音声 言語 判定で、録音の途中の言語の切り替わりも確認できます

languageは、どのソースでもautoが初期値です。省略してもautoを指定しても同じです。字幕の選択とAI文字起こしでの役割は、言語オプションで確認できます。

さまざまな録音をまとめて処理するときは、自動判定から始められます。全件に同じ言語を強制せずに済みます。短い録音や冒頭が曖昧な録音で、話している言語が分かる場合は、2文字のコードをヒントとして渡せます。

音楽や無音が長い録音、短い外国語のフレーズしかない録音では、言語を判断する材料が少なくなります。languageの値だけで正しさを決めず、文字起こしテキストも音声と照合してください。

トップレベルのlanguageは録音の主な言語、各セグメントのlanguageはその部分の言語です。文字起こしオブジェクトで両方の位置を確認できます。

録音全体の一覧には主な言語を使い、個々の発言の振り分けにはセグメントの言語を使えます。たとえば導入と回答で言語が違うインタビューでは、主な言語と一致しない発言をすべて除外すると、大事な回答まで失ってしまいます。

以下のJSONは、セグメントに言語が付く構造を示しています。実際の会話では文の途中で言語が変わることもあります。人名、専門用語、言語が混ざる箇所は確認が必要です。後で翻訳や編集をする場合も、元のセグメントのテキストは残します。

languageに2文字のISO 639-1コードを指定します。ファイルの場合はmultipartのフォームフィールドとして渡します。アップロードの例でも確認できます。

AI文字起こしでは認識のヒントになります。YouTubeの字幕では、取得するトラックの言語を選びます。autoは動画の元の言語を選び、自動翻訳字幕は使いません。録音ファイルとYouTubeを同じ仕組みで扱う場合も、この違いは残ります。

スペイン語の録音にenを指定しても、英語には翻訳されません。翻訳が必要なら、文字起こしの後で別の作業として行い、元のテキストと比較して確認してください。

言語別の編集担当者や検索インデックスに振り分ける場合は、録音全体の言語とセグメントの言語を両方保存します。主な言語と違うという理由だけで除外せず、必要な発言ごとに扱います。

インタビューで言語が変わった箇所は、前後も聞いて確認します。人名、引用、外来語が出ただけで、発言全体の言語が変わったとは限りません。機械の言語ラベルから、話者の語学力や経歴、本人の属性を断定しないでください。

判定がおかしいと感じたら、まず元の音声を聞きます。期待した言語の発話があり、別の音声トラックを選んでいないか確かめます。ヒントを変えて作り直すと、新しい有料の文字起こしになる場合があります。比較用に以前のテキストも残します。