Deepgramストリームの復旧で長時間のライブ録音を継続
上流接続が切れた際にTelli.shがDeepgramのライブ文字起こしストリームを復旧できるようになりました。ProおよびPro+の録音は、ブラウザーを再起動せずに続けられます。
ライブ会議が、インフラの都合のよい境界で終わることはほとんどありません。顧客との通話、講義、インタビュー、多言語レビューの中には1時間を超えるものもあります。録音ツールのために、ユーザーが上流接続の復旧を気にする必要はありません。
Telli.shはサーバー側のライブ文字起こしパイプライン内で復旧を処理するようになりました。上流のDeepgram STT WebSocketが切断されると、Telli.shは新しい接続を開き、再接続中に受信した少量の音声を再送します。
ブラウザーの録音セッションは開いたままです。ユーザーの元音声は同じ録音ファイルに書き込まれ続けます。文字起こしストリームは新しいDeepgram接続から継続します。
変更点
この更新前、長時間のDeepgramライブセッションでは、サーバー側の文字起こし接続がいつまでも正常に保たれることを前提としていました。ブラウザーから音声を送り続けられても、長時間会議向けに文字起こし接続をより適切に復旧させる手段が必要でした。
新しい復旧経路には、三つの対策があります。
- 上流の文字起こしWebSocketが接続されていない場合、直ちに再接続する。
- 新しいDeepgram WebSocketが開く間、サーバー側で短時間音声をバッファーする。
- 復旧中に現在の音声チャンクが失われないよう、再送する。
これは定期的な再起動ではなく、接続切断時の復旧です。現在の接続が切れた場合にのみ、Telli.shは新しいDeepgramストリームを開きます。そのため、正常なストリームを任意のタイミングで中断することなく、ブラウザーセッションと元の録音を保てます。
話者ダイアライゼーションがProから利用できるため、これは特にProおよびPro+ユーザーにとって重要です。Pro+との主な違いは利用可能な録音時間ですが、どちらの有料プランでも、上流ストリームを更新するために会議を手動で停止・再開せず、長時間のライブメモを作成できるべきです。
ユーザーに期待される動作
通常の会議では何も変わりません。上流ストリームが切断された場合に限り、復旧はバックグラウンドで行われます。
長時間の会議では、サーバーが新しいDeepgramストリームを開く間、ライブ文字起こしが一時停止することがあります。その間も音声の録音は続き、保存される録音は途切れません。新しいストリームの準備ができると、バッファーされた音声が送られます。
Telli.shは引き続き、ユーザーのプランと現在の文字起こしプロバイダー設定に応じて話者ラベルを適用します。長時間の録音でも、最終保存されるメモは録音全体と結び付いたままなので、録音後のパイプラインで文字起こしとメモを確認できます。
なぜ重要なのか
ライブメモの価値は、テキストが速く出ることだけではありません。ワークフローを信頼できることです。
- ユーザーは一つの録音セッションにとどまれる。
- プロバイダーとの接続境界で文字起こしが黙って途切れない。
- ProおよびPro+の会話で話者情報付きメモを利用できる。
- 最終メモが元音声と結び付いたままになる。
この信頼性は、画面に新しい操作ボタンを増やすことより重要です。この機能の理想形は、ユーザーが管理する必要のないものです。