標準リアルタイムストリーミング認識 (/v1/realtime)

/v1/realtime エンドポイントは、標準的な全二重 WebSocket 音声ストリーミング送信とリアルタイム字幕返却機能を提供します。

---

接続エンドポイント

ws://localhost:8000/v1/realtime?api_key=sk-oneasr-v1-xxx&model=xasr

---

音声入力仕様

• サンプリングレート：16,000 Hz (16 kHz)
• チャンネル数：1 (モノラル Mono)
• エンコード形式：符号付き 16 ビット PCM Little-Endian (pcm_s16le)
• 推奨パケットサイズ/間隔：1フレームあたり 100ms 〜 200ms（約 3,200 バイト）

---

通信プロトコルの例

クライアントからの送信：

WebSocket 接続に対して生の PCM バイナリ音声バイトストリームを継続的に送信します。

サーバーからのレスポンス（JSON 形式）：

{
  "type": "transcription",
  "text": "ようこそ",
  "is_final": false,
  "start": 0.0,
  "end": 1.2
}

無音区間による文の区切り（発話終了）を検出した場合：

{
  "type": "transcription",
  "text": "OneASR 音声認識ゲートウェイへようこそ。",
  "is_final": true,
  "start": 0.0,
  "end": 1.8
}