メインコンテンツへスキップ
音声認識には phaseo.transcriptionModel(modelId) を transcribe に、音声合成には phaseo.speechModel(modelId) を generateSpeech に渡します。プロバイダーは音声をマルチパートフォームとして /v1/audio/transcriptions にアップロードし、音声合成のリクエストを /v1/audio/speech に送信します。
audio には Buffer、Uint8Array、ArrayBuffer、base64 文字列、または URL を渡せます。AI SDK 7 は、以前の experimental_transcribe と experimental_generateSpeech という名前も別名として引き続きエクスポートしています。

長い音声や失敗する音声に対処する

  • サポートされる入力形式と出力形式はモデルによって異なります。
  • 長いファイルではタイムアウトを延ばし、アップロードはモデルのサイズ上限(ほとんどのモデルで 25 MB)以内に収めてください。
  • 一時的な 429 と 5xx レスポンスは、バックオフを入れて再試行してください。
最終更新日 2026年11月5日