> ## Documentation Index
> Fetch the complete documentation index at: https://docs.comfy.org/llms.txt
> Use this file to discover all available pages before exploring further.

# ElevenLabsSpeechToText - ComfyUI Built-in Node Documentation

> Complete documentation for the ElevenLabsSpeechToText node in ComfyUI. Learn its inputs, outputs, parameters and usage.

以下が翻訳結果です。

ElevenLabs Speech to Text ノードは、オーディオファイルをテキストに文字起こしします。ElevenLabs の API を使用して、音声を書き起こしテキストに変換します。自動言語検出、話者の識別、音楽や笑い声などの非音声サウンドのタグ付けなどの機能をサポートしています。

## 入力

| パラメータ                    | 説明                                                                                                     | データ型    | 必須  | 範囲                                        |
| ------------------------ | ------------------------------------------------------------------------------------------------------ | ------- | --- | ----------------------------------------- |
| `音声`                     | 文字起こしするオーディオ。                                                                                          | AUDIO   | はい  | -                                         |
| `モデル`                    | 文字起こしに使用するモデル。このモデルを選択すると、追加のパラメータが表示されます。                                                             | COMBO   | はい  | `"scribe_v2"`                             |
| `tag_audio_events`       | 文字起こし内で (笑い声)、(音楽) などの音を注釈します。このパラメータは、`"scribe_v2"` モデルが選択されたときに表示されます。(デフォルト: False)                 | BOOLEAN | いいえ | -                                         |
| `diarize`                | どの話者が話しているかを注釈します。このパラメータは、`"scribe_v2"` モデルが選択されたときに表示されます。(デフォルト: False)                             | BOOLEAN | いいえ | -                                         |
| `diarization_threshold`  | 話者分離の感度。値が小さいほど、話者の変更に敏感になります。このパラメータは、`"scribe_v2"` モデルが選択され、`diarize` が有効な場合に表示されます。(デフォルト: 0.22)    | FLOAT   | いいえ | 0.1 - 0.4                                 |
| `temperature`            | ランダム性の制御。0.0 はモデルのデフォルトを使用します。値が大きいほどランダム性が増します。このパラメータは、`"scribe_v2"` モデルが選択されたときに表示されます。(デフォルト: 0.0) | FLOAT   | いいえ | 0.0 - 2.0                                 |
| `timestamps_granularity` | 文字起こしの単語に対するタイミングの精度。このパラメータは、`"scribe_v2"` モデルが選択されたときに表示されます。(デフォルト: "word")                         | COMBO   | いいえ | `"word"`<br />`"character"`<br />`"none"` |
| `言語コード`                  | ISO-639-1 または ISO-639-3 言語コード (例: 'en'、'es'、'fra')。自動検出の場合は空のままにします。(デフォルト: "")                        | STRING  | いいえ | -                                         |
| `話者数`                    | 予測する話者の最大数。自動検出の場合は 0 に設定します。(デフォルト: 0)                                                                | INT     | いいえ | 0 - 32                                    |
| `シード値`                   | 再現性のためのシード (決定性は保証されません)。(デフォルト: 1)                                                                    | INT     | いいえ | 0 - 2147483647                            |

**注:** `diarize` オプションが有効な場合、`num_speakers` パラメータを 0 より大きい値に設定することはできません。`diarize` を無効にするか、`num_speakers` を 0 に設定する必要があります。

## 出力

| 出力名      | 説明                                                  | データ型   |
| -------- | --------------------------------------------------- | ------ |
| `テキスト`   | オーディオから文字起こしされたテキスト。                                | STRING |
| `言語コード`  | 検出されたオーディオの言語コード。                                   | STRING |
| `単語JSON` | タイムスタンプや、有効な場合は話者ラベルを含む、詳細な単語レベルの情報を含む JSON 形式の文字列。 | STRING |

> このドキュメントは AI によって生成されました。エラーを見つけた場合や改善のご提案がある場合は、ぜひ貢献してください！ [GitHub で編集](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/ElevenLabsSpeechToText/ja.md)

***

**Source fingerprint (SHA-256):** `aca2ac04d7280ef2b604f7c8d29ad7fea1e7abcfc38beabb64ba6b268a8cade1`