Salad Transcription API

このツールは、SaladCloud のトランスクリプション API に対応しており、同社の全 GPU クラウド製品を網羅するものではありません。主な機能は、音声を処理可能なテキストに変換し、話者識別、単語レベルの時間情報、字幕出力を提供することで、ポッドキャスト、インタビュー、会議録音、およびコンテンツ処理ワークフローへの連携を容易にします。

公式サイトでは、Transcription API と Transcription Lite を区別しています。前者は大量のトランスクリプションの正確性を重視するタスク向けで、オーディオ強化、カスタム語彙、要約、感情分析、分類、カスタムプロンプトなどの機能が挙げられます。一方、Lite は処理速度と基本的なトランスクリプション機能を重視しています。両者の価格やサポート範囲はそれぞれ別途確認が必要であり、一方の機能や料金をそのままもう一方に適用することはできません。

公式サイトに掲載されている正確率は、同社がラベル付けしたCommonVoiceベンチマークテストに基づくものであり、特定のデータセットおよび手法下での結果にすぎません。そのため、各言語、アクセント、録音機器、またはノイズ条件における実際の性能を示すものではありません。本番環境へ公開する前に、自社の音声データを用いて、転写内容、話者ラベル、タイムラインを検証し、特に分野固有の専門用語や複数人の発話が重なるケースに十分な注意を払う必要があります。

料金は音声の長さと月間利用量のプランに応じて算出され、公式サイトでは、失敗したトランスクリプションには料金は発生しないと明示されています。大規模な導入時には、単価に加えて処理時間、タスクのステータス、および下流の字幕やテキスト処理のフローも確認する必要があります。特殊なデプロイメントやより大規模な利用については、公式のエンタープライズ向けプランに基づき別途評価が必要です。

大量のトランスクリプションが必要なコンテンツチーム、メディアプラットフォーム、および音声アプリ開発者。

通貨は米ドルで、音声の再生時間に基づいて課金され、最小課金単位は0.01時間（36秒）です。公式サイトの説明によれば、翻訳失敗分については料金は発生しません。月間33,333時間超の利用については、営業担当までご連絡ください。