Deepgram STT：話者分離 v2、数字表記、バッチとライブの違い
Deepgram の話者分離 v2 は従来の本番ダイアライザーより 3.3 倍好まれました。ただし diarize_model はバッチ専用で、ストリーミングには使えません。韓国語の分かち書きと多言語の数字表記も更新。
Deepgramの最新STTアップデートでは、適応性の高いセッション制御、韓国語の分かち書き改善、多言語の数字表記、バッチ処理向けの新しい話者分離オプションが加わりました。ライブの議論や、あとから見直す録音から読みやすい文字起こしを作る際に役立ちます。
Telli.shにとってこれは重要です。Telli.shは本番環境でDeepgramを標準の音声エンジンとして使っています。エンジンが改善されるほど、ライブノート、アップロード音声の文字起こし、要約、多言語の会議記録の基盤も良くなります。
Image: Dejan Krsmanovic, Wikimedia Commons, CC BY 2.0.
Deepgramが発表した内容
最新の発表は、2026年6月15日のUpdateListenです。ライブ音声セッションを再起動せず、会話中にListen設定を変更できます。調整できる項目には、発話終了しきい値、早期発話終了しきい値、タイムアウト、重要語、言語ヒントが含まれます。
ユーザーにとっては、会議の途中で話題、専門用語、言語が変わっても録音を止めずに適応できる可能性があります。
5月にも重要なSTT改善がありました。
ko、ko-KRの韓国語文字起こしで単語間スペースが改善され、韓国語ノートが読みやすくなります。language=multiのNova-2、Nova-3、Flux多言語モデル全体で不適切語フィルタリングが使えるようになりました。- Nova-3多言語モデルは、多くの対応言語で話された数を数字として整形できます。
- バッチ話者分離v2が
diarize_modelで利用可能になり、Deepgramは人手評価で従来の本番diarizerより3.3倍好まれたと報告しています。
ワークフローを選ぶ際に重要な違いがあります。diarize_modelはバッチ要求向けで、ストリーミングには使えません。アップロードした録音には使えますが、ライブセッション中の話者ラベルは変わりません。
Telli.shユーザーへの意味
最も直接的な利点は文字起こし品質です。韓国語ユーザーは、モデル側のスペーシング改善により、より読みやすい原文を確認できます。多言語会議では、数字整形やフィルタリングにより、会議後の編集負担が減ります。
次に重要なのがライブセッション制御です。UpdateListenを使うと、アプリケーションは録音を中断せずにライブ音声認識を調整できます。
アップロード音声では、diarization v2が話者別ノートの新たな選択肢になります。Deepgramによると、人手による比較評価で旧本番版より3.3倍多く評価者に選ばれ、特にコンタクトセンター音声で大きな改善がありました。実際の会議録音での結果は異なる場合があります。
良いSTTには製品レイヤーが必要です
Deepgramは文字起こしを改善します。Telli.shはそれを仕事の流れに変えます。ライブ録音状態、ソース言語、確認可能なテキスト、AI整形、要約、決定事項、アクションアイテム、再利用できる会議記録が必要です。
実用上の目標は、訂正を減らし、読みやすいノートを作り、会議後の作業を減らすことです。認識精度の向上は、見直して再利用できる記録につながってこそ役立ちます。
