Skip to main content
このガイドでは、バッチ音声文字起こし向けの OpenAI Speech to Text からの移行について説明します。 Cartesia の Batch Speech-to-Text API は OpenAI の API と互換性があるため、移行はいくつかのパラメーターを変更するだけで済みます。

移行ガイドに戻る

OpenAI リアルタイム文字起こしやその他からの移行

エンドポイント

Cartesia ネイティブ: /stt - すべての機能をサポート
OpenAI 互換: /audio/transcriptions - OpenAI のドロップイン置き換え

OpenAI SDK を使用する

OpenAI のベース URL を https://api.cartesia.ai に置き換えて、Cartesia の互換レイヤーを使用します:

サポートされるパラメーター

  • file - 文字起こしする音声ファイル
  • model - ink-whisper を使用
  • language - 入力音声の言語(ISO-639-1 形式)
  • timestamp_granularities - 単語レベルのタイムスタンプを取得するには ["word"] を含める
レスポンス形式:常に JSON を返し、文字起こしテキスト、再生時間、言語、オプションで単語タイムスタンプを含みます。 完全なパラメーターリファレンスは Batch STT API ドキュメントを参照してください。 OpenAI SDK を Cartesia のベース URL に向け、モデルを ink-whisper に切り替えます:

API の直接利用

両エンドポイントは同じパラメーターを受け取り、同じ JSON レスポンス形式を返します:

Cartesia ネイティブエンドポイント

OpenAI 互換エンドポイント

まとめ

OpenAI Speech to Text から Cartesia に移行するには:
  1. ベース URL を更新する: https://api.openai.com/v1 から https://api.cartesia.ai に変更します
  2. 認証情報を更新する: OpenAI API キーを Cartesia API キーに置き換えます
  3. モデル名を更新する: OpenAI のモデル名の代わりに ink-whisper を使用します
  4. 同じエンドポイントを使い続ける: /audio/transcriptions を引き続き使用します
  5. 未サポートのパラメーターを避ける: prompttemperatureresponse_format パラメーターを削除します
  6. timestamp_granularities を使用する(オプション): 単語レベルのタイムスタンプを取得するには timestamp_granularities: ["word"] を追加します
コア機能は変わらず、JSON レスポンスに文字起こしテキストとオプションで単語タイムスタンプが含まれます。