長時間音声データをAzure AI SpeechのFast Transcription API (preview)で文字起こしする

2024年5月のMicrosoft Buildで発表された「Fast Transcription API」がパブリックプレビューになっていたので試してみました。 Fast Transcription APIとは Fast Transcription APIとは、Azure AI Speechファミリーの一部で、 長さ: 2時間未満 サイズ: 200MB未満 の音声やビデオの文字起こしを高速に行うことが出来ます。 公式ブログによると、以下のようなユースケースを想定しているようです。 コール センターで働く一般的なエージェントは、通話ごとに 3 ～ 5 分かけてメモを作成します。Fast Transcription API と Azure OpenAI サービスを組み合わせると、このタスクを自動化して、コール センターの作業時間を何千時間も短縮できます。患者との会話を記録する医療従事者は、これ