強制アラインメント

概要

ElevenLabsの強制アラインメントAPIは、音声とテキストをタイミングが一致した文字起こしに変換します。音声録音と文字起こしはあるものの、文字起こし内の各単語またはフレーズの正確なタイムスタンプが必要な場合に便利です。以下の用途に活用できます：

• 字幕をビデオ録画に合わせる
• 電子書籍のオーディオブック録音のタイミングを生成する

使用方法

強制アラインメントAPIは、ElevenLabs APIに直接接続して使用できます。

対応言語

Multilingual v2モデルは、29言語に対応しています。

英語（米国、英国、オーストラリア、カナダ）、日本語、中国語、ドイツ語、ヒンディー語、フランス語（フランス、カナダ）、韓国語、ポルトガル語（ブラジル、ポルトガル）、イタリア語、スペイン語（スペイン、メキシコ）、インドネシア語、オランダ語、トルコ語、フィリピン語、ポーランド語、スウェーデン語、ブルガリア語、ルーマニア語、アラビア語（サウジアラビア、アラブ首長国連邦）、チェコ語、ギリシャ語、フィンランド語、クロアチア語、マレー語、スロバキア語、デンマーク語、タミル語、ウクライナ語、ロシア語。

主なポイント

• 入力テキスト形式：プレーン文字列のみ。入力テキストをJSONやその他の構造でラップしないでください
• 話者分離：非対応です。話者分離済みテキストを指定すると、予期しない結果になる可能性があります
• 料金：スピーチtoテキストAPIと同じ料金
• 最大ファイルサイズ：3GB
• 最大オーディオ時間：10時間
• 最大テキスト長：675,000文字