AIでライブ音声ストリームをリアルタイムに文字起こしする方法

WebSocketセッションツールを使用して、ライブ音声ストリームをAIにリンクさせます。音声が処理されると、エージェントにテキストが継続的にストリーミングされます。得られる結果は以下の通りです。

1. 01

   ストリームを開く

   エージェントがWebSocketプロトコルを使用して、ライブ音声ソースへの接続を開始します。

   init_live_session
2. 02

   音声を処理する

   Gladiaエンジンが、送られてくる音声パケットをテキスト文字列に変換します。

   init_live_session
3. 03

   エージェントへ渡す

   文字起こしされたテキストは、すぐに利用できるようAIクライアントへ直接渡されます。

   init_live_session
4. 04

   出力を処理する

   エージェントが受信したテキストを、読みやすい形式や要約に整理します。

   init_live_session

Gladia Connector

準備完了です。MCPクライアントを選択し、セットアップ手順に従ってください。

コネクタリンクhttps://edge.vinkius.com/vk_preview_Mlof2j7bPYQVQhjc09PLZ5CRBzJpOTb01WKt4ly7/mcpコピー

Claude Desktop

以下の手順で数秒で接続できます。

1. 1In Claude Desktop, open Settings → Connectors.
2. 2Click “Add custom connector” and paste the connector link above as the remote MCP server URL.
3. 3Click Add and start a new chat — Gladia capabilities are ready to use.

設定 · claude_desktop_config.jsonコピー

{
  "mcpServers": {
    "gladia-speech-ai-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_Mlof2j7bPYQVQhjc09PLZ5CRBzJpOTb01WKt4ly7/mcp"
    }
  }
}

• Claude
• ChatGPT
• Cursor
• VS Code
• Windsurf
• Claude Code
• JetBrains
• Cline

リンクをクリックして接続を承認してください。認証情報は暗号化され、すぐに文字起こしを開始できます。

• 01

  AIは音声ファイルを録音できますか？

  いいえ。このMCPはWebSocketを介したリアルタイムのテキスト文字起こし用であり、音声ファイルを保存するためのものではありません。

• 02

  AIは文字起こしの誤字を自動的に修正しますか？

  いいえ。AIは文字起こしされたテキストをそのまま提供します。テキストの整形や修正が必要な場合は、エージェントに指示を出してください。

• 03

  AIはどのように音声を取得しますか？

  AIは init_live_session ツールを使用して、ライブストリームへの接続を確立します。

• 04

  録画された動画にも使用できますか？

  いいえ。このワークフローはライブ音声ストリーム用に設計されており、アップロードされたファイルの処理には対応していません。

• 05

  AIがストリームを中断することはありませんか？

  はい、ありません。AIはセッションから提供されるストリームを聴取するだけで、放送自体を制御することはありません。

• Gladiaについて他に質問がありますか？コネクターのページで確認できます。 Gladia Connectorの全機能を見る