アプリに声を エージェントにも。
音声入力と文字起こし。 キーはひとつで両方に。
音声入力
話し手はひとり、最大10分。ユーザーの言語、辞書、置換、カスタム指示を反映した、完成した文章を返します。
本番運用。 それぞれのルートとヘッダー。
二重課金なしで再試行する。
Idempotency-Key
長い音声をバックグラウンドで処理する。
POST /v1/audio/transcription-jobs
ユーザーの過去の音声入力を読む。
GET /v1/sessions
ユーザーごとの辞書と設定を使う。
GET /v1/customizations
組織のメンバーとして操作する。
Aqua-User
文字起こしの稼働を確認する。
GET /v1/health/functional
技術用語の97.4%を 一度で正しく。
技術的な音声を集めた自社ベンチマーク、AISpeak-10での重要語の認識精度です。 ベンチマークを見る
まずは無料で、 あとは時間単位で。
Avalonの文字起こし
$0.39/音声1時間
- どんな音声でも、1ファイル最大4時間
- 文字起こしジョブでタイムスタンプ、字幕、話者ラベルに対応
- OpenAI SDKで使える
Aquaの音声入力
$0.49/音声1時間
- 話し手はひとり、最大10分
- ユーザーごとの辞書、置換、カスタム指示を反映した完成した文章
- 編集モードも同じ料金
最初の1ドル分は無料です。どちらも秒単位で課金され、最低10秒分からです。失敗したリクエストと冪等リプレイには課金されず、シート料金もかかりません。
よくある質問
Aqua APIとAvalon APIの違いは何ですか?
AvalonはAquaの音声認識モデルで、OpenAI互換の文字起こしルートで提供しています。Aqua APIにはこれらのルートが含まれ、さらに音声入力、音声編集、保存済みセッション、カスタマイズ、設定、MCPを利用できます。
Aqua APIはOpenAI互換ですか?
文字起こしルートのみ対応しています。ベースURLとモデル名を変更すれば、公式OpenAI SDKをそのまま使えます。音声入力、セッション、カスタマイズ、設定にはAqua独自のリクエスト形式とレスポンス形式を使います。
どの音声ファイルを文字に起こせますか?
flac、mp3、mp4、mpeg、mpga、m4a、ogg、opus、wav、webmに対応しています。最大256 MiB、デコード後の音声4時間までです。
字幕やタイムスタンプを取得できますか?
はい。json、text、srt、vtt、verbose_json形式に対応しています。セグメントのタイムスタンプはverbose_jsonで取得できます。
バックグラウンドで文字に起こせますか?
はい。transcription-jobsエンドポイントから非同期ジョブを送信し、状態を確認して結果を取得できます。同期処理にも対応しています。
APIキーはどう取得しますか?
Aqua APIダッシュボードで作成できます。1つのキーで音声入力、セッション、カスタマイズ、設定、MCP、文字起こしを利用できます。最初のキーでアカウントが有効になり、最初の1ドル分は無料です。初回リクエストにカードは不要です。1アカウントで最大30個のキーを保持できます。
APIはどの言語に対応していますか?
音声入力は50言語に対応し、オランダ語、英語、フランス語、ドイツ語、イタリア語、日本語、韓国語、中国語(普通話)、ポルトガル語、ロシア語、スペイン語、トルコ語、ウクライナ語で最も高い品質を発揮します。文字起こしは言語を自動検出するか、ISO 639-1の言語コードをヒントとして指定できます。
会議の音声を音声入力APIに送信できますか?
いいえ。音声入力は一人の話者向けで、他の声を除外することがあります。話者ラベルを付けられる文字起こしジョブをご利用ください。
APIで音声入力した内容は保存されますか?
ユーザーのプライバシー設定とゼロデータ保持設定によります。保持が有効なら音声入力を履歴に保存し、セッションIDを返します。保持が無効なら文章を返すだけで、保存しません。
AIエージェントからAquaを使えますか?
はい。AquaはリモートMCPサーバーでもあります。Claude、ChatGPT、Codexなどのクライアントは、OAuthで接続して、セッションと文字起こしを読み、フィードバックを送り、辞書の単語と設定を管理できます。