ポスト・コール・トランスクリプション

Video APIのアーカイブについて、テキスト転写を取得することができます。

このページには以下のセクションがあります：

機能概要
アーカイブの起動時に文字起こしと要約機能を有効にする
転写ステータスの取得
転写形式
トランスクリプションのダウンロード
制限事項／既知の問題
よくあるご質問

機能概要

Vonage Video APIのサーバーは、人工知能やその他の最先端技術を用いて、通話終了後の文字起こしを生成します。

REST APIを使用してアーカイブを開始するときに、トランスクリプションを有効にします。

アーカイブ録画が完了すると、テープ起こしがJSONファイルとして利用できるようになります。

アーカイブの起動時に文字起こしと要約機能を有効にする

Vonage Video REST API を使用してアーカイブを開始する場合は、次のように設定します。 hasAudio そして hasTranscription プロパティ true を、start archive REST メソッドに送信した JSON プロパティに追加します：

また、オプションで transcriptionProperties オブジェクトに hasSummary (ブール）または primaryLanguageCode (String)プロパティを使用します。設定時 hasSummary をtrueに設定すると、AIが作成した要約が書き起こしに含まれます。falseまたはmissに設定すると（デフォルト値は false) の場合、書き起こしの要約は含まれません。トランスクリプションが "en-US"(デフォルト)以外の言語である場合、プロパティ primaryLanguageCode を持つ。対応言語コード.

api_key=12345 json_web_token="jwt_string" # replace with a JSON web token data='{ "sessionId": "1_MX40NzY0MDA1MX5-fn4", "hasAudio": true, "hasVideo": true, "hasTranscription": true, "transcriptionProperties": { "hasSummary": true, "primaryLanguageCode": "ja-JP" }, "name": "archive_test", "outputMode": "individual" }' curl \ -i \ -H "Content-Type:application/json" \ -X POST \ -H "X-OPENTOK-AUTH:$json_web_token" \ -d "$data" \ https://api.opentok.com/v2/project/$api_key/archive

セット outputMode (POSTデータ内）を "individual".トランスクリプションは個別ストリーム・アーカイブだけである。

の値を設定する。 api_key OpenTokプロジェクトのAPIキーに設定します。次の値を設定してください。 json_web_token をJSONウェブトークンに変換します ( REST API 認証文書）。

その他のアーカイブオプションについてはアーカイブRESTメソッドの開始.

start archive REST メソッドの呼び出しに対するレスポンスには以下が含まれます。 hasTranscription そして transcription プロパティは、レスポンスの他の文書化されたプロパティに追加される：

{
  "createdAt" : 1384221730555,
  "duration" : 0,
  "hasAudio" : true,
  "hasVideo" : true,
  "id" : "b40ef09b-3811-4726-b508-e41a0f96c68f",
  "name" : "The archive name you supplied",
  "outputMode" : "individual",
  "projectId" : 123456,
  "reason" : "",
  "resolution" : "640x480",
  "sessionId" : "flR1ZSBPY3QgMjkgMTI6MTM6MjMgUERUIDIwMTN",
  "size" : 0,
  "status" : "started",
  "streamMode" : "auto",
  "hasTranscription" : true,
  "transcription" : {
    "hasSummary": true,
    "primaryLanguageCode": "ja-JP",
    "reason": "",
    "status": "requested",
    "url": ""
  }
}

参照転写ステータスの取得を参照してください。

において自動的にアーカイブされたセッションこの場合、テープ起こしは自動的に開始されません。2番目のアーカイブを開始する必要があります。 multiArchiveTag オプションで、転写のために同時アーカイブ).

現在、Vonage Video REST API では文字起こし機能が利用可能です。ただし、Vonage Video サーバー SDK ではこの機能はサポートされていません。

転写ステータスの取得

のRESTメソッドのレスポンスは、以下のようになる。リスト・アーカイブそしてアーカイブ情報の検索が含まれる。 hasTranscription そして transcription プロパティー

{
    "id" : "b40ef09b-3811-4726-b508-e41a0f96c68f",
    "event": "archive",
    "createdAt" : 1723584124,
    "duration" : 328,
    "name" : "the archive name",
    "projectId" : 123456,
    "reason" : "",
    "sessionId" : "2_MX40NzIwMzJ-flR1ZSBPERUIDIwMTN-MC45NDQ2MzE2NH4",
    "size" : 18023312,
    "status" : "uploaded",
    "hasTranscription" : true,
    "transcription": {
      "status": "available",
      "url": "URL for downloading the transcription, if available",
      "reason": "The reason for failure, if status is set to failed",
      "hasSummary": true,
      "primaryLanguageCode": "The configured language code"
    }
}

について hasTranscription プロパティはブール値で、アーカイブでトランスクリプションが有効になっているかどうかを示します。

について transcription プロパティは、以下のプロパティを持つオブジェクトである：

status (String) - 転写のステータスで、以下のいずれかに設定できる：
- "requested" - について hasTranscription プロパティが true アーカイブの開始コール中に、トランスクリプションが開始されていない。
- "failed" - 転写に失敗しました。を確認してください。 reason プロパティをご覧ください。
- "started" - テープ起こしは進行中だ。
- "available" — 文字起こしデータはOpenTokからダウンロードできます。詳しくは url 財産である。
- "uploaded" - 書き起こしは、Video API アカウントで指定した S3 バケットまたは Azure コンテナからダウンロードできます。アーカイブストレージターゲットのアーカイブ ID フォルダで transcription.zip を探してください。以下を参照してください。アーカイブ・ストレージ.
url (文字列) — 転写文をダウンロードするためのURL（もし status に設定されている。 "available".
reason (String) - 転写に失敗した理由。 status に設定されている。 "failed".
hasSummary (Boolean) - AIが作成した要約を書き起こしに含めるかどうかを示す。
primaryLanguageCode (String) - 転写用に設定された言語コード。

に対してアーカイブステータスのコールバックを設定することもできます。 Video APIアカウント.参照アーカイブステータスの変更.コールバックデータには hasTranscription そして transcription の特性を持つ。

転写形式

トランスクリプションは圧縮されたZIPファイルとして提供される。非圧縮ファイルはJSONデータを含むテキストファイルです。

トランスクリプションには、テキストの個々のセグメントが含まれる。各セグメントは、個々のオーディオチャンネル（セッションのオーディオストリームの1つ）に対応しています。

JSONは以下のトップレベルのプロパティを持つ：

job_id - トランスクリプションのユニークなID。
timestamp - 転写ファイルが作成されたISO 8601の日付文字列。
language - に設定されている。 "en-US".
channels_metadata - 各オーディオチャンネルを定義するオブジェクトの配列。各オブジェクトは id プロパティ。これは OpenTok のストリーム ID です。接続を確立する際に、識別用の接続データを追加することができます。クライアントトークンの作成を各ユーザに各ユーザーはセッション監視コールバックを使用して、各ストリームの接続のストリームIDと接続データを取得する。そして、これらを使って、ストリームのユーザーをトランスクリプションで特定することができる。
transcription — 転写の詳細を含むオブジェクト（後述）。

について transcription オブジェクトは以下のプロパティを持つ：

number_of_channels - トランスクリプションに含まれる、アーカイブ内の個々のオーディオチャンネルの数。
confidence - 2つのプロパティを持つオブジェクト： overall そして channels.その overall プロパティは転写全体の推定信頼度（0～1.0）である。この channels プロパティは、転写における各チャンネルの推定信頼度を列挙した配列である。
reliability - 1つのプロパティを持つオブジェクト： score.その score は、転写の総合的な信頼性の推定値を示す数値である（0～1.0）。
summary - を設定した場合 hasSummary プロパティの transcriptionProperties 対象 true アーカイブを開始すると、このプロパティが含まれます。AIが生成した書き起こしの要約が設定される。
segments — 文字起こしに含まれる個々のセグメントの配列。

の各オブジェクトは、 segments array には、以下のプロパティがあります：

text - セグメントの書き起こしテキスト。
formatted - セグメントのフォーマットされたテキスト（句読点付き）。
confidence - 0から1.0までの数値で、セグメントの転写の推定信頼度を表す。
channel - セグメントのオーディオチャンネルを示す整数。
start_ms — セグメントの開始位置から転写の開始位置までのオフセット（ミリ秒単位）。
end_ms — 転写の開始位置からセグメントの終了位置までのオフセット（ミリ秒単位）。
raw_data — 転写セグメント内の各単語に対応するオブジェクトの配列。

それぞれ raw_data このオブジェクトには、以下のプロパティが含まれています：

word — このコーナーでの一言。
confidence - 0から1.0までの数値で、転写された単語の推定信頼度を表す。
start_ms - 書き起こし開始位置からの単語開始位置のオフセット（ミリ秒単位）。
end_ms - 書き起こし開始位置からの単語終了位置のオフセット（ミリ秒単位）。

トランスクリプションのダウンロード

アーカイブのトランスクリプションファイルをダウンロードするには、REST API経由とDeveloper Dashboard経由の2つの方法があります。

REST APIによるダウンロード

を呼び出すことで、特定のアーカイブのトランスクリプションファイルをダウンロードすることができます。アーカイブ情報を取得する REST メソッドをチェックする。 transcription.url プロパティを指定する。もし transcription.status プロパティが "available" または "uploaded"その transcription.url プロパティには、転写ファイルをダウンロードするための URL が含まれます。

HTTPのGETリクエストを使って、URLから転写ファイルをダウンロードする。例えば

transcription_url="https://example.com/path/to/transcription.zip" # replace with the transcription URL curl -o transcription.zip $transcription_url

開発者ダッシュボードからダウンロード

をクリックすると、特定の通話のトランスクリプションをダウンロードできます。 フォールバックストレージ オプションは、以下の手順で有効にした：

開発者ダッシュボードを開きます。
プロジェクト一覧からプロジェクトを選択し、 アーカイブ セクション。をクリックして アーカイブ一覧 ボタンをクリックする。
必要に応じて、 アーカイブID または セッションID で結果を絞り込む。
結果リストで、該当するセッションを探す。
マウスを ステータス そのセッションの 書き起こしダウンロード ボタンをクリックする。

制限/既知の問題

トランスクリプションは、個々のストリーム・アーカイブに対してのみ利用可能で、構成されたアーカイブに対しては利用できません。
トランスクリプションは暗号化されたアーカイブとは互換性がありません。
この機能は現在 Vonage Video REST API でサポートされており、Vonage Video サーバ SDK ではサポートされていません。
テープ起こしの最長時間は120分です。
ポストコール・トランスクリプションは、すべてに完全に準拠しているわけではない。地域メディアゾーン (下記参照）。

地域メディアゾーンのサポート	アルファ版期間中に利用可能	一般提供（GA）開始時に利用可能
USA	はい	はい
EU	はい	はい
カナダ	いいえ	要件に基づき
ドイツ	いいえ	要件に基づき
オーストラリア	いいえ	要件に基づき
日本	いいえ	要件に基づき
韓国	いいえ	要件に基づき

よくあるご質問

よくある質問：

1つのセッションから何本のストリームを分析できますか？

最大50ストリーム、最大120分。

コール終了後の文字起こし機能は、ルーティングされたセッションとリレーされたセッションの両方で利用できますか？

通話後の文字起こし機能は、ルーティングされたセッション（ボネージ・メディア・ルーター).

トランスクリプションのアップロードが、顧客が設定したS3バケットへのアップロードに失敗した場合、再試行やフォールバックの仕組みは、アーカイブのアップロードと同様に機能するのでしょうか？

はい、PCTの再試行メカニズムは、通常のアーカイブアップロードとまったく同じように動作します。

トランスクリプションがフォールバックされ、Vonageクラウドにアップロードされる場合、トランスクリプションのダウンロードリンクを取得するためにHTTP GETリクエストを使用する必要がありますか？

トランスクリプションのステータスが変更されると、顧客はダウンロードURLを含むコールバックを受け取る必要があります。コールバックが登録されていない場合、ダウンロードリンクはHTTP GETリクエストでのみ取得できます。

トランスクリプションのダウンロードリンクを受信すると、直接ダウンロードすることができます。テープ起こしのダウンロードに認証を導入する予定はありますか？

リンクに認証を導入する予定はない。ダウンロードリンクには短い有効期限があります。その期間内にアクセスされなかった場合は、新しいリンクを取得するために新たなリクエストを行う必要があります。

複数のユーザーがセッションに参加しているにもかかわらず、トランスクリプションファイルは1つのJSONファイルです。どのようにユーザーを区別するのでしょうか？

ファイル内の各トランスクリプションエントリは、各ストリームに割り当てられた特定のチャンネル番号に関連付けられています。また、このファイルには channels_metadata 各チャンネルIDに対応するストリームID情報を提供するプロパティ。