リンクからポッドキャストを数クリックで文字起こし。エピソードのURLを貼るだけで、話者名付きの文字起こし、要約、SRT・PDF・テキストの書き出しが得られます。
リンクからポッドキャストを文字起こしするには、エピソードのアドレスをVocalStackに貼り付けてStartを押し、数分後に文字起こしを読みます。リンクは、SoundCloud、Spreaker、iHeartRadio、Audioboom、Mixcloud、YouTubeのエピソードページでも、ポッドキャスト自身のウェブサイトでも、エピソードのMP3でも構いません。SpotifyとApple Podcastsのリンクにはもう一手間が必要で、後で説明します。
このガイドでは、ダッシュボードでの流れを最初から最後まで追います。どのリンクが使えるか、リンクからでは音声のアドレスが分からない場合はどう入手するか、ホストとゲストにどう名前を付けるか、結果をテキスト、字幕、PDFでどう書き出すか、という内容です。最後の短い節では、同じことをAPIで行います。
ほとんどのエピソードのリンクは、そのまま使えます。VocalStackは音声だけをダウンロードして文字起こしし、文字起こしの元になったリンクを保持します。まず試すとよいリンクは次のとおりです。
.mp3、.m4a、.wav、.ogg、.flac、またはその他の音声・動画形式で終わる公開リンク。二種類のリンクは、何かをダウンロードする前に拒否されます。SpotifyやApple Podcastsのリンクは、それぞれ自社アプリ向けのページであり、VocalStackはどちらからも取得しません。コピー保護された録音は、他社のどのツールでも文字起こしできず、チェックの結果ではその旨が平易な言葉で表示されます。非公開の投稿や、サインインが必要なエピソードも拒否されます。
ダッシュボードでは、次の五つの手順で行います。
サイトがタイトルを提供している場合、文字起こしにはそのエピソードのタイトルが付くので、複数のエピソードをまとめて処理してもリストが読みやすいままです。長いエピソードには上限があります。従量課金では1ファイル最大2時間、Premiumでは最大8時間です。それより長い録音も、いきなり拒否されるわけではありません。チェックで長さが伝えられ、開始位置と終了位置を設定できるので、必要な部分だけを文字起こしできます。
アプリのリンクではなく、エピソードの音声ファイルを使います。ほとんどすべてのポッドキャストはRSSフィードで配信されており、フィードには各エピソードの音声の直接アドレスが入っています。そのアドレスは、VocalStackでは他のMP3リンクと同じように使えます。
<item>が並ぶ、長いテキストファイルです。<title>でエピソードを探し、同じitemの中にある<enclosure url="…">の行を見つけます。そのURLは通常.mp3で終わります。貼り付けるのはエピソードの音声アドレスで、フィード自体のアドレスではありません。フィードにはすべてのエピソードが並んでいますが、VocalStackはリンク一つにつき一つの録音を文字起こしします。番組のウェブサイトに各エピソードのページがあってプレーヤーが付いている場合は、エピソードのページを貼り付けるほうが早く済みます。VocalStackがそこから音声を見つけてくれるからです。
番組によっては、Spotifyでしか配信しておらず、公開フィードがないものもあります。そうしたエピソードにはアプリの外に音声のアドレスがないため、VocalStackに渡せるリンクがありません。ご自身が作ったエピソードなら、代わりにTranscriptions → New → Upload fileからお手元のコピーをアップロードしてください。
話者ラベルは声を区別し、名前は読みやすくします。設定には三つの値があります。
ラベルは最初は番号なので、文字起こしの中で各話者に名前を付けてください。レギュラーのホストがいる番組では、名前を付けるときにSave to Speakersにチェックを入れます。そのホストはSpeakersページに保存され、以降の録音でも声で認識されるので、来週のエピソードでは誰も何もしなくても名前でラベルが付きます。話者の保存で保持されるのは認識のための声紋だけで、本人が同意していない限り、声はクローンされません。声を区別することと、言葉を書き起こすことは別の仕事です。この二つがどうかみ合うかは、話者分離と音声認識の違いで説明しています。
エピソードの文字起こしが終わると、それを扱うツールが文字起こしの横に並びます。
すべての行はエピソード内の時刻を保持しているので、引用する前に再生して確認できます。
Exportタブは、文字起こしを、話された言語または任意の翻訳のファイルに変換します。
APIを使うと、同じ書き出しでプレーンテキスト(txt)とMarkdown(md)も得られ、ショーノートやブログ記事にそのまま貼り付けられます。
Shareタブでは、文字起こしページへの公開リンクを作成でき、誰でも音声を聞きながら読み進められます。ゲスト向け、ニュースレター向けなど、異なるラベルで複数のリンクを作れ、いつでも取り消せます。取り消したリンクはすぐに使えなくなります。共有リンクの読者は、自分の言語に切り替えたり、ダウンロードしたりできます。
番組がWordPressにある場合は、WordPress文字起こしプラグインが、メディアライブラリのエピソードを文字起こしして、ページに文字起こしを載せます。検索エンジンはそのすべての単語を読み取ります。
他の人の番組についての注意です。自分の調査、メモ、翻訳のためにエピソードを文字起こしすることは、よくある使い方です。他人の文字起こしを公開することは別の行為で、お住まいの地域の著作権法と番組自身の利用規約に左右されるため、投稿する前に番組に確認してください。
無料で始められます。新規アカウントには一回限りの$5のサインアップクレジットが付き、カードは不要です。ファイルの料金である音声1時間あたり$0.20なら、このクレジットでエピソード約25時間分を賄えます。
その後は、ファイルは1時間あたり$0.20で、秒単位で課金されます。1時間のエピソードは$0.20、30分のエピソードは$0.10です。従量課金では、文字起こしごとに最低5分が課金されるため、2分のクリップでも5分のクリップと同じ料金になります。Premiumには最低料金がなく、毎月$25のクレジットが含まれます。話者ラベル、要約、翻訳は料金に含まれており、追加料金ではありません。現在の金額と上限は料金ページにあります。
過去のエピソードがたまっている場合や、毎週文字起こししたいフィードがある場合は、APIでコードから同じことができます。Developers → API keysでキーを作成し、エピソードのurlを含むJSONボディでPOST /v1/transcriptionsを送ります。すぐに文字起こしを返し、その後サーバーが音声を取得します。
API={{api}}
AUTH="Authorization: Bearer $VOCALSTACK_API_KEY"
TX=$(curl -sSf "$API/v1/transcriptions" -H "$AUTH" -H "Content-Type: application/json" \
-H "Idempotency-Key: $(uuidgen)" \
-d '{"url":"https://example.com/episodes/42.mp3","name":"Episode 42","settings":{"speakerLabels":"auto"}}' \
| jq -r .id)
数秒ごとにGET /v1/transcriptions/$TX/jobを読み取ります。状態はfetchingからtranscribing、そしてdoneへ進み、失敗した場合は理由を示すerror付きのfailedで終わります。完了したら、文字起こしを書き出します。
curl -sSf "$API/v1/transcriptions/$TX/export?format=txt" -H "$AUTH" -o episode-42.txt
curl -sSf "$API/v1/transcriptions/$TX/export?format=srt&lang=es" -H "$AUTH" -o episode-42.es.srt
GET /v1/transcriptions/probe?url=は、リンクを先に確認して、何も保存せずに録音として開けるかどうかを教えてくれます。SDKはこれらすべてをvs.transcriptions.createFromUrlとvs.transcriptions.waitForJobとしてまとめています。ファイルAPIのチュートリアルで、遭遇するエラーとともに順を追って説明しています。
Spotifyのリンクからはできません。VocalStackはSpotifyから取得しません。Spotifyにある番組の多くはRSSフィードも公開しており、そのフィードにあるエピソードの音声アドレスなら使えます。Spotifyだけで配信されている番組には公開された音声アドレスがないため、リンクからは文字起こしできません。
はい、音声ファイルを通してなら可能です。Apple Podcastsのページは拒否されますが、Apple Podcastsは番組をRSSフィードから一覧にしているので、番組のフィードにあるエピソードの<enclosure>アドレスは、他のMP3と同じように文字起こしできます。
エピソードの長さより短く済みます。音声が先にダウンロードされ、ポッドキャストのホスティングサービスからなら数秒で済みます。文字起こしは再生より数倍速く進みます。進行状況バーに両方の段階が表示されます。
はい。話されている言語は100言語から自動で検出され、分かっている場合は指定もできます。ノイズの多い音声では指定したほうが役立ちます。どの文字起こしも、同じ料金で最大10言語に翻訳できます。
はい。書き出し、共有リンク、翻訳は、文字起こしそのもの以外に費用がかかりません。同じ文字起こしを何度でも書き出せます。
最初のエピソードのリンクを貼り付けて、数分で読んでみてください。