Zoom、Google Meet、Microsoft Teamsのミーティングを録画し、Sonioxのマルチリンガル・言語切り替え対応の音声認識で文字起こしします — botリクエスト1つで、Soniox形式の結果をwebhookで受け取れます。

LLazare Rossillon
··2 min read
SonioxでマルチリンガルミーティングをRecordおよび文字起こしする方法

ミーティングが1つの言語にとどまるとは限りません。英語で始まり、技術的な詳細の部分でスペイン語に切り替わり、また英語で終わるような商談は、多くの文字起こし環境では対応できません。Sonioxはまさにこのために設計されており、60以上の言語に対応し、マルチリンガル・言語切り替え・複数話者の会話をネイティブスピーカーレベルの精度で処理します。

Sonioxが必要とするのは音声データです。Zoom、Google Meet、Microsoft Teamsからクリーンな音声を取得するのがmeeting botの役割です。このガイドでは、両者を連携させる方法を説明します。

ユーザーのミーティングで文中に言語が切り替わるコードスイッチングが発生する場合、meeting botを通じたSonioxが最も強力なパイプラインです。

ステップ1: APIキーを取得する

  • Soniox: Soniox ConsoleでAPIキーを作成します — 利用状況と請求管理もここで行います。
  • Meeting BaaS: auth.meetingbaas.comでセルフサービス登録 — 最初の8時間分の録画は無料です。

ステップ2: Sonioxを設定したbotを送信する

curl -X POST "https://api.meetingbaas.com/v2/bots" \
     -H "Content-Type: application/json" \
     -H "x-meeting-baas-api-key: $API_KEY" \
     -d '{
           "meeting_url": "https://meet.google.com/abc-defg-hij",
           "bot_name": "Soniox Bot",
           "transcription_config": {
             "provider": "soniox",
             "api_key": "'"$SONIOX_API_KEY"'"
           }
         }'

Soniox固有のオプション（言語ヒント、ドメイン語彙のコンテキストなど）はcustom_paramsを通じてSoniox独自のパラメータ名で渡されるため、ラッパーを待たずにSonioxの非同期API上のあらゆるパラメータを利用できます。

bot podはミーティングの音声を録音し、SonioxはあなたのAPIキーでコードスイッチング音声の言語ヒントを使って文字起こしを行い、ネイティブJSONがwebhookで返されます

ステップ3：Soniox ネイティブ出力を受信する

あなたのwebhookは、言語の切り替えを含むSonioxのresponse構造を反映した文字起こしの成果物に加え、録画、参加者リスト、および標準的なMeeting BaaS形式のbotの話者タイムラインを受信します。

この組み合わせを使う理由

  • 言語の切り替え：Soniox は、単一言語モデルでは対応できない会話中の言語切り替えを追跡します。
  • 複数話者の精度：Soniox の複数話者対応と bot の参加者メタデータを組み合わせることで、音声を実際の参加者名にマッピングできます。
  • あなたの請求：Soniox の使用はあなたのコンソールアカウントで行われます。Meeting BaaS は、自分のキーを使った文字起こし（Proプラン以上）に対して録音1時間あたり0.05 tokenを追加し、さらに録画レートとして1時間あたり1 tokenが加算されます。

アカウント不要の多言語対応の代替手段

組み込みのGladiaデフォルトは、1時間あたり0.25 tokenで100以上の言語を自動検出でカバーしており、プロバイダーアカウントは不要です。ミーティングにSoniox のコードスイッチング機能が必要かどうかを判断する前の良いベースラインとなります。

次のステップ

関連ブログtutorial