文字起こしの編集

概要

リアルタイム文字起こしでは、確定した各文字起こしに自然言語による編集指示を適用できます。たとえば、音声で話された日付を固定形式で表記したり、略語や頭字語を展開したりできます。指示は接続を開く際に一度だけ渡され、確定した各文字起こしの後に、編集後のテキストを含む個別のedited_transcriptイベントが続きます。

部分的な文字起こしが編集されることはありません。committed_transcriptイベントも変更されないため、この機能を有効にしても既存のインテグレーションはそのまま動作します。

文字起こし編集を有効にする

接続時にtranscriptEditオプション（WebSocket APIのtranscript_editクエリパラメーター）で指示を渡します。指示は最大2000文字です。指示の書き方については、バッチ文字起こし編集ガイドをご覧ください。

すべてのSDKで、編集済みの文字起こしはRealtimeEvents.EDITED_TRANSCRIPTイベントを通じて届きます。

クライアント側

クライアント側ストリーミングガイドで説明しているように、サーバーで発行した単回使用トークンとともにブラウザで@elevenlabs/clientを使用します。

import { Scribe, RealtimeEvents } from "@elevenlabs/client";
// Fetch a single-use token from your server first
const response = await fetch("/scribe-token", yourAuthHeaders);
const { token } = await response.json();
const connection = Scribe.connect({
  token,
  modelId: "scribe_v2_realtime",
  transcriptEdit: "Write all dates in ISO 8601 format (YYYY-MM-DD)",
  microphone: {
    echoCancellation: true,
    noiseSuppression: true,
  },
});
connection.on(RealtimeEvents.COMMITTED_TRANSCRIPT, (data) => {
  console.log("Committed:", data.text);
});
connection.on(RealtimeEvents.EDITED_TRANSCRIPT, (data) => {
  console.log("Edited:", data.edited_text);
});

サーバー側

サーバー側ストリーミングガイドで説明しているように、サーバーで公式SDKを使用します。このガイドと異なるのはオプションとイベントハンドラーのみです。オーディオの送信と接続の終了は同じ方法で行います。

import asyncio
import os
from dotenv import load_dotenv
from elevenlabs import AudioFormat, ElevenLabs, RealtimeAudioOptions, RealtimeEvents
load_dotenv()
async def main():
    elevenlabs = ElevenLabs(api_key=os.getenv("ELEVENLABS_API_KEY"))
    connection = await elevenlabs.speech_to_text.realtime.connect(RealtimeAudioOptions(
        model_id="scribe_v2_realtime",
        audio_format=AudioFormat.PCM_16000,
        sample_rate=16000,
        transcript_edit="Write all dates in ISO 8601 format (YYYY-MM-DD)",
    ))
    def on_committed_transcript(data):
        print(f"Committed: {data.get('text', '')}")
    def on_edited_transcript(data):
        print(f"Edited: {data.get('edited_text', '')}")
    connection.on(RealtimeEvents.COMMITTED_TRANSCRIPT, on_committed_transcript)
    connection.on(RealtimeEvents.EDITED_TRANSCRIPT, on_edited_transcript)
    # Send audio chunks as shown in the server-side streaming guide, then close.
    await connection.close()
if __name__ == "__main__":
    asyncio.run(main())

編集済み文字起こしを受け取る

有効にすると、確定した各文字起こしの後に、確定テキストとその編集版を含むedited_transcriptイベントが続きます。

{
  "message_type": "edited_transcript",
  "text": "our next meeting is on the twelfth of July twenty twenty-six",
  "edited_text": "our next meeting is on 2026-07-12"
}

注意が必要な動作：

• 編集は確定したセグメントごとに適用されます。編集は非同期で実行されるため、edited_transcriptイベントは対応するcommitted_transcriptイベントの直後に送信されます。次の部分的な文字起こしの後に届く場合があり、連続するセグメントの編集結果は順序が前後する可能性があります。textフィールドを使用して、編集結果と対応する確定済み文字起こしを照合してください。
• セグメントに編集が加えられなかった場合、edited_textはtextと同一です。
• セグメントの編集結果を生成できない場合、そのセグメントのedited_transcriptイベントは送信されません。committed_transcriptイベントには影響しません。
• committed_transcript_with_timestampsの単語レベルのタイムスタンプは、編集後のテキストではなく、元の確定テキストを示します。

次のステップ