文字起こし編集

概要

リアルタイム文字起こしでは、確定済みの文字起こしごとに自然言語の編集指示を適用できます。たとえば、話された日付を固定形式で記述したり、略語や頭字語を展開したりできます。指示は接続を開く際に1回渡され、確定済みの各文字起こしの後に、編集済みテキストを含む個別のedited_transcriptイベントが続きます。

部分的な文字起こしは編集されません。committed_transcriptイベントも変更されないため、機能を有効にしても既存のインテグレーションは動作し続けます。

文字起こし編集を有効にする

接続時にtranscriptEditオプション（WebSocket APIではtranscript_editクエリパラメータ）で指示を渡します。指示は最大2,000文字です。指示の書き方については、バッチ文字起こし編集ガイドをご覧ください。

すべてのSDKで、編集済み文字起こしはRealtimeEvents.EDITED_TRANSCRIPTイベントを通じて届きます。

クライアント側

クライアント側ストリーミングガイドで説明されているように、サーバーが発行した1回限りのトークンを使用して、ブラウザで@elevenlabs/clientを使用します。

import { Scribe, RealtimeEvents } from "@elevenlabs/client";
// Fetch a single-use token from your server first
const response = await fetch("/scribe-token", yourAuthHeaders);
const { token } = await response.json();
const connection = Scribe.connect({
  token,
  modelId: "scribe_v2_realtime",
  transcriptEdit: "Write all dates in ISO 8601 format (YYYY-MM-DD)",
  microphone: {
    echoCancellation: true,
    noiseSuppression: true,
  },
});
connection.on(RealtimeEvents.COMMITTED_TRANSCRIPT, (data) => {
  console.log("Committed:", data.text);
});
connection.on(RealtimeEvents.EDITED_TRANSCRIPT, (data) => {
  console.log("Edited:", data.edited_text);
});

サーバー側

サーバー側ストリーミングガイドで説明されているように、サーバーで公式SDKを使用します。そのガイドと異なるのはオプションとイベントハンドラーだけです。音声の送信と接続の終了は同じ方法で行います。

import asyncio
import os
from dotenv import load_dotenv
from elevenlabs import AudioFormat, ElevenLabs, RealtimeAudioOptions, RealtimeEvents
load_dotenv()
async def main():
    elevenlabs = ElevenLabs(api_key=os.getenv("ELEVENLABS_API_KEY"))
    connection = await elevenlabs.speech_to_text.realtime.connect(RealtimeAudioOptions(
        model_id="scribe_v2_realtime",
        audio_format=AudioFormat.PCM_16000,
        sample_rate=16000,
        transcript_edit="Write all dates in ISO 8601 format (YYYY-MM-DD)",
    ))
    def on_committed_transcript(data):
        print(f"Committed: {data.get('text', '')}")
    def on_edited_transcript(data):
        print(f"Edited: {data.get('edited_text', '')}")
    connection.on(RealtimeEvents.COMMITTED_TRANSCRIPT, on_committed_transcript)
    connection.on(RealtimeEvents.EDITED_TRANSCRIPT, on_edited_transcript)
    # Send audio chunks as shown in the server-side streaming guide, then close.
    await connection.close()
if __name__ == "__main__":
    asyncio.run(main())

編集済み文字起こしを受信する

有効にすると、確定済みの各文字起こしの後に、確定済みテキストとその編集後バージョンを含むedited_transcriptイベントが続きます。

{
  "message_type": "edited_transcript",
  "text": "our next meeting is on the twelfth of July twenty twenty-six",
  "edited_text": "our next meeting is on 2026-07-12"
}

注意が必要な動作：

• 編集は確定済みセグメントごとに適用されます。編集は非同期で実行されるため、edited_transcriptイベントは対応するcommitted_transcriptイベントの直後に送信されます。次の部分的な文字起こしの後に届くことがあり、連続するセグメントの編集は順不同で届く場合があります。textフィールドを使用して、編集を確定済み文字起こしと対応付けてください。
• セグメントに編集がない場合、edited_textはtextと同一です。
• セグメントの編集を生成できない場合、そのセグメントにはedited_transcriptイベントは送信されません。committed_transcriptイベントには影響しません。
• committed_transcript_with_timestampsの単語レベルのタイムスタンプは、編集後のテキストではなく、元の確定済みテキストを表します。

次のステップ