音声を送り、翻訳された 声を受け取る。

音声が入る ところ。

話されている会場はファイルを送りません。連続したストリームを送り、パケットを落とすネットワークを通して送り続けなければなりません。SRT はそのためにあります。

• 呼び出す側はあなたの機器です。ルームを作ると、組み上がった URL がそのまま返ります — ホスト、ポート、機器の識別子、パスフレーズ。
• MPEG-TS コンテナの Opus、モノラル、16 kHz、24 kbps 前後。これは音楽ではなく話し声で、余分な帯域は聞こえる何かを買ってはくれません。
• パスフレーズは機器ごとで、任意ではありません。暗号化されていない接続は、ほかがどれだけ正しくても拒否されます。十文字という下限は SRT 自身のもので、私たちのものではありません。
• 連続して送ってください。不連続送信は切ってください。無音で止まるストリームは、それを再開させた文の頭を食べてしまいます。

srt://HOST:8890?streamid=DEVICE_ID&mode=caller&latency=120&passphrase=SECRET

gst-launch-1.0 -e \
  alsasrc device=plughw:CODEC,0 ! audioconvert ! audioresample ! \
  audio/x-raw,rate=16000,channels=1 ! \
  opusenc bitrate=24000 ! mpegtsmux ! \
  srtsink uri="srt://HOST:8890?streamid=DEVICE_ID&mode=caller&latency=120&passphrase=SECRET"

もう一つの入口は WebRTC です。話しているのがすでにサインイン済みの電話のときに向いています。インストールするものも、認証に使うものもないので、ルームは認証情報を返しません。

これは API リファレンスではありません。その違いは重要です

同じエンジンへの二つの扉で、間違ったほうから入ると一日を失います。こちらはメディアの流れを通すため。あちらはそれに対してプログラムを書くためです。

• 二つは一点で交わります。WHIP のエンドポイントとテキストの URL はルームの設定であり、ルームは API で作ります。

• 端から端までの遅延は 812 ミリ秒 — 誰かが話してから、翻訳されて聞こえるまでの全行程です。

• 十五言語は音声を一度聴いたところから出るので、十五番目は十五番目の値段であって、最初の十五倍ではありません。