyncio.create_task(deepgram_connection.start_listening()) recv_task = asyncio.create_task(connection.dispatch_events()) ``` ```python Python theme={null} import threading from cartesia.types.stt import STTManualFinalizeWebsocketResponse final_transcript = "" def on_message(message: STTManualFinalizeWebsocketResponse) -> None: global final_transcript if message.type == "transcript" and message.is_final: # Do not strip or add whitespace! final_transcript += message.text elif message.type == "flush_done": print("All audio up until 'finalize' was transcribed") elif message.type == "done": print("All audio up until 'close' was transcribed") elif message.type == "error": print(f"Error: {message.message}") # Equivalent to # deepgram_connection.on(EventType.MESSAGE, on_message) connection.on("event", on_message) # Equivalent to # threading.Thread(target=deepgram_connection.start_listening, daemon=True).start() threading.Thread(target=connection.dispatch_events, daemon=True).start() ``` ```typescript TypeScript theme={null} import Cartesia from '@cartesia/cartesia-js'; let finalTranscript = ''; // Equivalent to // deepgramConnection.on("message", (message) => { ... }); connection.on("event", (message: Cartesia.STT.ManualFinalize.STTManualFinalizeWebsocketResponse) => { switch (message.type) { case "transcript": if (message.is_final) { // Do not trim or add whitespace! finalTranscript += message.text; console.log(`Transcript so far: ${finalTranscript}`); } break; case "flush_done": console.log("All audio up until 'finalize' was transcribed"); break; case "done": console.log("All audio up until 'close' was transcribed"); break; } }); // Equivalent to // deepgramConnection.on("error", (error) => { ... }); connection.on("error", (error) => { if (error.error) { // Server sent error (may be a bad request or internal server error) console.error(`Server sent an error: ${error.error.message}`); } else { // Client error console.error(`Client had an error: ${error.message}`); } }); ``` ## サーバーメッセージの例 > Ink may break words. Nova's transcripts are joined with spaces. Ink's are not. | Deepgram Nova | Cartesia Realtime STT (Manual) | | --------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------- | | SpeechStarted | — | | is\_final: false `"Ink"` | is\_final: true `"Ink "` | | is\_final: false `"Ink may break words."` | is\_final: true `"may bre"` | | is\_final: true `"Ink may break words."` | is\_final: true `"ak words."` | | UtteranceEnd | — | | SpeechStarted | — | | is\_final: false `"Nova's transcripts are joined with spaces."` | is\_final: true `" Nova's transcripts are "` | | is\_final: true `"Nova's transcripts are joined with spaces."` | is\_final: true `"joined with spaces."` | | UtteranceEnd | — | | SpeechStarted | — | | is\_final: false `"Ink's are not."` | is\_final: true `" Ink"` | | is\_final: true `"Ink's are not."` | is\_final: true `"'s are not."` | | UtteranceEnd | — | ## 参考資料 Cartesia Realtime STT (Manual) Cartesia SDK を使用