@DoubleJ794
AquaVoiceと学割で契約したけど、これやべえな。すっげえスムーズにタイピングできる。
Avalon API
開発者向けの、高精度な音声API
Avalonは、開発者の話し方に合わせたバッチ文字起こしAPIです。AISpeak-10での重要用語の認識精度は97.4%。クライアントライブラリを変えずに、対応するOpenAI SDKのワークフローを使えます。
音声APIではなく、Aquaアプリをお探しですか？ 声でコーディングする方法を見る.
OpenAI SDK互換のバッチ文字起こし音声1時間あたり0.39米ドル。秒単位で課金し、最低課金時間は10秒です。
ユーザーの声
Aqua Voiceは、さまざまな企業で働く方に使われています
開発者の話し方に合わせたモデル
専門用語、コマンド、モデル名を、正しく文字にします。
Claude Codeへの指示やデプロイの説明は、朗読のような話し方にはなりません。音声モデルの学習データの多くは、その違いを捉えきれていません。Avalonは実際の開発ワークフローで、文字起こしとCLIセッション、IDEの画面を組み合わせて学習しました。話したコマンド、大文字・小文字、モデル番号を正確に保ちます。
ベンチマークだけでは伝わらないことがあります。ほかのモデルが明らかな専門用語を取り違え、「zshrc」を「C sharp C」に変えたり、存在しないモデル名を生成したりするのを見て、Avalonを開発しました。ユーザーが実際に話した言葉を保ち、コパイロット、サポート分析、ライブデモに届けます。
開発者の音声で測定
スコアを比較し、文字起こしの例と公開ベンチマークの結果を確認できます。
AISPEAK
97.4%
認識精度
AI用語、CLIコマンド、モデル名。Whisper Large v3のAISpeak-10での精度は65.1%です。
OPENASR
6.24%
平均単語誤り率（WER）
2025年10月、公開OpenASRランキングでクローズドソースモデルの第1位。
そのまま置き換え
2-line
変更するだけ
ベースURLとモデル名を変更するだけ。リクエスト形式、認証、ツールはそのまま使えます。
AI用語の聞き間違いを減らす
AISpeak-10は、「Claude Code」「GPT-4o-mini」「o3」などを話す実際の音声クリップを使ったベンチマークです。Avalonは重要用語を97.4%の精度で正しく文字起こしします。Whisper Large v3は3回に1回以上、認識を誤ります。
コーディング・AI用語の認識精度
高いほど良い
AISpeak-10
| モデル | 重要語句の認識精度 |
|---|---|
| Avalon最高スコア | 97.4% |
| ElevenLabs Scribe | 78.8% |
| Whisper Large v3 | 65.1% |
| Voxtral Mini 3B | 59.5% |
| NVIDIA Canary 1B | 51.5% |
AISpeak-50
| モデル | 重要語句の認識精度 |
|---|---|
| Avalon最高スコア | 97.5% |
| ElevenLabs Scribe | 86.7% |
| Whisper Large v3 | 82.4% |
| Voxtral Mini 3B | 79.4% |
| NVIDIA Canary 1B | 71.8% |
AISpeak-500
| モデル | 重要語句の認識精度 |
|---|---|
| Avalon最高スコア | 95.8% |
| ElevenLabs Scribe | 87.5% |
| Whisper Large v3 | 84.9% |
| Voxtral Mini 3B | 82.9% |
| NVIDIA Canary 1B | 74.1% |
Whisperが誤って補う用語も、Avalonは正確に。
Avalon
I've
tried
running
this
with
GPT-4o,
GPT-4.1,
および
o3.
Whisper
I've
tried
running
this
with
GPT-4.0,
GPT-4.1,
および
GPT-03.
Avalon
Claude 4
announcement.
Whisper
Claude for
announcement.
Parakeet
cloud floor
announcement.
Avalon
I
just
tried
running
this
with
GPT-4o
を試しましたが、うまくいきませんでした。
Whisper
いま、これを実行するために試したのは
GPT-400,
を試しましたが、うまくいきませんでした。
Avalon
Ultrathink.
Whisper
Ultrathing.
AISpeak評価から抜粋した音声
業界のベンチマークで検証
Avalonは2025年10月の公開時、OpenASRの公開ランキングでクローズドソースモデル中1位、全体6位を記録。平均単語誤り率は6.24%でした。Mac, Windows, iPhone, and Android版Aqua Voiceを支えるのも、同じAvalonです。
低いほど良い。2025年10月にWhisper Large v3、ElevenLabs Scribe v1、Voxtral Mini 3B、NVIDIA Canary 1B、AssemblyAI Bestと比較した結果です。
2025年10月の公開時、OpenASRでクローズドソースモデルの中で最も低い平均単語誤り率を記録。
上記のOpenASRの6データセットすべてでElevenLabs Scribe v1を上回る結果。
最初の文字起こしリクエストを送る
OpenAI SDKの使い方はそのまま。ベースURLとモデルを変更し、音声ファイルを送ります。
[01] 作成
APIキーを作成します。
[02] 設定
クライアントをAvalonに接続します。
以下の例に従い、AquaのベースURLとavalon-v1.5モデルを設定してください。[03] 文字起こし
音声ファイルを送信します。
返された文字起こしを確認するか、 PlaygroundでAPIをお試しください.
ターミナルで文字起こしをするなら、 Aqua CLI を使えます。APIキーと従量課金は共通です。
Avalonは、公開されているバッチ文字起こし仕様について標準のOpenAI SDKワークフローに対応しています。ベースURLとモデルを変更し、正確な互換性はAPIリファレンスで確認してください。
Python
from openai import OpenAIclient = OpenAI( api_key="your-avalon-api-key", base_url="https://api.aquavoice.com/v1")audio_file = open("speech.mp3", "rb")transcript = client.audio.transcriptions.create( model="avalon-v1.5", file=audio_file,)print(transcript.text)Playgroundで試す →
対応するバッチリクエストには、公式のPython・Node向けOpenAI SDK、またはcURLを使えます。
Avalon APIの料金
よくある質問
AvalonとAqua APIの違いは何ですか？
Avalonは、AquaのOpenAI互換ルートからバッチ文字起こしを提供します。Aqua APIには、それに加えてパーソナライズされた音声入力、音声編集、セッション保存、カスタマイズ、設定、MCPが含まれます。
使っているOpenAI SDKをそのまま利用できますか？
はい。公開されているバッチ文字起こしの仕様に対応しています。ベースURLをhttps://api.aquavoice.com/v1、モデルをavalon-v1.5に設定してください。対応するリクエストとレスポンスの項目はAPIリファレンスで確認できます。
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、wav、webmに対応しています。最大25 MiB、デコード後の音声1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。
Avalonで開発をはじめる
既存のOpenAI SDKで、デモ、コパイロット、サポート業務にAvalonを組み込めます。