---
title: "ローカルファイルの認識"
slug: "ai-application-service-clovaspeech-longsentence-local"
updated: 2026-09-17T09:57:17Z
published: 2026-09-17T09:57:17Z
canonical: "api.ncloud-docs.com/ai-application-service-clovaspeech-longsentence-local"
---

> ## Documentation Index
> Fetch the complete documentation index at: https://api.ncloud-docs.com/llms.txt
> Use this file to discover all available pages before exploring further.

# ローカルファイルの認識

Classic/VPC環境で利用できます。

ローカルに保存されているオーディオ/ビデオファイルを認識し、テキストに変換します。

## リクエスト

リクエスト形式を説明します。リクエスト形式は次の通りです。

| メソッド | URI |
| --- | --- |
| POST | /recognizer/upload |

### リクエストヘッダ

CLOVA Speech APIで共通して使用されるヘッダの詳細は、[CLOVA Speechのリクエストヘッダ](/docs/ja/ai-application-service-clovaspeech#%EC%9A%94%EC%B2%AD%ED%97%A4%EB%8D%94)をご参照ください。

### リクエストボディ

リクエストボディの説明は次の通りです。

| フィールド | タイプ | 必須の有無 | 説明 |
| --- | --- | --- | --- |
| `media` | File | Required | ローカルオーディオ/ビデオファイル - サポートするファイル形式 - オーディオ: `MP3`、`AAC`、`AC3`、`OGG`、`FLAC`、`WAV`、`M4A` - ビデオ: `AVI`、`MP4`、`MOV`、`WMV`、`FLV`、`MKV` |
| `params` | Object | Required | パラメータの詳細情報 |
| `params.language` | String | Required | テキスト認識言語 - `ko-KR`(デフォルト) \| `en-US` \| `enko` \| `ja` \| `zh-cn` \| `zh-tw` - `ko-kR`: 韓国語 - `en-US`: 英語 - `enko`: 韓国語/英語を同時認識 - `ja`: 日本語 - `zh-cn`: 中国語(簡体字) - `zh-tw`: 中国語(繁体字) |
| `params.completion` | String | Optional | 認識リクエスト後のレスポンス方法 - `sync` \| `async`(デフォルト) - `sync`(同期): 結果を JSON形式で返す - `async`(非同期): Callback URLまたは`resultToObs` (ObjectStorage)形式で返す |
| `params.callback` | String | Conditional | Callback URL - `completion`が`async`の場合、`callback`または`resultToObs`のうちどちらかは必ず入力 |
| `params.wordAlignment` | Boolean | Optional | 認識結果の音声とテキストをソートして出力するかどうか - `true`(デフォルト) \| `false` - `true`: 出力 - `false`: 出力しない |
| `params.fullText` | Boolean | Optional | 認識結果の全テキストを出力するかどうか - `true`(デフォルト) \| `false` - `true`: 出力 - `false`: 出力しない |
| `params.resultToObs` | Boolean | Conditional | Object Storageに結果を保存するかどうか - `completion`が`async`の場合にのみ動作 - `true` \| `false`(デフォルト) - `true`: 結果を保存 - `false`: 結果を保存しない |
| `params.noiseFiltering` | Boolean | Optional | ノイズフィルタ有無 - `true`(デフォルト) \| `false` - `true`: フィルタは動作 - `false`: フィルタは動作しない |
| `params.boostings` | Array | Optional | キーワードブーストの詳細情報[boostings](/docs/ja/ai-application-service-clovaspeech-longsentence-local#boostings1) - 音声認識率を上げるキーワードリスト - `useDomainBoostings`と同時使用はできない - 最大1,000個まで入力可能 - ハングル、英語のみサポート - 英語: 基本的に小文字に変換、大文字キーワードブーストのリクエスト時は大文字に置換 - 1音節の単語は誤認識のリスクがあるため、ブーストをサポートしない - <例> `&#x306F;&#x3044;`, `&#x3046;&#x3093;`, `no` - スペースの有無に関係なくブースト処理 - <例> 「クローバースピーチ」と「クローバー スピーチ」のうちどちらか1つのキーワードのみブーストをリクエスト - キーワードの長さの制限はないが、ブーストする対象が複数の単語が組み合わされた語句である場合、その語句でなければブーストの影響を受けにくい - <例> 「クローバースピーチ」というキーワードをブーストする場合、「クローバースピーチ」を含むすべての文はブーストの影響を受ける - <例> 「クローバースピーチのメディア音声認識技術」という組み合わせの長いキーワードをブーストする場合、「クローバースピーチ」だけ含む文はブーストの影響を受けにくい |
| `params.useDomainBoostings` | Boolean | Optional | ドメインブーストの使用有無 - `true` \| `false`(デフォルト) - `true`: ブーストを使用 - `false`: ブーストを使用しない - `boostings`と同時使用はできない |
| `params.forbiddens` | String | Optional | 要注意キーワード - 音声認識率を下げるキーワードリスト(認識結果に表示したくない場合) - キーワード数と長さの制限なし - スペース、英字の大文字・小文字のいずれも完全一致が必要 |
| `params.diarization` | Object | Optional | 話者認識の詳細情報 |
| `params.diarization.enable` | Boolean | Optional | 話者認識するかどうか - `true`(デフォルト) \| `false` - `true`: 話者を認識 - `false`: 話者を認識しない |
| `sed` | Object | Optional | イベント検知結果の詳細情報 |
| `sed.enable` | Boolean | Optional | イベント検知するかどうか - `true` \| `false`(デフォルト) - `true`: イベントを検知 - `false`: イベントを検知しない |
| `format` | String | Optional | レスポンス結果を返す形式 - `JSON`(デフォルト) \| `SRT` \| `SMI` |

#### boostings

`boostings`の説明は次の通りです。

| フィールド | タイプ | 必須の有無 | 説明 |
| --- | --- | --- | --- |
| `words` | String | Optional | キーワードブースト対象の単語リスト |
| `weight` | String | Optional | キーワードブーストの重み |

              参考

              

`completion`(リクエスト後のレスポンス方式)を`async`にしてリクエストすると、入力した Callback URLアドレスの有無や resultToObs(ObjectStorage)の有無に応じて認識結果を次のように返します。

| Callback URL | resultToObs(ObjectStorage) | 結果 |
| --- | --- | --- |
| URLアドレスあり | True | Callback URLと Object Storageの両方に結果を返す |
| URLアドレスあり | False | Callback URLにのみ結果を返す |
| URLアドレスなし | True | Object Storageにのみ結果を返す |
| URLアドレスなし | False | エラーを返す |

### リクエスト例

リクエストのサンプルコードは次の通りです。

```
curl --location --request POST 'https://clovaspeech-gw.ncloud.com/external/v1/8881/5f7e1b4c866f1c605946c9236f9***********/recognizer/upload' \
--header 'Content-Type: multipart/form-data' \
--header 'X-CLOVASPEECH-API-KEY: {アプリの登録時に発行された Secret Key}' \
--form 'media=@"{media}"' \
--form 'params="{\"language\":\"ko-KR\",\"completion\":\"sync\", \"callback\":\"\", \"fullText\":true,\"\"}"' \
--form 'type="application/json"'
```

## レスポンス

レスポンス形式を説明します。

### レスポンスボディ

レスポンスボディの説明は次の通りです。

| フィールド | タイプ | 必須の有無 | 説明 |
| --- | --- | --- | --- |
| `result` | String | - | レスポンスコード |
| `message` | String | - | レスポンスメッセージ |
| `token` | String | - | 結果トークン |
| `version` | String | - | エンジンバージョン |
| `params` | Object | - | パラメータの詳細情報 |
| `params.service` | String | - | サービスコード |
| `params.domain` | String | - | ドメインのタイプ - エンジンの呼び出し時に使用 - `general` |
| `params.lang` | String | - | 認識言語 - `ko` \| `en` \| `enko` \| `ja` \| `zh-cn` \| `zh-tw` - `ko`: 韓国語 - `en`: 英語 - `enko`: 韓国語/英語を同時に翻訳 - `ja`: 日本語 - `zh-cn`: 中国語(簡体字) - `zh-tw`: 中国語(繁体字) |
| `params.completion` | String | - | 認識リクエスト後のレスポンス方法 - `sync`(同期): 結果を JSON形式で返す - `async`(非同期): Callback URLまたは`resultToObs`(ObjectStorage)形式で返す |
| `params.callback` | String | - | Callback URL |
| `params.diarization` | Object | - | 話者認識(分離)の詳細情報 |
| `params.diarization.enable` | Boolean | - | 話者認識(分離)するかどうか - `true` \| `false` - `true`: 話者を認識 - `false`: 話者を認識しない |
| `params.diarization.speakerCountMin` | Integer | - | 最小話者数 |
| `params.diarization.speakerCountMax` | Integer | - | 最大話者数 |
| `params.sed` | Object | - | イベント検知結果 |
| `params.sed.enable` | Boolean | - | イベント検知するかどうか - `true` \| `false`(デフォルト) - `true`: イベントを検知 - `false`: イベントを検知しない |
| `params.boostings` | Array | - | キーワードブーストの詳細情報[boostings](/docs/ja/ai-application-service-clovaspeech-longsentence-local#boostings2) - 詳細は[リクエストボディ](/docs/ja/ai-application-service-clovaspeech-longsentence-local#%EC%9A%94%EC%B2%AD%EB%B0%94%EB%94%94)の`boostings`を参照 |
| `params.forbiddens` | String | - | 要注意キーワード - 詳細は[リクエストボディ](/docs/ja/ai-application-service-clovaspeech-longsentence-local#%EC%9A%94%EC%B2%AD%EB%B0%94%EB%94%94)の`forbiddens`を参照 |
| `params.wordAlignment` | Boolean | - | 認識結果の音声とテキストをソートして出力するかどうか - `true`(デフォルト) \| `false` - `true`: 出力 - `false`: 出力しない |
| `params.fullText` | Boolean | - | 認識結果の全テキストを出力するかどうか - `true`(デフォルト) \| `false` - `true`: 出力 - `false`: 出力しない |
| `params.noiseFiltering` | Boolean | - | ノイズフィルタ有無 - `true`(デフォルト) \| `false` - `true`: フィルタは動作 - `false`: フィルタは動作しない |
| `params.resultToObs` | Boolean | - | Object Storageに結果を保存するかどうか - `completion`が`async`の場合にのみ動作 - `true` \| `false`(デフォルト) - `true`: 結果を保存 - `false`: 結果を保存しない |
| `params.priority` | Integer | - | 優先順位 - 0~4 - 低いほど優先順位が高い |
| `params.userdata` | Object | - | ユーザーデータの詳細情報 |
| `params.userdata._ncp_DomainCode` | String | - | ドメインコード - `long-speech` \| `short-speech` - `long-speech`: 長文認識 - `short-speech`: 短文認識 |
| `params.userdata._ncp_DomainId` | Integer | - | ドメイン ID |
| `params.userdata._ncp_TaskId` | Integer | - | タスク ID - 具体的な認識タスクのトレース時に使用 |
| `params.userdata._ncp_TraceId` | String | - | トレース ID - ログのトレース時に使用 |
| `progress` | Integer | - | 認識進捗率 |
| `keywords` | Object | - | キーワードブーストされた単語リスト |
| `segments` | Array | - | segmentsの詳細情報: [segments](/docs/ja/ai-application-service-clovaspeech-longsentence-local#segments) |
| `text` | String | - | 全テキスト |
| `confidence` | Double | - | 全体の精度 |
| `speakers` | Array | - | 全話者の詳細情報: [speakers](/docs/ja/ai-application-service-clovaspeech-longsentence-local#speakers) |
| `events` | Array | - | イベントの詳細情報: [events](/docs/ja/ai-application-service-clovaspeech-longsentence-local#events) |
| `eventTypes` | Array | - | 認識された全イベントの詳細情報: [eventTypes](/docs/ja/ai-application-service-clovaspeech-longsentence-local#eventTypes) |

#### boostings

`boostings`の説明は次の通りです。

| フィールド | タイプ | 必須の有無 | 説明 |
| --- | --- | --- | --- |
| `words` | String | - | キーワードブースト対象の単語リスト |
| `weight` | String | - | キーワードブーストの重み |

#### segments

`#segments`の説明は次の通りです。

| フィールド | タイプ | 必須の有無 | 説明 |
| --- | --- | --- | --- |
| `start` | Long | - | 分析開始時刻(ms) |
| `end` | Long | - | 分析終了時刻(ms) |
| `text` | String | - | 分析テキスト |
| `confidence` | Double | - | 分析の精度 - 0.0~1.0 |
| `diarization` | Object | - | 認識された話者の詳細情報 |
| `diarization.label` | String | - | 認識された話者の番号 |
| `speaker` | Object | - | 変更後の話者の詳細情報 |
| `speaker.label` | String | - | 変更後の話者の番号 |
| `speaker.name` | String | - | 変更後の話者の名前 |
| `speaker.edited` | Boolean | - | 話者は変更されたかどうか - `true` \| `false`(デフォルト) - `true`: 話者を変更 - `false`: 同じ話者 |
| `words` | Array<Long, Long, String> | - | 認識された単語リスト |
| `words.[0]` | Long | - | セグメント開始時刻(ms) |
| `words.[1]` | Long | - | セグメント終了時刻(ms) |
| `words.[2]` | String | - | セグメントテキスト |
| `textEdited` | String | - | 変更内容 |

#### speakers

`speakers`の説明は次の通りです。

| フィールド | タイプ | 必須の有無 | 説明 |
| --- | --- | --- | --- |
| `label` | String | - | すべての話者の番号 |
| `name` | String | - | すべての話者の名前 |
| `edited` | Boolean | - | 話者は変更されたかどうか - `true` \| `false`(デフォルト) - `true`: 話者を変更 - `false`: 同じ話者 |

#### events

`events`の説明は次の通りです。

| フィールド | タイプ | 必須の有無 | 説明 |
| --- | --- | --- | --- |
| `type` | String | - | イベントタイプ |
| `label` | String | - | イベント名 |
| `labelEdited` | String | - | 変更後のイベント名 |
| `start` | Long | - | イベントの開始時刻 |
| `end` | Long | - | イベントの終了時刻 |

#### eventTypes

`eventTypes`の説明は次の通りです。

| フィールド | タイプ | 必須の有無 | 説明 |
| --- | --- | --- | --- |
| `label` | String | - | 認識されたイベント |

### レスポンスステータスコード

CLOVA Speech APIで共通して使用されるレスポンスステータスコードの詳細は、[CLOVA Speechのレスポンスステータスコード](/docs/ja/ai-application-service-clovaspeech#%EC%9D%91%EB%8B%B5%EC%83%81%ED%83%9C%EC%BD%94%EB%93%9C)をご参照ください。

### レスポンス例

レスポンスのサンプルコードは次の通りです。

#### `async`でリクエストして jsonで返す

`async`でリクエストして json形式で返すレスポンスのサンプルコードは次の通りです。

```
{
    "token": "*****f6a1015466bae2c926177f26310",
    "result": "SUCCEEDED",
    "message": "Succeeded"
}
```

#### `sync`でリクエストして jsonで返す

`sync`でリクエストして json形式で返すレスポンスのサンプルコードは次の通りです。

```
{
    "result": "COMPLETED",
    "message": "Succeeded",
    "token": "*****166039e486abbb90e4a84c3b3a5",
    "version": "ncp_v2_v2.3.0-aa6cd8d-20231205_231211-3cf30bfc_v0.0.0_",
    "params": {
        "service": "ncp",
        "domain": "general",
        "lang": "enko",
        "completion": "sync",
        "callback": "",
        "diarization": {
            "enable": true,
            "speakerCountMin": -1,
            "speakerCountMax": -1
        },
        "sed": {
            "enable": true
        },
        "boostings": [
            {
                "words": "こんにちは。テスト"
                "weight": 1
            }
        ],
        "forbiddens": "",
        "wordAlignment": true,
        "fullText": true,
        "noiseFiltering": true,
        "resultToObs": false,
        "priority": 0,
        "userdata": {
            "_ncp_DomainCode": "NEST",
            "_ncp_DomainId": 1,
            "_ncp_TaskId": **442,
            "_ncp_TraceId": "*****ce98ec342d8a8c8fe9191cec343",
            "id": 1
        }
    },
    "progress": 100,
    "keywords": {},
    "segments": [
        {
            "start": 5870,
            "end": 8160,
            "text": "ソウルのプールです。",
            "confidence": 0.9626975,
            "diarization": {
                "label": "2"
            },
            "speaker": {
                "label": "2",
                "name": "B",
                "edited": false
            },
            "words": [
                [
                    5871,
                    6730,
                    "ソウル"
                ],
                [
                    6860,
                    7530,
                    "プールです。"
                ]
            ],
            "textEdited": "ソウルのプールです。"
        },
        {
            "start": 8160,
            "end": 12950,
            "text": "入場料はいくらですか? 5千ウォンです。ありがとうございます。",
            "confidence": 0.8835926,
            "diarization": {
                "label": "1"
            },
            "speaker": {
                "label": "1",
                "name": "A",
                "edited": false
            },
            "words": [
                [
                    8161,
                    9220,
                    "入場料は"
                ],
                [
                    9390,
                    10020,
                    "いくらですか?"
                ],
                [
                    10410,
                    10640,
                    "5千"
                ],
                [
                    10710,
                    11140,
                    "ウォンです。"
                ],
                [
                    11910,
                    12500,
                    "ありがとうございます。"
                ]
            ],
            "textEdited": "入場料はいくらですか? 5千ウォンです。ありがとうございます。"
        }
    ],
    "text": "ソウルのプールです。入場料はいくらですか? 5千ウォンです。ありがとうございます。",
    "confidence": 0.9071357,
    "speakers": [
        {
            "label": "1",
            "name": "A",
            "edited": false
        },
        {
            "label": "2",
            "name": "B",
            "edited": false
        }
    ],
    "events": [
        {
            "type": "music",
            "label": "music",
            "labelEdited": "music",
            "start": 1400,
            "end": 5000
        }
    ],
    "eventTypes": [
        "music"
    ]
}
```

#### `sync`でリクエストして srtで返す

`sync`でリクエストして srt形式で返すレスポンスのサンプルコードは次の通りです。

```
1
00:00:00,000 --> 00:00:01,425
A: 私、この前

2
00:00:02,533 --> 00:00:11,550
A: トウモロコシを食べたんですよ。すごく甘くて美味しかった。てか、私はそれが町の名前だと思ってたんですよ。

3
00:00:11,550 --> 00:00:19,025
A: Chosaierのチョ(超)に、甘いのダン(糖)だったとはね。知らなかった。私、チョダンってチョダン豆腐みたいなものだと思ってた。

4
00:00:19,025 --> 00:00:26,317
C: サッカリンのことを思い出したけど。ふいとね。作家さんはチョダンを召し上がりましたね。

5
00:00:26,317 --> 00:00:28,240
A: トウモロコシにですか?

6
00:00:28,240 --> 00:00:35,318
B: ちょっと、甘い味のする豆腐がどこにあるっていうの? この Doは理解できないな。サンドってチョダン地域じゃないの?

7
00:00:35,318 --> 00:00:42,800
A: いやいや。チョダントウモロコシってスーパースウィートって意味だった。めっちゃ甘いって意味だったとは誰も知らなかったよ。全然。
```

#### `sync`でリクエストして smiで返す

`sync`でリクエストして smi形式で返すレスポンスのサンプルコードは次の通りです。

```
<SAMI>
<Body>
  <SYNC Start=0>
    <P>A: 私、この前
  <SYNC Start=2533>
    <P>A: トウモロコシを食べたんですよ。すごく甘くて美味しかった。てか、私はそれが町の名前だと思ってたんですよ。
  <SYNC Start=11550>
    <P>A: Chosaierのチョ(超)に、甘いのダン(糖)だったとはね。知らなかった。私、チョダンってチョダン豆腐みたいなものだと思ってた。
  <SYNC Start=19025>
    <P>C: サッカリンのことを思い出したけど。ふいとね。作家さんはチョダンを召し上がりましたね。
  <SYNC Start=26317>
    <P>A: トウモロコシにですか?
  <SYNC Start=28240>
    <P>B: ちょっと、甘い味のする豆腐がどこにあるっていうの? この Doは理解できないな。サンドってチョダン地域じゃないの?
  <SYNC Start=35318>
    <P>A: いやいや。チョダントウモロコシってスーパースウィートって意味だった。めっちゃ甘いって意味だったとは誰も知らなかったよ。全然。
</Body>
</SAMI>
```