Speech To TextHeartmula
ai/heartmula/transcribe-lyrics 音声歌詞文字起こし
heartmula/transcribe-lyrics
HeartMuLa Transcribe は高度な AI を使用して音声ファイルから歌詞を抽出します。多言語の文字起こしに対応。すぐに使える REST 推論 API を提供し、高性能・コールドスタートなし・手頃な価格で利用できます。
サンプル
パラメータ
| 名前 | 型 | 既定 | 制約 | 説明 |
|---|---|---|---|---|
| audio *音声 | audio_upload | — | audio/* | 歌詞を文字起こしする音声ファイルの URL。 |
出力フィールド
| フィールド | 型 | 説明 |
|---|---|---|
| outputs | array<object> |
API
統一 REST API でこのモデルを呼び出せます。API Keys ページでキーを取得してください。
cURL
# 1) Submit — returns { "task_uuid": "..." }
curl -X POST "https://www.namifusion.com/api/v1/marketplace/run/heartmula/transcribe-lyrics" \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"input": {
"audio": "https://d5v2vcqcwe9y5.cloudfront.net/algorithm/video_translate/260327/default/qtqfcgymg08o.wav"
}
}'
# 2) Poll until status is "completed", then read the output URLs
curl "https://www.namifusion.com/api/v1/marketplace/run/tasks/TASK_UUID" \
-H "Authorization: Bearer YOUR_API_KEY"Python
import time, requests
API_KEY = "YOUR_API_KEY"
HEADERS = {"Authorization": f"Bearer {API_KEY}"}
# 1) Submit
resp = requests.post(
"https://www.namifusion.com/api/v1/marketplace/run/heartmula/transcribe-lyrics",
headers=HEADERS,
json={
"input": {
"audio": "https://d5v2vcqcwe9y5.cloudfront.net/algorithm/video_translate/260327/default/qtqfcgymg08o.wav"
}
},
)
resp.raise_for_status() # 401/402/429/5xx stop here instead of polling a bad task
task = resp.json()
# 2) Poll until a terminal state (completed / failed / cancelled).
# This model is allowed up to 300s server-side.
deadline = time.time() + 360
while task.get("status") not in ("completed", "failed", "cancelled"):
if time.time() > deadline:
raise TimeoutError(f"still {task.get('status')} — keep the task_uuid and poll later")
time.sleep(3)
poll = requests.get(f"https://www.namifusion.com/api/v1/marketplace/run/tasks/{task['task_uuid']}", headers=HEADERS)
poll.raise_for_status()
task = poll.json()
print(task["status"], task.get("output"))JavaScript
const API_KEY = "YOUR_API_KEY";
const HEADERS = { Authorization: `Bearer ${API_KEY}` };
// 1) Submit
const resp = await fetch("https://www.namifusion.com/api/v1/marketplace/run/heartmula/transcribe-lyrics", {
method: "POST",
headers: { ...HEADERS, "Content-Type": "application/json" },
body: JSON.stringify({
"input": {
"audio": "https://d5v2vcqcwe9y5.cloudfront.net/algorithm/video_translate/260327/default/qtqfcgymg08o.wav"
}
}),
});
if (!resp.ok) throw new Error(`submit failed: ${resp.status} ${await resp.text()}`);
let task = await resp.json();
// 2) Poll until a terminal state (completed / failed / cancelled).
// This model is allowed up to 300s server-side.
const deadline = Date.now() + 360 * 1000;
while (!["completed", "failed", "cancelled"].includes(task.status)) {
if (Date.now() > deadline) throw new Error(`still ${task.status} — keep the task_uuid and poll later`);
await new Promise((r) => setTimeout(r, 3000));
const poll = await fetch(`https://www.namifusion.com/api/v1/marketplace/run/tasks/${task.task_uuid}`, { headers: HEADERS });
if (!poll.ok) throw new Error(`poll failed: ${poll.status}`);
task = await poll.json();
}
console.log(task.status, task.output);ドキュメント
ai/heartmula/transcribe-lyrics
多言語の歌詞を高速に文字起こしできる、低コストかつコールドスタートなしのモデルです。
ai/heartmula/transcribe-lyrics は、音声ファイルから歌詞を抽出するために設計された AI モデルです。多言語の文字起こしに対応しており、安定した推論性能、コールドスタートなしの応答性、導入しやすい価格設定により、本番用途の歌詞抽出ワークフローに適しています。
🚀 主な特長
- 歌詞抽出に特化:一般的な音声文字起こしではなく、楽曲内の歌詞抽出ユースケースに適した設計です。
- 多言語対応:多言語の楽曲や国際向けコンテンツの歌詞文字起こしに対応します。
- コールドスタートなし:安定した応答性能により、継続的な運用や高頻度処理にも適しています。
- シンプルな入力方式:音声 URL を指定するだけで処理でき、既存のメディア処理基盤に組み込みやすい構成です。
- 優れたコスト効率:低い実行単価により、大量処理やカタログ整備にも導入しやすくなっています。
🛠️ 技術仕様
| 項目 | 内容 |
|---|---|
| モデルアーキテクチャ | AI 歌詞文字起こしモデル |
| タスク種別 | 音声からテキストへの変換(歌詞抽出) |
| 入力 | 音声 URL |
| 入力形式 | 文字列(audio) |
| 出力 | 文字起こしされた歌詞テキスト |
| 対応言語 | 多言語 |
| レイテンシ | オンライン推論向けに最適化、コールドスタートなし |
| 運用特性 | 本番利用向けの安定した性能 |
サンプルプロンプト
注:このモデルは主に音声入力を用いて動作し、プロンプトによる制御を前提としていません。以下は代表的な利用意図の例です。
- この楽曲音声から完全な歌詞を抽出してください。
- この多言語の楽曲から歌詞を文字起こししてください。
- この音声ファイル内の歌唱内容を識別し、読みやすい歌詞テキストとして出力してください。
💰 価格
| 項目 | 価格 |
|---|---|
| 基本料金 | $0.05 |
💡 主なユースケース
- 音楽プラットフォーム:楽曲カタログ向けに歌詞を自動生成し、検索性や表示品質を向上させます。
- UGC・ショート動画サービス:BGM や歌唱音声から歌詞を抽出し、字幕、タグ付け、検索に活用できます。
- メディアアーカイブ:過去の録音、ライブ音源、番組素材を歌詞テキストとして整理・保存できます。
- 多言語コンテンツ運用:グローバル向けの楽曲や音声コンテンツに対する歌詞文字起こし基盤として活用できます。