> ## 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. # 自動コミットによる ElevenLabs からの移行 このガイドでは、`commit_strategy=vad` で使用している ElevenLabs Realtime Speech to Text 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 Ink 2 は現時点で英語のみをサポートしています。\ 今後数ヶ月のうちに他言語の追加を予定しています。 ## 接続 ElevenLabs の WebSocket URL と認証ヘッダーを、Cartesia の `/stt/turns/websocket` に置き換えます。 ```diff theme={null} - wss://api.elevenlabs.io/v1/speech-to-text/realtime?model_id=scribe_v2_realtime&audio_format=pcm_16000&commit_strategy=vad + wss://api.cartesia.ai/stt/turns/websocket?model=ink-2&encoding=pcm_s16le&sample_rate=16000 ``` ```diff theme={null} - xi-api-key: + x-api-key: + 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ていません。代わりに、API バージョンを `cartesia_version` クエリパラメーターで渡し、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 を使って自動ファイナライズ WebSocket に接続します。 ```python Python theme={null} import os from cartesia import AsyncCartesia client = AsyncCartesia(api_key=os.getenv("CARTESIA_API_KEY")) async with client.stt.auto_finalize.websocket( model="ink-2", encoding="pcm_s16le", sample_rate=16000 ) as connection: ... ``` ```typescript TypeScript theme={null} import Cartesia from "@cartesia/cartesia-js"; const client = new Cartesia({ apiKey: process.env.CARTESIA_API_KEY }); const connection = client.stt.autoFinalize.websocket({ model: "ink-2", encoding: "pcm_s16le", sample_rate: 16000, }); ``` ```typescript 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.autoFinalize.websocket({ model: "ink-2", encoding: "pcm_f32le", sample_rate: audioContext.sampleRate, }); ``` ## クエリパラメーター | ElevenLabs Scribe (VAD) | Cartesia Realtime STT (Auto) | 備考 | | ----------------------------------------------------------------------------------------------- | ---------------------------------------------------------------------------------------- | --------------------------------------------------------------------------------------------------------- | | `model_id=scribe_v2_realtime` required | `model=ink-2` required | すべてのオプションについては[モデル](/build-with-cartesia/stt/latest)を参照してください。 | | `audio_format=pcm_16000` | `encoding=pcm_s16le` + `sample_rate=16000` required | ElevenLabs はフォーマットとレートをまとめていますが、Cartesia はこれらを分離しています。[エンコーディング](#encoding)を参照してください。 | | `commit_strategy=vad` | — | 手動コミットについては[手動ファイナライズ](/use-the-api/stt/migrate-from-elevenlabs-realtime-speech-to-text/manual)を参照してください。 | | `language_code` | — | `ink-2` は現時点で `en` のみをサポートしています。より多くの言語が近日中に対応予定です。 | | — | `cartesia_version=2026-03-01` required | 詳細については [API 規約](/use-the-api/api-conventions#always-send-a-cartesia-version-header)を参照してください。 | | `vad_silence_threshold_secs`、`vad_threshold`、`min_speech_duration_ms`、`min_silence_duration_ms` | — | Cartesia は意味的なターン検出を使用します。VAD（音声区間検出）のチューニングは不要です。 | | `include_timestamps` | — | 近日対応予定です。 | | `keyterms` | `keyterm` | 単数形の `keyterm` に注意してください。[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。 | | `enable_logging` | — | 組織によって制御されます。 | ElevenLabs はサンプル形式とレートを 1 つの `audio_format` トークンにまとめています。Cartesia はこれらを `encoding` と `sample_rate` に分けています。 | ElevenLabs `audio_format` | Cartesia `encoding` | Cartesia `sample_rate` | | ------------------------- | ------------------- | ---------------------- | | `pcm_8000` | `pcm_s16le` | `8000` | | `pcm_16000` | `pcm_s16le` | `16000` | | `pcm_22050` | `pcm_s16le` | `22050` | | `pcm_24000` | `pcm_s16le` | `24000` | | `pcm_44100` | `pcm_s16le` | `44100` | | `pcm_48000` | `pcm_s16le` | `48000` | | `ulaw_8000` | `pcm_mulaw` | `8000` | Cartesia は `pcm_s32le`、`pcm_f16le`、`pcm_f32le`、`pcm_alaw` も受け付けます。\ Cartesia のすべてのエンコーディングは、すべてのサンプルレートに対応しています。 ## 音声の送信 ElevenLabs は各音声チャンクを JSON 形式のテキストフレームでラップし、音声バイトを base64 エンコードします。\ Cartesia は音声チャンクをバイナリフレームとして受け取ります。生の音声バイトをそのまま送信します。 ```diff theme={null} - { "message_type": "input_audio_chunk", "audio_base_64": "", "commit": false, "sample_rate": 16000 } + ``` * 以前のテキストを渡す必要はありません * サンプルレートは接続時に `sample_rate` クエリパラメーターによって決まります 現在 ElevenLabs でセッションの途中で音声をコミットしている場合は、代わりに Cartesia の[手動ファイナライズ](./manual)の使用を検討してください。 詳細については[移行ガイド](/use-the-api/stt/migrations)のページを参照してください。 すべての音声をコミットしてセッションを閉じるには、JSON 形式のテキストフレームを送信します。 ```json theme={null} { "type": "close" } ``` Cartesia はバッファリングされたすべての音声を文字起こしした後、ソケットを閉じます。 ### SDK による音声の送信 ```python Python theme={null} # ElevenLabs await elevenlabs_connection.send({ "audio_base_64": b64encode(raw_audio), }) # Cartesia # raw_audio (bytes) - Raw audio data, about 100 ms at a time await connection.send_raw(raw_audio) ``` ```typescript TypeScript theme={null} // ElevenLabs elevenLabsConnection.send({ audioBase64: rawAudio.toBase64() }); // Cartesia // @param {ArrayBufferLike} rawAudio - raw audio data, about 100 ms at a time connection.sendRaw(rawAudio); ``` ### 送信前に base64 エンコードされた音声をデコードする ```python Python theme={null} # ElevenLabs await elevenlabs_connection.send({ "audio_base_64": audio_base_64, }) # Cartesia from base64 import b64decode await connection.send_raw(b64decode(audio_base_64)) ``` ```typescript TypeScript theme={null} // ElevenLabs elevenLabsConnection.send({ audioBase64 }); // Cartesia connection.sendRaw(Uint8Array.fromBase64(audioBase64)); ``` ### コミットとクローズ ```python Python theme={null} # ElevenLabs elevenlabs_connection.on(RealtimeEvents.COMMITTED_TRANSCRIPT, lambda: elevenlabs_connection.close()) await elevenlabs_connection.commit() # Cartesia await connection.send({"type": "close"}) # Cartesia: Close the socket early (optional) await connection.close() ``` ```typescript TypeScript theme={null} // ElevenLabs elevenLabsConnection.on(RealtimeEvents.COMMITTED_TRANSCRIPT, () => elevenLabsConnection.close()); elevenLabsConnection.commit(); // Cartesia connection.send({ type: "close" }); // Cartesia: Close the socket early (optional) connection.close(); ``` ## イベントのマッピング Scribe は `partial_transcript` を発行し、その VAD がセグメントをコミットすると `committed_transcript` を発行します。 Cartesia は同じ情報をターンのライフサイクル（`turn.start`、`turn.update`、`turn.eager_end`、`turn.resume`、`turn.end`）にまとめています。完全なステートマシンについては[ターン検出](/use-the-api/stt/turns)を参照してください。 | ElevenLabs `message_type` | Cartesia `type` | 備考 | | -------------------------------------- | ---------------- | ------------------------------------------------------------------ | | `session_started` | `connected` | 接続が確認されました。音声を送信する前にこれを待つ必要はありません。 | | `partial_transcript` | `turn.update` | ユーザーが発話している間の部分トランスクリプト。 | | `committed_transcript` | `turn.end` | ユーザーが発話を停止しました。ユーザーターンの完全なトランスクリプトを含みます。 | | `committed_transcript_with_timestamps` | `turn.end` | タイムスタンプはまだ利用できません。 | | — | `turn.start` | ユーザーが話し始めました。トランスクリプトは含みません。 | | — | `turn.eager_end` | ユーザーが発話を終えた可能性があるとモデルが予測します。無視しても問題ありません。 | | — | `turn.resume` | ユーザーが話し続けました。直前の `turn.eager_end` は無視してください。 | | `error` | `error` | クライアントエラーまたはサーバーエラー。 | | `auth_error` | — | Cartesia は WebSocket のアップグレードを 401 または 403 の HTTP ステータスで拒否します。 | | `quota_exceeded` | `error` | Cartesia のエラーレスポンスには `"error_code": "quota_exceeded"` が含まれます。 | | `rate_limited` | `error` | Cartesia のエラーレスポンスには `"error_code": "concurrency_limited"` が含まれます。 | | `session_time_limit_exceeded` | — | Cartesia はコード `1001` の WebSocket クローズフレームを送信します。 | ### 部分トランスクリプト ElevenLabs の `partial_transcript`: ```json theme={null} { "message_type": "partial_transcript", "text": "Hello" } ``` は Cartesia の `turn.update` になります。 ```json theme={null} { "type": "turn.update", "transcript": "Hello", "request_id": "33cacee6-1936-4949-a05b-ecc9f2393248" } ``` ### コミット済みトランスクリプト ElevenLabs の `committed_transcript`: ```json theme={null} { "message_type": "committed_transcript", "text": "Hello world!" } ``` は Cartesia の `turn.end` になります。 ```json theme={null} { "type": "turn.end", "transcript": "Hello world!", "request_id": "33cacee6-1936-4949-a05b-ecc9f2393248" } ``` ```python Python theme={null} import asyncio from cartesia.types.stt import STTAutoFinalizeWebsocketResponse def on_message(message: STTAutoFinalizeWebsocketResponse) -> None: if message.type == "turn.start": print("User started speaking") elif message.type == "turn.update": print(f"partial_transcript: {message.transcript}") elif message.type == "turn.end": print(f"committed_transcript: {message.transcript}") elif message.type == "error": error_code = message.error_code or "unknown_error" if error_code == "quota_exceeded": print("You are out of credits") elif error_code == "concurrency_limited": print("You have too many open STT connections") else: print(f"{error_code}: {message.message}") connection.on("event", on_message) # ElevenLabs dispatches to your callbacks automatically; # with Cartesia you run the dispatch loop yourself recv_task = asyncio.create_task(connection.dispatch_events()) ``` ```typescript TypeScript theme={null} import Cartesia from '@cartesia/cartesia-js'; connection.on("event", (message: Cartesia.STT.AutoFinalize.STTAutoFinalizeWebsocketResponse) => { switch (message.type) { case "turn.start": console.log("User started speaking"); break; case "turn.update": console.log(`partial_transcript: ${message.transcript}`); break; case "turn.end": console.log(`committed_transcript: ${message.transcript}`); break; } }); connection.on("error", (error) => { if (error.error) { // Server sent error (may be a bad request or internal server error) const errorCode = error.error.error_code || "unknown_error"; switch (errorCode) { case "quota_exceeded": console.error("You are out of credits"); break; case "concurrency_limited": console.error("You have too many open STT connections"); break; default: console.error(`${errorCode}: ${error.error.message}`); break; } } else { // Client error console.error(`Client had an error: ${error.message}`); } }); connection.on("close", (code: number, reason: string) => { if (code === 1001) { console.log("WebSocket closed due to inactivity"); } else { console.log(`WebSocket closed (${code}): ${reason}`); } }); ``` ## サーバーメッセージの例 > Scribe のトランスクリプトはスペースで結合されます。Ink のものは結合されません。 | ElevenLabs Scribe (VAD) | Cartesia Realtime STT (Auto) | | --------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------ | | — | turn.start | | partial\_transcript `"Scribe's transcripts"` | turn.update `"Scribe's transcripts"` | | — | turn.eager\_end `"Scribe's transcripts"` | | — | turn.resume | | partial\_transcript `"Scribe's transcripts are joined with spaces."` | turn.update `"Scribe's transcripts are joined with spaces."` | | — | turn.eager\_end `"Scribe's transcripts are joined with spaces."` | | committed\_transcript `"Scribe's transcripts are joined with spaces."` | turn.end `"Scribe's transcripts are joined with spaces."` | | committed\_transcript\_with\_timestamps `"Scribe's transcripts are joined with spaces."` | — | | — | turn.start | | partial\_transcript `"Ink's are not."` | turn.update `" Ink's are not."` | | — | turn.eager\_end `" Ink's are not."` | | committed\_transcript `"Ink's are not."` | turn.end `" Ink's are not."` | | committed\_transcript\_with\_timestamps `"Ink's are not."` | — | ## リファレンス Cartesia Realtime STT (Auto) Cartesia SDK を使用する