無音検出

無音検出（Silence Detect）ノードは、録音や動画の中の無音区間を見つけ、時間範囲のリストとして返します。この範囲を使って、編集プラン（Edit Plan）などで、ポッドキャストやインタビューから無音部分をカットします。このノードは AI モデルもプロバイダーのキーも使わずにローカルで動作するため、すべてのエディションで使えます。

使いどころ

• ポッドキャストやインタビューを編集する前に、無音部分や長い間を見つけます。
• 取り除くべき無音を、編集のステップに正確に渡します。
• 録音のうち、どれだけが無音で、どれだけが話し声かを測ります。

クイックスタート

入力と出力

出力の無音区間は、オーディオではなくデータです。編集プランの無音入力や、フィールドを抽出（Extract Field）ノードなど、データを読み取るノードに接続します。

設定

結果の読み方

無音区間出力は、次のような形です。

{
  "version": 1,
  "ranges": [
    { "startMs": 2120, "endMs": 3880 }
  ],
  "durationMs": 6000
}

• ranges：無音区間です。出現順に並び、元の録音の時間軸に沿ったミリ秒で表されます。endMs はその時点を含まず、常に startMs より大きい値です。
• durationMs：録音全体の長さです。単位はミリ秒です。

例

6 秒の録音で、2 秒の位置から 4 秒の位置までが無音だとします。デフォルトの設定では、次のようになります。

1. ノードは、約 2,000 ミリ秒から約 4,000 ミリ秒までの無音区間を 1 つ見つけます。長さは 2 秒なので、最小の無音時間である 700 ms より長くなります。
2. 120 ms の音声のパディングにより、区間が両端で縮められます。開始は 2,000 + 120 = 2,120 ms に、終了は 4,000 - 120 = 3,880 ms になります。

結果は上の JSON のとおりで、この実行には 10 クレジットかかります。

クレジット

無音検出の料金は、一律で 1 回の実行につき 10 クレジットです。録音の長さ、設定、見つかった範囲の数によって、料金は変わりません。

ノードは、音声トラックを低い解像度で小さくしたコピーを分析するため、長い録音でも数秒で調べ終わります。

ヒント

• 息継ぎを無視する：最小の無音時間を上げると、短い息継ぎや単語間のすき間が検出されなくなります。短い間も検出するには、値を下げます。
• 言葉を守る：カットで言葉の出だしが切れる場合は、音声のパディングを上げます。無音が長く残りすぎると感じる場合は、値を下げます。
• ルームトーンを無音として扱う：静かな部屋でも、デフォルトのしきい値より大きい音が出ていることがあります。無音のしきい値を下げます。たとえば -45 にします。
• ソースの時間軸を保つ：範囲は元の録音のタイムラインを使うため、あとの編集でも、同じオーディオや動画と位置が一致します。

API から

POST /v1/silence-detect は、audioUrl と、任意の thresholdDb（デフォルトは -35）、minSilenceMs（デフォルトは 700）、padMs（デフォルトは 120）を受け取ります。完了した実行の output_data.json が、上の結果です。MCP ツールは silence_detect です。音声とメディアを参照してください。