FishAudioSpeechToText - ComfyUI Built-in Node Documentation

このノードは、Fish Audioの音声文字起こしサービスを使用して、オーディオをテキストに文字起こしします。オーディオの言語を自動的に検出し、必要に応じて単語レベルのタイムスタンプ付きセグメントをJSONとして返すこともできます。

入力

パラメータ	説明	データ型	必須	範囲
`audio`	文字起こしするオーディオ。	AUDIO	はい	—
`language`	ISO 639-1言語ヒント（例: ‘en’, ‘zh’）。言語は常に自動検出されます。デフォルト: ""（空文字列）。	STRING	いいえ	任意のISO 639-1言語コード（例: `en`, `zh`）。自動検出の場合は空文字列
`precise_timestamps`	単語レベルのタイムスタンプ付きセグメントを返します。デフォルト: false。	BOOLEAN	いいえ	true または false

注: language パラメータはヒントに過ぎません。言語は常にオーディオから自動検出されます。precise_timestamps が false（デフォルト）の場合、単語レベルのタイムスタンプは返されません。true の場合、出力セグメントには単語レベルのタイムスタンプが含まれます。

出力名	説明	データ型
`text`	文字起こしされたテキスト。	STRING
`language_code`	オーディオから検出されたISO 639-1言語コード。	STRING
`segments_json`	文字起こしセグメントを含むJSON文字列。`precise_timestamps` が有効な場合、単語レベルのタイムスタンプが含まれます。	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

Source fingerprint (SHA-256): eaf1c9a9d2b90ec962a408615cc417b552864354c3f272144b8e239b23961920