Muse Voice Transcribe

Muse Voice Transcribe は Meta の音声モデルで、Meta Model API を通じて提供されています。Ayumi では Gemini・Gemini Transcribe に続く3つ目のクラウドエンジンです。プロンプトなしで文字起こしを書き出し、話者ラベル・ターン単位のタイムスタンプ・言語ヒント・キーワードバイアスに対応します。API キーは自分で用意します。

Meta Model API キーの取得

Meta 開発者ダッシュボードにサインイン
Model API 用の API キーを作成
課金設定を行う（支払い方法が登録されるまで、文字起こしエンドポイントはリクエストを拒否します）
キーをコピー

Ayumi での設定

文字起こし設定 を開く
Meta セクションにキーを貼り付け
組み込みの Muse Voice Transcribe プロファイルに★を付けて既定にするか、録音ごとに選ぶ

Meta セクションのキーはプロバイダの基本キーです。すべての Muse プロファイルがこれを使い、プロファイル側で Override API Key を設定した場合だけ上書きされます。キーはデバイスの Keychain に安全に保存されます。

オプション

オプション	内容
Label Speakers（話者ラベル）	話者が変わるごとに段落を分けます（`Speaker 1: …`）。Muse は20人以上の話者を識別できます。
Turn Timestamps（ターンのタイムスタンプ）	各ターンに `[mm:ss–mm:ss]` の区間を付けます。このモデルでは単語単位の時刻は取得できません。
Languages（言語）	モデルへのヒントで、対応する25言語から選びます。Automatic のままなら自動検出です。
Keywords（キーワード）	モデルが聞き間違えそうな人名・専門用語・製品名。改行区切りの Markdown ファイル（iCloud Drive など）、プロファイルに入力した語、またはその両方から集めます。同じファイルを Gemini Transcribe と共用できます。

キーワードは認識を寄せるだけで、綴りを保証するものではありません。Gemini Transcribe と違い、キーワードと話者ラベルは併用できます。

制限

録音は 最長10分 です。それより長い録音は送信前に拒否されるので、別のエンジンを使ってください。
Ayumi はアップロード前にデバイス上で 16 kHz モノラル PCM に変換するため、10分の録音でも API の 32 MB 上限に収まります。
料金は音声の分単位です。Meta の料金ページを参照してください。

データプライバシー

Muse のプロファイル使用時：

音声データは処理のために Meta のサーバーに送信されます
Ayumi は最初のクラウド文字起こしの前に同意ダイアログを表示します
Ayumi のサーバーにはデータは保存されません — リクエストはデバイスから Meta に直接送られます
Meta の Model API データ取り扱いについては Meta の利用規約をご確認ください