翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
# 音声ストリーミングの文字起こし
Amazon Transcribe ストリーミングを使用すると、メディアコンテンツのリアルタイム文字起こしを生成できます。メディアファイルのアップロードを伴うバッチ文字起こしとは異なり、ストリーミングメディアはリアルタイムで Amazon Transcribe に配信されます。 Amazon Transcribe その後、 はトランスクリプトもリアルタイムで返します。
ストリーミングには、事前に録画されたメディア (映画、音楽、ポッドキャスト) とリアルタイムメディア (ライブニュース放送) が含まれます。の一般的なストリーミングユースケース Amazon Transcribe には、スポーツイベントのライブクローズドキャプションやコールセンターのオーディオのリアルタイムモニタリングなどがあります。
ストリーミングコンテンツは、 Amazon Transcribe が瞬時に文字起こしした一連の連続したデータパケット、つまり「チャンク」として配信されます。バッチではなくストリーミングを使用する利点には、アプリケーションでのリアルタイムの音声テキスト変換機能や、文字起こしに要する時間の短縮などがあります。ただし、この速度の向上により、場合によっては精度に制限が生じることがあります。
Amazon Transcribe では、ストリーミングに次のオプションが用意されています。
+ [SDK](getting-started-sdk.md) (推奨)
+ [HTTP/2](streaming-setting-up.md#streaming-http2)
+ [WebSocket](streaming-setting-up.md#streaming-websocket)
+ [AWS マネジメントコンソール](https://console.aws.amazon.com/transcribe/)
でストリーミングオーディオを文字起こしするには AWS マネジメントコンソール、コンピュータのマイクに向かって話します。
**ヒント**
SDK コードの例については、GitHub の「[AWS サンプルリポジトリ](https://github.com/orgs/aws-samples/repositories?language=&q=transcribe&sort=&type=all)」を参照してください。
ストリーミング文字起こしでサポートされている音声形式は以下のとおりです。
+ FLAC
+ Ogg コンテナ内の OPUS エンコードされた音声
+ PCM (16 ビット符号付き リトルエンディアンの音声形式のみ。WAV は含ま**ない**)
可逆形式 (FLAC または PCM) が推奨されます。
**注記**
ストリーミング文字起こしは、すべての言語でサポートされているわけではありません。詳細については、[サポートされている言語の表](supported-languages.md)の「データ入力」列を参照してください。
ストリーミング文字起こしの Amazon Transcribe リージョンの可用性を確認するには、[Amazon Transcribe 「エンドポイントとクォータ](https://docs.aws.amazon.com/general/latest/gr/transcribe.html#transcribe_region)」を参照してください。
## ベストプラクティス
ストリーミング文字起こしの効率を高めるには、以下のことを推奨します。
+ 可能であれば、PCM でエンコードされた音声を使用します。
+ ストリーミングは、できる限りリアルタイムに近いことを確認します。
+ レイテンシーは、音声チャンクのサイズによって異なります。音声タイプ (PCM など) でチャンクサイズを指定できる場合は、各チャンクを 50 ミリ秒から 200 ミリ秒の間で設定します。音声チャンクサイズは次の式で計算できます。
```
chunk_size_in_bytes = chunk_duration_in_millisecond / 1000 * audio_sample_rate * 2
```
+ チャンクのサイズを統一します。
+ 音声チャネル数は正しく指定してください。
+ シングルチャネルの PCM 音声では、各サンプルは 2 バイトで構成されるため、各チャンクは偶数のバイトで構成されている必要があります。
+ デュアルチャネル の PCM 音声では、各サンプルは 4 バイトで構成されるため、各チャンクは 4 バイトの倍数である必要があります。
+ 音声ストリームに音声が含まれていない場合は、同じ量の無音部分をエンコードして送信します。たとえば、PCM の無音は 0 バイトのストリームです。
+ 音声には必ず正しいサンプリングレートを指定します。可能であれば、16,000 Hz のサンプリングレートで録音します。これにより、ネットワーク経由で送信される品質とデータ量の最適な妥協点が得られます。ほとんどのハイエンドマイクは 44,100 Hz または 48,000 Hz で録音されます。