11 のステップ詳細

DuRT 3.0 のワークフローエンジンは、拡張可能な DAG パイプライン設計に基づき、11 の標準ステップ を実装しています。各ステップは強型のデータ契約に従い、自由なノード接続と自動化を実現します。

---

グループ 1：入力ステップ (Inputs)

1. monitorCapture — システム音声 & マイク録音

• ポート出力型：audioStream（リアルタイム音声ストリーム）
• 役割：ScreenCaptureKit と CoreAudio を通じて、Safari、Zoom、YouTube、マイク音声をリアルタイムキャプチャします。

2. mediaInput — メディアファイル & 配信 URL インポート

• ポート出力型：mediaFile（実体メディアファイル）
• 役割：ローカルの動画・音声ファイル（MP4, MOV, MP3 等）または YouTube 等の配信 URL をインポートし、自動で音声を分離・標準化します。

3. subtitleInput — 既存字幕 & テキスト読み込み

• ポート出力型：subtitleTrack（時系列字幕トラック）
• 役割：既存の .srt や .vtt 字幕ファイルを読み込み、ASR を再実行することなく後続の AI 翻訳や整文へ引き渡します。

---

グループ 2：音声認識 (ASR) & リアルタイム同伝

4. realtimeASR — ストリーミング音声認識

• 入力ポート型：audioStream / 出力ポート型：subtitleStream
• 役割：低遅延で逐次認識結果を出力し、フローティング字幕を表示します。

5. mediaASR — メディア文字起こし & 話者分離

• 入力ポート型：mediaFile / 出力ポート型：subtitleTrack
• 役割：長尺ファイルを高精度に文字起こしし、単語単位のタイムスタンプと教師なし話者分離（Speaker 1 / Speaker 2）を生成します。

6. realtimeTranslation — リアルタイム同時通訳

• 入力ポート型：subtitleStream / 出力ポート型：subtitleStream
• 役割：ストリーミング ASR の文を逐次翻訳し、二言語のリアルタイム字幕を生成します。

---

グループ 3：AI 後処理、生成 & 配信

7. subtitleRefinement — 字幕整文 & フィラー除去

• 入力ポート型：subtitleTrack / 出力ポート型：subtitleTrack
• 役割：言い淀み（フィラー）を除去し、タイムスタンプを保ったまま読みやすい文字数（1行あたり適正文字数）に整形します。

8. fullTranslation — 全文翻訳

• 入力ポート型：subtitleTrack / 出力ポート型：subtitleTrack
• 役割：タイムスタンプを維持したまま、文脈を考慮して 50 以上の言語へ高精度に翻訳します。

9. contentCreation — 議事録 & コンテンツ要約

• 入力ポート型：subtitleTrack または document / 出力ポート型：document
• 役割：文字起こしから決定事項やアクションアイテムを自動抽出し、構造化 Markdown 議事録を生成します。

10. textToSpeech — 音声合成 (TTS) & キャラクター吹き替え

• 入力ポート型：subtitleTrack / 出力ポート型：mediaFile
• 役割：字幕テキストから自然な AI 音声を合成し、新しい吹き替え音声を生成します。

11. exportArtifact — 成果物配信 & クラウド連携

• 入力ポート型：subtitleTrack、document、mediaFile / 出力ポート型：deliverable
• 役割：ローカルファイル（SRT, VTT, TXT, MP3 等）の書き出し、および S3 オブジェクトストレージ、WebDAV、NAS / ローカルフォルダ、Notion、Obsidian、カスタム Webhook への自動配信を実行します。