Loquela Remoteの速度をどう測ったか
1時間の音声を9秒未満で処理し、1時間あたり18,000分の音声を丸1時間受けても全リクエストを文字起こし。2つのテストの方法を説明します。
Loquela Remoteは400×の文字起こし速度で動きます。1時間の音声を9秒未満で処理します。この数字は1つのテストから来ています。2つ目のテストは別の問いに答えるものでした。多くの人から同時に、1時間に数百時間分の音声が届いたら何が起きるか、です。どちらも2026年10月27日に、その日に稼働していたLoquela Remoteのリリースで実施しました。この記事ではその方法を説明します。
| テスト | 結果 |
|---|---|
| 60分のファイルを1本ずつ | すべての実行でサーバー時間7.08〜8.66秒 |
| 速度 | すべての実行で400×の文字起こし速度を上回る |
| 1時間あたり18,000分の音声で1時間 | 18,350件のリクエスト、すべて文字起こし済み |
| その1時間の短いクリップ | 半数が0.23秒以内、100件中95件が2.2秒以内に返却 |
1時間の音声を、1ファイルずつ
このテストでは、1つの録音がサーバーを単独で使えるときに、どれだけ速くテキストになるかを測ります。
- サービス: リリース済みサービスのコピー。サーバーでは他に何も動かしていません。
- ファイル: 一般的な形式の60分の音声録音4本。下の表に載せています。
- 実行: ウォームアップのリクエストを1回、その後各ファイルを3回ずつ実行。
- 計測: サーバー時間は、各リクエストについてサービス自身が残す記録です。ファイルはサーバー自身から送ったため、アップロードにはほとんど時間がかかっていません。
| ファイル(60分) | サーバー時間、3回の実行 | 最も遅い回、送信側で計測 |
|---|---|---|
| MP3、16 kHz モノラル | 7.08〜7.15 s | 7.25 s |
| AAC、48 kHz モノラル、64 kbps | 7.54〜7.58 s | 7.66 s |
| AAC、44.1 kHz ステレオ、128 kbps | 8.21〜8.25 s | 8.42 s |
| MP3、44.1 kHz ステレオ、128 kbps | 8.56〜8.66 s | 8.89 s |
送信側で計測した最も遅い回は8.89秒でした。1時間は3,600秒の音声なので、録音を再生するより約405倍速いことになります。すべての実行が400×を上回っており、サイトではこの数字を使っています。
アップロード時間は回線によって変わるため、これらの数字には含まれていません。128 kbpsの60分のMP3は約58 MBです。64 kbpsのモノラルならその半分なので、より早く届きます。
多くの人が同時に:1時間あたり18,000分の音声で1時間
このテストでは、重く混在したトラフィックの下でサービスがどう動くかを測ります。1時間あたり18,000分の音声とは、毎時間300時間分の音声が届くということです。これを丸1時間続けました。
- サービス: 同じリリースを、本番と同じ構成で動かしました。
- 送信元: テスト用の16アカウントが、互いに無関係な顧客のように、ランダムなタイミングで録音を送信。サーバー上で動かしたため、以下の時間にインターネットは含まれていません。
- 録音: 5〜30秒の短い音声クリップ(半分がWAV、半分がM4A)、10〜60分の会議、60〜120分の長い録音(どちらもMP3)。音声の分数で見ると、15%が短いクリップ、45%が会議、40%が長い録音でした。
- 話者ラベル: 会議と長い録音の約10件に3件で有効。
- 音声: 音読された英語。オーディオブック録音の公開コレクションであるLibriSpeechから取り、各長さに合わせて切り出してつなぎ合わせました。
| 録音 | リクエスト | 文字起こし済み | 中央値 |
|---|---|---|---|
| 短いクリップ、5〜30 s | 18,020 | 18,020 | 0.23 s |
| 会議、10〜60分 | 241 | 241 | 12.2 s |
| 長い録音、60〜120分 | 89 | 89 | 42.6 s |
合計で、その1時間に18,925分の音声が届き、18,350件のリクエストすべてが文字起こしとともに返りました。断られたものも、失敗したものもありません。
短いクリップは最初から最後まで速いままでした。1時間のどの10分間でも中央値は0.20〜0.29秒に収まり、1時間を通して100件中95件が2.2秒以内に返りました。
会議は中央値で140×の文字起こし速度、長い録音は122×でした。最初のテストより遅いのは、多くの録音が同時にサーバーを分け合っているためです。1件ごとの時間は単独のときより長くなりますが、1時間で処理できる音声ははるかに多くなります。
あなたの録音にとっての意味
- 30分の会議は、サーバーを単独で使えるとき、サーバー時間で約4秒です。これにアップロードの時間が加わります。
- 短い音声クリップは、たいてい1秒を大きく下回る時間で返ります。
- 待ち時間の合計は、アップロード、サーバー時間、文字起こしの返送です。文字起こしは小さいので、ほぼすぐに届きます。
次に計測するとき
これらの数字は、2026年10月27日に稼働していたリリースのものです。文字起こしの動き方を変えたら改めて計測し、数字が変わればサイトとこの記事を更新します。
Loquela Remoteは、米国のお客様向けのプライベートな音声文字起こしAPIとMCPサーバーです。音声も文字起こしも保存しません。音声がどう扱われるか、他の文字起こしAPIの扱い、料金をご覧ください。