音声認識「AmiVoice API」にPython向けクライアントライブラリが登場　pipで導入、リアルタイム実装の工程を効率化

株式会社アドバンスト・メディア（本社：東京都豊島区、代表取締役会長兼社長：鈴木清幸）は、開発者向けボイステックプラットフォーム「AmiVoice Cloud Platform（アミボイス クラウド プラットフォーム）」で提供している音声認識API「AmiVoice API（アミボイス エーピーアイ）」について、Python向けクライアントライブラリの提供を始めました。新しいライブラリは pip でインストールでき、Python の一般的な書き方に沿った設計になっています。

WebSocketまわりの実装工程をライブラリ側で効率化

「AmiVoice API」は、国内シェアNo.1（※）のAI音声認識AmiVoiceを、アプリケーションやWebサービスなどに簡単に組み込めるAPIサービスです。今回のクライアントライブラリは、リアルタイム音声認識をより手軽かつスムーズに実装できるようにすることを狙ったものです。

リアルタイム音声認識の実装では、WebSocket の接続と切断、サーバーとのメッセージのやりとり、音声の送り方など、複数の工程を扱う必要があります。新ライブラリはこれらの工程を効率化し、音声認識を活用したサービスやアプリケーションを迅速に開発できるよう支援します。

Pythonらしい書き方で、初めての開発者にも配慮

ライブラリの仕様は、Pythonの記述方法や設計思想に沿った使いやすいものを採用しています。複雑なプログラムを書かずに、リアルタイム音声認識をスムーズに実装できるといいます。

開発時につまずきやすいポイントはあらかじめライブラリ側で処理する仕組みのため、音声認識を初めて扱う開発者でも利用しやすくなっています。想定される用途としては、次のようなリアルタイム機能のWebアプリケーションへの組み込みが挙げられています。

• 会議や通話をその場で文字にする字幕表示
• 話しかけて操作する音声インタフェース

あわせて、録音済みの会議や通話をまとめて文字起こしする非同期HTTPインタフェースも同様に簡単に扱えます。生成AIによる要約や、機械学習・データ分析に用いるテキストデータの作成にも役立つとしています。

MITライセンスで無償の商用利用が可能

ライブラリは、Pythonの公式パッケージリポジトリ「Python Package Index（PyPI）」からインストールできるほか、GitHubでソースコードを公開します。オープンソースのMITライセンスで提供されるため、無償で商用利用できます。なお、音声認識APIの利用料は別途発生します。

日本語に強い音声認識エンジンをAPIで提供

「AmiVoice API」は、日本語音声認識の研究・開発を30年近く続けてきたアドバンスト・メディアが提供する、国内シェアNo.1（※）の音声認識エンジン「AmiVoice」のAPIサービスです。API連携によって、音声認識機能をアプリケーションに簡単に実装できます。日本語特有の言い回しや専門用語に強く、リアルタイムでの文字起こし、固有名詞・社内用語の単語登録、フィラー（「えっと」「そのー」など）の自動削除といった機能を備えています。「AmiVoice Cloud Platform」から登録でき、毎月60分まで無料で利用できます。

※出典：合同会社ecarlate「音声認識市場動向2026」音声認識ソフトウェア/クラウドサービス市場（2025年度見込）

出典：株式会社アドバンスト・メディア