メインコンテンツへスキップ
Ink は 2 つのリアルタイム文字起こしモードをサポートしています:
  1. クライアントが音声を送信する（自動ファイナライズ）
  2. クライアントが音声を送信し、トランスクリプトをファイナライズするタイミングを通知する（手動ファイナライズ）
ほとんどの音声認識 API は両方の動作を組み合わせていますが、Cartesia はモデルのパフォーマンス向上のためにこれらを分離しています。 ほとんどのエージェントでは自動ファイナライズが推奨されます。 一方で、手動ファイナライズが必要なユースケースも多くあります。例えば:
  1. プッシュトゥトーク型のアプリ
  2. 発話が終了したことがわかっていて、トランスクリプトを待っているパイプライン

​
ガイド