現代のデジタル時代において、音声インタラクション技術は人工知能（AI）分野の重要な発展方向となっています。スマートアシスタントからスマートホームまで、音声インタラクションはユーザーにより便利で自然なインタラクション体験を提供しています。最近、深圳極簡未来科技有限公司のLinkAIプラットフォームは、音声認識と音声合成APIをリリースし、そのAIエージェント構築プラットフォームの機能をさらに拡張しました。これにより、企業や開発者に強力な音声インタラクション能力を提供します。
一、LinkAIプラットフォームの紹介
LinkAIは、企業がエンタープライズレベルのAIエージェントを迅速に構築し、WeChat、企業WeChat、DingTalk、Feishu、公式アカウントなどの多チャネルにワンクリックで公開できるよう支援する、先進のワンストップAIエージェント構築プラットフォームです。その強力なノーコード開発能力と柔軟なAPIサポートにより、LinkAIは多くの企業がインテリジェントな変革を実現するための最初の選択肢となっています。
二、音声認識と音声合成APIのコア機能
（一）音声認識API
LinkAIの音声認識APIは、mp3、mp4、mpeg、m4aなどのさまざまな形式の音声ファイルをテキストに変換することができます。この機能は、一般的な質問応答、スマートアシスタント、有声読書、ビデオの吹き替えなど、さまざまな音声シナリオをサポートしています。開発者は簡単なAPI呼び出しを通じて、音声からテキストへの変換を容易に実現できます。
リクエスト例
以下は、Pythonを使用してLinkAI音声認識APIを呼び出すコード例です：
Python
复制
import requests
file_path = '/path/to/file/audio.mp3' # 音声ファイルのパスに置き換えてください
url = 'https://api.link-ai.tech/v1/audio/transcriptions'
headers = {'Authorization': 'Bearer YOUR_API_KEY'}
files = {'file': open(file_path, 'rb')}
res = requests.post(url, headers=headers, files=files)
if res.status_code == 200:
res_json = res.json()
reply_text = res_json.get("text")
print(f"text={reply_text}")
else:
error = res.json()
print(f"リクエスト異常, エラーコード={error.get('code')}, エラーメッセージ={error.get('message')}")
（二）音声合成API
音声合成APIは、テキスト内容を音声ファイルに変換し、さまざまな音色をサポートしています。これにより、スマートアシスタント、有声読書、ビデオの吹き替え、各地方の方言など、さまざまなシナリオに対応できます。開発者はニーズに応じて適切な音色を選択し、ユーザーにより自然で豊かな音声インタラクション体験を提供できます。
リクエスト例
以下は、Pythonを使用してLinkAI音声合成APIを呼び出すコード例です：
Python
复制
import requests
url = 'https://api.link-ai.tech/v1/audio/speech'
headers = {'Authorization': 'Bearer YOUR_API_KEY', 'Content-Type': 'application/json'}
data = {'input': 'こんにちは、何かお手伝いできることはありますか?', 'voice': 'BV007_streaming'}
res = requests.post(url, headers=headers, json=data)
file_path = "speech.mp3"
if res.status_code == 200:
with open(file_path, 'wb') as f:
f.write(res.content)
print(f"音声合成成功、音声ファイル：{file_path}")
else:
error = res.json()
print(f"リクエスト異常, エラーコード={error.get('code')}, エラーメッセージ={error.get('message')}")
三、応用シナリオ
LinkAIの音声認識と音声合成APIは、企業や開発者に広範な応用シナリオを提供します：
スマートカスタマーサービス：音声認識と合成を通じて、スマートカスタマーサービスは顧客の音声相談に自動的に応答し、より効率的で個別化されたサービスを提供します。
スマートホーム：ユーザーは音声コマンドを通じてスマートホームデバイスを制御でき、音声合成はデバイスのフィードバック情報を提供し、ユーザー体験を向上させます。
有声コンテンツ制作：クリエイターは音声合成APIを利用して、有声書籍、ビデオの吹き替えなどのコンテンツを迅速に生成し、コンテンツ制作の効率を向上させます。
多チャネル接続：LinkAIはWeChat、企業WeChat、DingTalkなどの多チャネル接続をサポートしており、開発者は既存のアプリケーションやサービスに音声インタラクション機能を簡単に統合できます。
四、バージョンとサポート
注意すべき点は、音声認識と音声合成APIはLinkAI標準版以上のバージョンのユーザーが使用できることです。ユーザーはLinkAI公式ドキュメントを通じて、サポートされている音色リストや詳細なAPIドキュメントを確認し、これらの機能の使用方法をさらに理解できます。
五、まとめ
LinkAIがリリースした音声認識と音声合成APIは、企業や開発者に強力な音声インタラクション能力を提供し、AIエージェントの応用シナリオをさらに拡大しました。簡単なAPI呼び出しを通じて、開発者は音声からテキストへの変換やテキストから音声への合成を容易に実現し、ユーザーにより自然で便利なインタラクション体験を提供できます。音声インタラクション技術の継続的な発展に伴い、LinkAIのこれらの新機能は、企業のインテリジェントな変革を強力にサポートし、音声インタラクション技術のより多くの分野での応用を推進します。
LinkAIの音声APIに興味がある場合や、質問や提案がある場合は、カスタマーサービスのWeChatを追加して相談し、詳細を確認してください。
会社名：株式会社Dolphin AI
事業内容：
Dolphin SOE 英語発音評価サービスの開発＆販売
Dolphin Voice 音声対話SaaS Platformの開発＆販売
ドルフィンAIは自社開発のAI技術を持つ研究開発型のハイテク企業です。
独自技術の音声対話意図理解モデル(Dolphin Large Language Models)に基づき、音声認識、音声生成、意味理解、テキスト生成、機械翻訳、声紋認識、その他音声対話のフルチェーン技術を開発し、日本語、英語、中国語、韓国語、フランス語、スペイン語、ロシア語、ドイツ語、チベット語、タイ語、ベトナム語など20以上の言語に対応しています。
また、SaaSやオンプレミスのサービス形態を通じて、教育、医療、金融、その他の分野のお客様に基礎となるAI技術と業界ソリューションを提供しています。
アクセス情報：〒170-0013
東京都豊島区東池袋1-18-1 Hareza Tower 20F
JR山手線・埼京線 池袋駅東口（30番出口）より徒歩4分
東京メトロ丸の内線・副都心線・有楽町線 池袋駅東口（30番出口）より徒歩4分
西武池袋線 池袋駅東口（30番出口）より徒歩4分
東武東上線 池袋駅東口（30番出口）より徒歩4分
電話番号：(+81) 03-6775-4523
メールアドレス：contact@dolphin-ai.jp
