音声をテキストに変換

されません。音声のデコードと文字起こしはブラウザー内で行われ、録音はサーバーにアップロードされません。モデルや処理用リソースがキャッシュにない場合は、ダウンロードにインターネット接続が必要です。

自動検出では、録音の冒頭付近の音声から言語を判定します。手動で選ぶこともできます。多くの言語に対応していますが、精度は言語、アクセント、雑音、録音品質に左右されます。複数言語や同時発話がある録音は、特に慎重に確認してください。

初期状態では高性能モードが選択されています。認識結果を改善する可能性がありますが、初回のダウンロード容量と必要なメモリが増え、通常は処理時間も長くなります。認識精度を優先する場合は高性能モードを選んでください。標準モードは処理が速く、メモリ使用量も少ないため、長い録音やリソースが限られた端末に適しています。

話者ラベルは任意で、初期状態では無効です。誰が話したかを推定するため、短い発話や重なった声では特に誤る可能性があります。