> ## Documentation index > Fetch the complete documentation index at: https://dify-docs.docs7.io/llms.txt > Ask it with GET https://dify-docs.docs7.io/ask?q=. Short keywords rank best. > Use these to discover all available pages before exploring further. # 音声をテキストに変換 > **対象アプリ**：Chatflow、Workflow、Agent、チャットボット、レガシー Agent、テキストジェネレーター。 ワークスペースのデフォルト音声認識モデルを使用して、アップロードされた音声ファイルをテキストに文字起こしします。 `POST /audio-to-text` ## OpenAPI ````yaml ja/api-reference/openapi_service.json post /audio-to-text openapi: 3.0.1 info: description: Dify アプリケーションとナレッジベースのための REST API です。アプリケーション系エンドポイントはアプリの API キーで、ナレッジ系エンドポイントはナレッジベースの API キーで認証します。 title: Dify サービス API version: 1.0.0 servers: - description: Dify サービス API のベース URL です。セルフホスト環境では、独自の API ベース URL に置き換えてください。 url: https://{api_base_url} variables: api_base_url: default: api.dify.ai/v1 description: API ベース URL のホストとパス（`https://` を除く）。 security: - ApiKeyAuth: [] tags: - description: チャットメッセージとインタラクションに関連する操作です。 name: チャットメッセージ - description: ファイルのアップロードとプレビューの操作です。 name: ファイル操作 - description: エンドユーザー情報に関連する操作です。 name: エンドユーザー - description: ユーザーフィードバックの操作です。 name: メッセージフィードバック - description: 会話管理に関連する操作です。 name: 会話管理 - description: テキスト読み上げと音声認識の操作です。 name: 音声・テキスト変換 - description: アプリケーション設定と情報を取得する操作です。 name: アプリケーション設定 - description: ダイレクト返信用のアノテーション管理に関連する操作です。 name: アノテーション管理 - description: 人間の入力を要する一時停止中のワークフローの再開操作です。 name: 人間の入力 - description: ワークフローの実行と管理のための操作です。 name: ワークフロー実行 - description: テキスト生成に関連する操作です。 name: 完了メッセージ - description: ナレッジベースの作成、設定、取得を含むナレッジベース管理の操作です。 name: ナレッジベース - description: ナレッジベース内のドキュメントの作成、更新、管理のための操作です。 name: ドキュメント - description: ドキュメントチャンクと子チャンクの管理のための操作です。 name: チャンク - description: ナレッジベースのメタデータフィールドとドキュメントメタデータ値の管理のための操作です。 name: メタデータ - description: ナレッジベースタグとタグバインディングの管理のための操作です。 name: タグ管理 - description: 利用可能なモデルを取得するための操作です。 name: モデル - description: データソースプラグインとパイプライン実行を含むナレッジパイプラインの管理と実行のための操作です。 name: ナレッジパイプライン paths: /audio-to-text: post: description: |- **対象アプリ**：Chatflow、Workflow、Agent、チャットボット、レガシー Agent、テキストジェネレーター。 ワークスペースのデフォルト音声認識モデルを使用して、アップロードされた音声ファイルをテキストに文字起こしします。 operationId: basicChatAudioToTextJa requestBody: content: multipart/form-data: schema: $ref: "#/components/schemas/AudioToTextRequest" required: true responses: "200": content: application/json: examples: audioToTextSuccess: summary: レスポンス例 value: text: Hello, I would like to know more about the iPhone 13 Pro Max. schema: $ref: "#/components/schemas/AudioToTextResponse" description: 音声からテキストへの変換に成功しました。 "400": content: application/json: examples: completion_request_error: summary: completion_request_error value: code: completion_request_error message: "[OpenAI] Incorrect model credentials provided, please check and try again." status: 400 invalid_param: summary: invalid_param value: code: invalid_param message: Model whisper-1 is disabled. status: 400 model_currently_not_support: summary: model_currently_not_support value: code: model_currently_not_support message: Dify Hosted OpenAI trial currently not support the GPT-4 model. status: 400 no_audio_uploaded: summary: no_audio_uploaded value: code: no_audio_uploaded message: Please upload your audio. status: 400 provider_not_initialize: summary: provider_not_initialize value: code: provider_not_initialize message: Default model not found for speech2text status: 400 speech_to_text_disabled: summary: speech_to_text_disabled value: code: speech_to_text_disabled message: Speech to text is disabled. status: 400 description: >- - `no_audio_uploaded` : 音声ファイルがアップロードされていません（`file` フィールドがありません）。 - `speech_to_text_disabled` : アプリの公開済みの設定で音声認識が有効になっていません。まだ公開されていない Chatflow アプリや Workflow アプリを呼び出した場合も、このコードが返されます。 - `provider_not_initialize` : ワークスペースで利用できる音声認識モデルがないか、デフォルト音声認識モデルの認証情報が設定されていません。 - `invalid_param` : デフォルト音声認識モデルがモデルプロバイダーの設定で無効になっているか、提供元のモデルプロバイダーがアンインストールされています。 - `model_currently_not_support` : Dify Cloud で、ワークスペースの有料 AI クレジットを使い切っており、切り替わった先のトライアルクレジットではデフォルト音声認識モデルを利用できません。 - `completion_request_error` : モデルプロバイダーが文字起こしリクエストを拒否したか、処理を完了できませんでした（認証情報が無効な場合など）。 "413": content: application/json: examples: audio_too_large: summary: audio_too_large value: code: audio_too_large message: Audio size larger than 30 mb status: 413 description: "`audio_too_large` : 音声ファイルが `30 MB` のサイズ上限を超えています。" "415": content: application/json: examples: unsupported_audio_type: summary: unsupported_audio_type value: code: unsupported_audio_type message: Audio type not allowed. status: 415 description: "`unsupported_audio_type` : ファイルの MIME タイプが、受け付ける音声タイプのいずれでもありません（`file` フィールドを参照）。" "500": content: application/json: examples: internal_server_error: summary: internal_server_error value: code: internal_server_error message: The server encountered an internal error and was unable to complete your request. Either the server is overloaded or there is an error in the application. status: 500 description: "`internal_server_error` : 内部サーバーエラー。" summary: 音声をテキストに変換 tags: - 音声・テキスト変換 x-mint: href: /ja/api-reference/audio/convert-audio-to-text metadata: sidebarTitle: 音声をテキストに変換 title: 音声をテキストに変換 components: schemas: AudioToTextRequest: description: 音声からテキストへの変換のリクエストボディ。 properties: file: description: 文字起こしする音声ファイルです。受け付ける MIME タイプは `audio/mp3`、`audio/m4a`（`audio/x-m4a` も受け付けます）、`audio/wav`、`audio/amr`、`audio/mpga` です。それ以外のタイプ（一般的な `audio/mpeg` を含む）は `unsupported_audio_type` で拒否されます。最大サイズは `30 MB` です。 format: binary type: string user: description: エンドユーザーの識別子。アプリ側で定義し、アプリ内で一意にします。[エンドユーザーの識別](/ja/api-reference/guides/end-user-identity) を参照してください。 type: string required: - file type: object AudioToTextResponse: properties: text: description: 音声認識からの出力テキスト。 type: string type: object securitySchemes: ApiKeyAuth: bearerFormat: API_KEY description: >- すべてのリクエストは API キーで認証します：`Authorization: Bearer {API_KEY}`。アプリのエンドポイントにはアプリの API キーを、ナレッジのエンドポイントにはナレッジベースの API キーを使用します（[Dify API クイックスタート](/ja/api-reference/guides/get-started)）。 キーはサーバーサイドで保管し、クライアントコードには決して埋め込まないでください。キーが欠落または無効なリクエストは HTTP `401`（`unauthorized`）で失敗します。 scheme: bearer type: http ````