ForHosting KIT · 音声・文字起こし

音声から波形データを生成

音声ファイルを送ると、完成した波形画像か、その元になるピークの数値データが返ってきます。プレーヤーに空の進行バーではなく、音の大きな場面が見える波形を表示できます。一度作れば使い回せます。使った分だけの支払いで、月額契約は不要です。

近日公開分あたり$0.077

このタスクは現在ご利用いただけないため、購入できません。料金は一切発生しません。

ご利用方法ウェブ APIのみAPIメールTelegramアプリ近日

音声ファイルの音量の変化を、時間軸に沿った波形データとして出力するツールです。プレイヤーの再生バーや編集画面に波形を表示し、音を目で見て把握したい場面、無音や強弱の位置を確認したい場面で使います。

再生ボタンだけでは分からないこと

再生ボタンだけでは、どこに盛り上がりがあり、曲がどれくらい続くのかが聞き手には分かりません。波形は、平らな音声ファイルを目で見て操作できるものに変えます。音は誰かが描くまで形を持ちません。ポッドキャストプレーヤーや編集ソフトのぎざぎざの線は、何千もの振幅の値を、画面でひと目で分かる形にまとめた視覚的な要約です。この考え方は、電気信号を動く線として見えるようにしたオシロスコープにさかのぼります。

画像かピークデータか、一度だけ作る

そのまま貼れる完成した画像か、その元になるピークの数値データかを選べます。数値データは振幅の値をまとめたコンパクトな一覧で、Webプレーヤーが色やスタイルを自由に決めて自分で描けます。どちらの場合も、ファイルのアップロード時に一度作って保存し、ページを開くたびに計算し直さないのが効率的です。完成したデータは安全なリンクから24時間受け取れます。

出力形式

波形は数値データとして出力する予定で、そのままウェブページやアプリの波形表示に組み込めます。画像として直接書き出す形式には対応しない見込みです。

活用例

再生ページに波形を表示する

ポッドキャスト制作会社は、配信ページの再生バーに波形を表示するため、公開後にこの機能で波形データを生成する予定です。

編集画面で音量の変化を確認する

動画制作会社は、長いインタビュー音声のどこで声が大きくなっているかを波形データから確認し、編集箇所を探す運用を検討しています。

録音の無音部分を視覚的に把握する

山本翔太さんは、長時間の録音から無音の区間を目視で把握するために、波形データを確認する使い方を想定しています。

よくある質問

波形データの生成に使った音声ファイルはどう扱われますか？

波形データの生成にのみ使用し、公開や第三者への提供は行いません。

波形データはどのような形式で出力されますか？

数値データとして出力する予定で、ウェブページやアプリの波形表示にそのまま組み込めます。画像としての書き出しは予定していません。

波形の細かさは調整できますか？

出力するデータの点数を指定して、粗い波形と細かい波形を選べるようにする予定です。

波形をブラウザで毎回作らず、一度だけ作るのはなぜですか？

ページを開くたびに元の音声から計算するのは無駄が多く、表示も遅くなります。ファイルのアップロード時に一度作って保存しておけば、どの聞き手にも同じ波形をすぐに表示できます。

音声の波形はどんな用途に使えますか？

ポッドキャストプレーヤーで操作できるプレビュー、チャットで再生前に見せる音声メッセージ、編集ツールで大きな音や静かな部分へ直接移動するためのクリック位置などに使えます。

開発者向け — APIアクセス

このページの機能はすべてAPIからも利用できます。自社システムに組み込みたいチーム向けのセクションです。それ以外の方は上のツールをそのままお使いください。

エンドポイント

POSThttps://api.kit.forhosting.com/audio/waveform

認証済みのPOSTでタスクを作成し、結果はWebhookまたは署名付きリンクで受け取ります。この機能はAPIで利用でき、対話型のWebツールとしては提供していません。

お使いのスタックから呼び出す

curl -X POST https://api.kit.forhosting.com/audio/waveform \
  -H "Authorization: Bearer $KIT_KEY" \
  -H "Content-Type: application/json" \
  -d '{"audio":"https://example.com/clip.mp3"}'

const res = await fetch("https://api.kit.forhosting.com/audio/waveform", {
  method: "POST",
  headers: {
    "Authorization": `Bearer ${process.env.KIT_KEY}`,
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    "audio": "https://example.com/clip.mp3"
  })
});
const { task_id } = await res.json();

import os, requests

res = requests.post(
    "https://api.kit.forhosting.com/audio/waveform",
    headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
    json={
    "audio": "https://example.com/clip.mp3"
},
)
task_id = res.json()["task_id"]

<?php
$res = file_get_contents("https://api.kit.forhosting.com/audio/waveform", false, stream_context_create([
  "http" => [
    "method"  => "POST",
    "header"  => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
    "content" => '{"audio":"https://example.com/clip.mp3"}',
  ],
]));
$task = json_decode($res, true);

body := bytes.NewBufferString(`{"audio":"https://example.com/clip.mp3"}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/audio/waveform", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)

リクエスト例

{
  "audio": "https://example.com/clip.mp3"
}

レスポンス例

{
  "task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
  "type": "audio.waveform",
  "status": "queued",
  "_links": {
    "result": "/tasks/tsk_…/result"
  }
}

非同期APIです。task_idは即時に返ります。ポーリングは1秒あたり1リクエストまでです。

料金

1リクエストあたり$0.077

分あたり$0.0045

単価はすべて公開しています。トークン換算や独自クレジットはありません。失敗したタスクは課金されません。

制限

`max_mb`	200
`max_minutes`	180

エラー

HTTP	コード	意味
`401`	`unauthorized`	APIキーが無効か、指定されていません。Authorizationヘッダーを確認してください。
`402`	`insufficient_balance`	残高が不足しています。チャージ後に再度お試しください。
`404`	`unknown_type`	指定されたタスクタイプは存在しません。タイプ名を確認してください。
`429`	`rate_limited`	リクエストが多すぎます。しばらく待ってから再度お試しください。

技術的な注記

波形データの用途

音声プレイヤーの再生バーに波形を表示する、編集画面で音量の大きい部分を一目で分かるようにするなど、音声を目で見て把握したい場面で使う想定です。

ベータ版として近日公開予定で、現時点では実行できません

上限はファイル200MB・収録時間180分を予定しています。料金はすでに決まっており、1リクエスト$0.077に加え、処理する音声1分あたり$0.0045です。

向いている場面

ポッドキャストの再生ページに波形を表示する、音声編集アプリで無音部分や音量の大きい部分を視覚的に確認する、インタビュー音声のどの部分が盛り上がっているか把握するなど、音を目で見て判断したい場面に向いています。

技術的な質問

この機能はいつ使えるようになりますか

現在はベータ機能として近日公開予定で、まだ実行できません。

処理できる音声の長さに上限はありますか

200MB、収録時間180分までを予定しています。

波形生成の料金はいくらになりますか

1リクエスト$0.077に加え、処理する音声の長さ1分あたり$0.0045の見込みです。

KITの完全なドキュメントを見る →