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。
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
Deepgram の WebSocket URL と認証ヘッダーを Cartesia のものに置き換えます。cartesia_version クエリパラメータで渡し、API キーの代わりに短命の アクセストークン を access_token クエリパラメータで使用してください。
クエリパラメータ
音声の送信
両 API とも、バイナリ WebSocket フレームとして生の音声を受け取ります。音声パイプラインの変更はなく、宣言したencoding と sample_rate にバイトが一致することを確認するだけです。
セッションをクローズするには、JSON エンコードされた WebSocket テキストフレームを送信します:
Configure 制御メッセージに相当するものはありません。エンドオブターンを設定する必要がないためです。
イベントマッピング
Flux はすべてのターンイベントを単一のTurnInfo メッセージに event 判別子付きでラップします。Cartesia はイベントごとに 1 つのメッセージタイプを発行し、その型はトップレベルの type フィールドにあります。
Flux の
TurnInfo メッセージ:
turn.end イベントになります:
transcript はターン内で累積的です。
Ink 2 には 発行されるトランスクリプトはすべて確定 (final) であるという追加の利点があります。モデルが確信を持つまで単語は発行されません。後続のイベントは、それ以前のイベントで送られたテキストを変更することなく、トランスクリプトに追加するだけです。
同等機能のないフィールド
Cartesia は以下を発行しません:turn_indexaudio_window_startaudio_window_endwordsend_of_turn_confidencesequence_idlanguageslanguages_hinted