音声を、もっと シンプルに

よくある質問

スマートフォンにリアルタイム翻訳が入っているのに、なぜ VocalStack が必要なのですか？

スマートフォンで動くのは、端末とバッテリーに収まる小さな音声モデルです。短くはっきりした日常会話なら問題ありません。しかし、実際の会話で本当につまずくのは、珍しい単語や名前、似た音の言葉（「橋」と「箸」、「科学」と「化学」など）、専門用語、なまり、話し声の重なり、背景の雑音です。モデルは推測し、翻訳はその推測の上に作られ、それが間違っていても会場の誰にもわかりません。

VocalStack はサーバー上で動作するため、フルサイズのモデルを使い、認識後にすべてのセリフを文脈と照らし合わせて確認します。事前にスクリプトやスライドをアップロードすれば、そこに含まれる名前や用語が聞き間違いより優先されます。それでも誤りがあれば、ライブ中にそのセリフを修正でき、すべての視聴者に修正が反映されます。

また、スマートフォンが聞き取るのは話者ではなく会場の音で、翻訳も 1 人のためだけです。50 台のスマートフォンがあれば、50 通りの文字起こしができてしまいます。VocalStack はミキサー、ストリーム、マイクから直接音声を受け取り、話者の言葉を一度だけ文字起こしし、全員が同じ内容を自分の言語で読んだり聞いたりできます。翻訳は話者本人の声で読み上げられるので、視聴者に聞こえるのは無機質なロボット音声ではなく、ステージ上のその人の声です。

視聴者 1 人ごとに料金がかかりますか？料金の仕組みは？

いいえ。視聴者は何人いても、どの言語で読んだり聞いたりしても無料です。お支払いいただくのは文字起こしされた音声の分だけで、1 秒単位、1 回の文字起こしにつき最低 5 分です。請求はそれだけです。最大 10 言語への翻訳、音声翻訳、ブロードキャスト、要約、エクスポートはすべて含まれています。

料金とプランを見る

ファイルとリアルタイム文字起こしでは料金が異なりますが、どのプランでも同じです。Premium には毎月 $50 分のクレジットが含まれます。すべてのプランで機能は同じで、API もダッシュボードと同じ料金です。

視聴者が内容を追うには何が必要ですか？

リンクか QR コード、そしてスマートフォンだけです。インストールもアカウント作成も不要です。視聴者はブラウザでリンクを開き、言語を選ぶだけで、話された内容を文字起こしで読めます。聞きたい場合は、翻訳された各セリフが読み上げられます。言語はいつでも変更でき、それまでの文字起こしも新しい言語で表示し直されます。

途中から参加した視聴者も、それまでに話された内容をすべて確認したうえで、ライブで追えます。接続が切れても、復帰時にページが自動で追いつきます。

音声はマイクから入力する必要がありますか？

いいえ。リアルタイム文字起こしでは、あらゆるデバイスのマイク、OBS や放送用エンコーダーからの RTMP フィード、YouTube ライブ、インターネットラジオ局、ストリームを配信する任意の URL を音声源にできます。ストリームの場合は VocalStack が音声を直接取得するため、お客様側で何かを動かす必要はありません。

1 つのブロードキャストリンクに複数の文字起こしをつなげられるので、2 つのステージがあるカンファレンスや、ラジオのストリームと YouTube ライブを持つ放送局でも、リンクは 1 つで済みます。

文字起こしを閲覧できる人を制限できますか？

はい。ブロードキャストは初期設定では公開されており、リンクを知っていれば誰でも視聴できます。非公開にしてパスワードを設定すれば、その両方を伝えた人だけが参加できます。あとでリンク名を変更しても、古いリンクはそのまま使えます。誰が、どの言語で、いつ参加したかも確認できます。

視聴者に聞こえるのは本人の声ですか、それとも合成音声ですか？

どちらも可能です。初期設定では、話者ごとに性別の合った異なる標準音声が割り当てられるので、パネルディスカッションもパネルらしく聞こえます。話者の許可があれば、30 秒の音声からその人の声をクローンでき、翻訳はすべての言語で本人の声で読み上げられます。クローン音声を作成すると、今後の録音でもその話者が識別され、名前でラベル付けされます。話者ごとに音声を割り当てたり、ミュートしたりすることもできます。

イベント終了後には何が残りますか？

すべてです。録音、修正と翻訳を含む文字起こし、音声がライブラリに保存されます。言葉が確定すると、タイトルと要約がすべての言語で作成されます。届いたときのまま再生したり、自分の言語ですべての文字起こしを横断検索したり、SRT 字幕、PDF、Excel、JSON 形式でエクスポートしたりできます。

自社のプロダクトに組み込めますか？

はい。ダッシュボードでできることはすべて、同じ料金で API から利用できます。WebSocket によるリアルタイム文字起こし、ブロードキャスト付きのライブ文字起こし、翻訳と音声翻訳、ファイルとリンクのジョブ、そして MCP サーバー。TypeScript と Python の公式 SDK も含まれています。視聴者は、共有コードを使えば API キーなしで、御社のアプリから録音を購読できます。