すべての機能へ戻る

CAPABILITY 06 · OUTCOME

音声・動画の理解

音声や動画を検索可能なテキスト、ショット構造、ビートデータへ変換します。

Agent で音声・動画の理解を試す

GOOD FOR

この機能に適したタスク

01

字幕の下書き

02

長い動画を素早く分解

03

ビートに合わせて編集

CAPABILITY CONTRACT

入力、出力、選択基準

INPUT

入力

アクセス可能な音声または動画。

OUTPUT

出力

字幕、文字起こし、ショット一覧、ビート構造。

DECISION

選び方

言語、時間精度、同期・非同期の返却方式で選びます。

SERVICES

現在利用できるサービス

サービス返却方式カタログ価格
transcribetranscribe非同期設定により変動
detect-shotsdetect-shots同期設定により変動

USE WITH YOUR AGENT

Web サイトでモデルを選ぶ必要はありません。

Actionway を接続して目的を伝えると、ローカル Agent が同じサービス定義、入力 Schema、価格を読み、実行前に確認します。

Agent で音声・動画の理解を試す