OpenAI: GPT-4o Transcribe
يحوّل GPT-4o Transcribe الصوت إلى نص باستخدام قدرات OpenAI للتعرّف على الكلام في GPT-4o. يدعم موجّهات سياقية وتلميحًا للغة الإدخال وتفريغات JSON وبث مخرجات الملفات واحتمالات لوغاريتمية اختيارية للرموز لمراجعة الصياغات غير المؤكدة.
عن النموذج
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
GPT-4o Transcribe هو نموذج OpenAI لتحويل الكلام إلى نص، المدعوم بـGPT-4o. مدخله صوت مع إرشاد نصي اختياري، ومخرجه نص تم التعرّف عليه. وهو منفصل عن إصدار GPT-4o Mini Transcribe وعن GPT-4o Transcribe Diarize، النموذج المتخصص في تسميات المتحدثين. استخدم هذه المواصفات لإعداد سجل نصي أمين لمادة منطوقة، مع إبقاء التسجيل المصدر متاحًا للمراجعة والعمل التحريري اللاحق.
إدخال الملفات وإعداد المواد الطويلة
يوثّق دليل التفريغ لدى OpenAI عمليات رفع حتى 25 MB. يقبل مرجع نقطة النهاية الحالي FLAC وMP3 وMP4 وMPEG وMPGA وM4A وOGG وWAV وWebM، ويوصي ببيانات وصفية للملف تحدّد التنسيق، بما فيها اسم ملف ذي امتداد ونوع محتوى مناسب. للتسجيل الأكبر، يتوافق الضغط أو التقسيم إلى أجزاء مرتبة بحجم 25 MB أو أقل مع إرشادات المنتج للمدخلات الأطول. تجنّب التقسيم في منتصف جملة، واحتفظ بموضع كل جزء في التسجيل الكامل.
للمقابلة، اربط كل ملف إدخال بالتسجيل والمقطع الذي يغطيه. لعرض تقني، جهّز أسماء المنتجات والاختصارات والمصطلحات المتخصصة ذات الصلة كسياق، ثم افحص كتابتها مقابل ما قاله المتحدث فعلًا. لشرح مسجّل يتضمن قيمًا عددية، راجع التفريغ مع المصدر قبل تحويله إلى إجراء مكتوب. الناتج الأول المطلوب هو الكلام المتعرّف عليه في صيغة نص؛ ويمكن إعداد تقرير موجز أو مستند مترجم من ذلك النص كخطوة منفصلة.
موجّهات خاصة بالتسجيل واختيار اللغة
يدرج دليل المنتج GPT-4o Transcribe صراحةً ضمن النماذج الداعمة للموجّهات. يمكن لموجّه توفير الكتابة الصحيحة للكلمات وسياق من مقطع سابق وتفضيلات للترقيم أو حالة الأحرف أو كلمات الحشو أو نظام كتابة. ينص المرجع على ضرورة مطابقته للغة التسجيل. يمنح وصف قصير وذو صلة للموضوع والمفردات سياقًا مفيدًا للتفريغ، من دون اعتبار مصطلحات لم تُنطق مخرجات مطلوبة.
تدعم هذه المواصفات تلميح اللغة المفرد language، الموثّق بصيغة ISO 639-1. قد يساعد تقديم لغة الإدخال الفعلية على التعرّف. يخص حقلا keywords وlanguages الجمع الأحدث في GPT Transcribe ذلك النموذج المسمّى بشكل منفصل، ولا ينبغي افتراضهما في GPT-4o Transcribe. أبقِ إعداد اللغة مرتبطًا بالكلام الذي تفرّغه، واحتفظ بالصياغة الأصلية قبل أي ترجمة أو إعادة صياغة أسلوبية لاحقة.
تنسيق النتيجة والاحتمالات والمخرجات المتخصصة
يوثّق مرجع نقطة النهاية الحالي JSON كتنسيق إجابة مدعوم لـGPT-4o Transcribe. تتضمن النتيجة النص المتعرّف عليه، ويمكن طلب احتمالات لوغاريتمية اختيارية للرموز مع تنسيق JSON هذا. تصف بيانات الاحتمال اختيار النموذج للرموز. يمكنها المساعدة في تحديد المقاطع الجديرة بالفحص، لكن المقارنة بالصوت هي التي تثبت ما إذا كان التفريغ يعيد اسمًا أو رقمًا أو عبارة صعبة بأمانة.
لا توفّر نتيجة JSON لهذه المواصفات القياسية تنسيقات أصلية للترجمة النصية المرئية أو طوابع زمنية تفصيلية للكلمات أو إسنادات للمتحدثين. توثّق OpenAI خيارات أخرى للنماذج والتنسيقات عند الحاجة إلى تلك المخرجات؛ وGPT-4o Transcribe Diarize هو الإصدار المنفصل لتسميات المتحدثين. لمهمة عناوين نصية مصاحبة، احتفظ بتفريغ مفحوص لخطوة توقيت مناسبة. لمحادثة، لا تبتكر أسماء متحدثين لمجرد أن فقرة في التفريغ تبدو وكأنها تغيّر الموضوع أو الصوت.
نتائج مبثوثة من ملف مكتمل
ينص دليل تحويل الكلام إلى نص لدى OpenAI على أن تكاملات GPT-4o Transcribe القائمة تدعم بث الملفات. يقدّم التطبيق التسجيل أولًا، ثم يتلقى نص التفريغ أثناء معالجة التسجيل ويحتفظ بالنتيجة المكتملة. يبث هذا تفريغ تسجيل مكتمل، بدل قبول صوت الميكروفون أثناء وصوله. تسرد بطاقة النموذج المحددة أيضًا عائلتي نقاط نهاية التفريغ وRealtime؛ ويجب إبقاء سلوك الجلسات الخاص بالنموذج مرتبطًا بهذه المواصفات، بدل استعارته من نموذج أحدث ذي بث متواصل.
حدود النموذج وفحص الناتج النهائي
تسرد مواصفات GPT-4o Transcribe الحالية نافذة سياق قدرها 16,000 رمز، وحدًّا أقصى للإخراج يبلغ 2,000 رمز، وتاريخ انتهاء تحديث المعرفة في 1 يونيو 2024. هذه الحدود الرمزية ليست مدة صوت ثابتة ولا تستبدل قواعد إعداد تفريغ الملفات. لتسجيل ممتد، احتفظ بترتيب المصدر والسياق السابق ذي الصلة، ثم تحقق من أن النص المكتمل يصل إلى نهاية كل مقطع مقصود.
يمكن أن يصبح التفريغ النهائي المفيد مادة مقابلة قابلة للبحث، أو مصدرًا لوثائق تقنية، أو نصًا لمسار لاحق للعناوين النصية المصاحبة. راجع المفردات غير المؤكدة والكميات والترقيم واللكنات والكلام المتداخل مقابل التسجيل. أبقِ النص المتعرّف عليه منفصلًا عن التصحيحات أو الملخصات اللاحقة، واحتفظ بالرابط إلى المصدر عبر معرّفات في سير العمل المحيط. يوفّر النموذج سجلًا نصيًا؛ ويحدّد إعداد المدخلات بعناية ومراجعة المصدر مدى ملاءمة هذا السجل للاستخدام التالي.
Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions openai/gpt-4o-transcribe
openai/gpt-4o-transcribeالبداية
يحوّل GPT-4o Transcribe الصوت إلى نص باستخدام قدرات OpenAI للتعرّف على الكلام في GPT-4o. يدعم موجّهات سياقية وتلميحًا للغة الإدخال وتفريغات JSON وبث مخرجات الملفات واحتمالات لوغاريتمية اختيارية للرموز لمراجعة الصياغات غير المؤكدة.
- المدخلات المقبولة
- الصوت
- النتائج
- النص
متاح في Ailoot · المدخلات والطرائق
Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions
- الإدخال
audio- الإخراج
text
| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود openai/gpt-4o-transcribe | القيمة الافتراضية— |
الحقلinput_audio | النوعobject | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
معلمات الطريقة ودورة حياتها
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, input_audio |
المعلمةmaterial_types | المواصفاتaudio |
المعلمةmaterial_conditions | المواصفاتيقرأ المثال ملف PCM WAV الفعلي غير الفارغ لديك، ويُرمّز جميع بايتات الملف بترميز base64، ويرسل input_audio.format بالقيمة wav. |
دورة الحياة: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · قيمة task_id الدقيقة من سجل وسائط موجود مملوك لك
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
الباقات
مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.
- الوضع السريع
- غير محدد عند اختيار الوضع السريع
- الوضع المرن
- غير محدد عند اختيار وضع flex
- أقصى جهد للاستدلال
- غير محدد عندما يُطبَّق الضبط الافتراضي default مع أقصى جهد للاستدلال
تعرفات Ailoot
الأسعار حسب الإعدادات
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | وحدة الفوترة | الرسوم |
|---|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | وحدة الفوترة— | الرسوم الإدخال · رموز الإدخال — / 1K من الرموز الإخراج · رموز الإخراج — / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداترمز إدخال | جدول التعرفة— | وحدة الفوترة/ 1K من الرموز | الرسوم الإدخال $0.005 / 1K من الرموز |
| الإعداداترمز إخراج | جدول التعرفة— | وحدة الفوترة/ 1K من الرموز | الرسوم الإخراج $0.02 / 1K من الرموز |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
أمثلة للطلبات
Ailoot Ultra · تفريغ صوتي
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"
export AILOOT_AUDIO_FILE
python3 - <<'PY_REQUEST'
import base64, io, json, os, wave
from pathlib import Path
audio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):
raise SystemExit('Supply your actual PCM WAV audio file')
with wave.open(io.BytesIO(audio), 'rb') as recording:
if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:
raise SystemExit('Supply a nonempty PCM WAV recording')
request = {'model': 'openai/gpt-4o-transcribe', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}
Path('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete original response, headers and actual X-Client-Request-ID.
# Read existing owned records for recovery; do not resubmit an uncertain operation.
استلام النتائج وحفظها
Ailoot Ultra · تفريغ صوتي
متن الاستجابة الأصلي كاملاً، والحالة والترويسات المُمرَّرة. لا يضيف هذا المعالج بنية JSON عامة أو حقل نص أو حاوية مهمة.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
الاحتفاظ بكل النتائج المكتملة
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بالاستجابة كاملة وبجميع الترويسات، وبكل مخرج فعلي، وبالمعرّفات الأصلية المُعادة، وبجميع حقول الاستخدام. استعد العملية الأصلية دون إرسال طلب الإنشاء مجددًا.
عند الحاجة إلى التحقق من الاستجابة الأصلية
احتفظ بقيمة X-Client-Request-ID الفعلية وبالاستجابة كاملة. اقرأ الأصول الأصلية المملوكة لك وعناوين URL الدقيقة الموقّعة لمحتواها؛ ولا تعِد إرسال طلب إنشاء غير مؤكد النتيجة مطلقاً.
حقول الاستجابة
| الحقل | النوع |
|---|---|
الحقلtext (when present) | النوع |
الحقلusage (when present) | النوع |
الأخطاء والخطوات التالية
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطمتن JSON أو معرّف النموذج المعتمد الصريح غير صالح. | الخطوة التاليةاحتفظ بالاستجابة وصحّح حقل الطلب المشار إليه. |
الاستجابة401 · authentication_error | الشرطمفتاح API الخاص بـAiloot غير صالح. | الخطوة التاليةاستخدم مفتاح API المخوَّل لك في Ailoot. |
الاستجابة403 · permission_error | الشرطمجموعة المفتاح غير مخوّلة لاستخدام هذه الطريقة. | الخطوة التاليةاحتفظ بتفاصيل الخطأ المُعادة. |
الاستجابة404 · not_found_error | الشرطلا يوجد مسار مسموح به للطريقة المختارة. | الخطوة التاليةاحتفظ بتفاصيل الخطأ المُعادة. |
الاستجابة422 · price_unavailable | الشرطيتعذر على التعرفة المقبولة الحصول على كمية الإدخال المطلوبة أو حدّها. | الخطوة التاليةاحتفظ بالاستجابة؛ واستخدم صيغة تمثيل الإدخال التي تتطلبها التعرفة المقبولة. |
الاستجابة503 · | الشرطالتخزين المطلوب أو المسار أو سعر الطريقة أو حجز الرصيد غير متاح. | الخطوة التاليةاحتفظ بالاستجابة الأصلية كاملة. حجز الرصيد غير المؤكد لا يمنح الإذن بإعادة الإرسال. |
الاستجابة502 · server_error | الشرطتتطلب النتيجة الأصلية أو الاستخدام أو التسوية التحقق. | الخطوة التاليةاحتفظ بمعرّف الطلب الفعلي وبالاستجابة الأصلية. اقرأ السجل الموجود المملوك لك؛ ولا تعِد إرسال طلب الإنشاء. |
الأسماء البديلة
الأسماء البديلة للنموذج
Ailoot Ultra openai/gpt-4o-transcribe
الأسماء البديلة لمسارات الطرائق
استخدم مسارات الطرائق المعروضة أعلاه.
معرّفات النماذج ذات الصلة IDs
FAQ · OpenAI: GPT-4o Transcribe
- ما المدخلات والنتائج المتاحة؟
POST /v1/audio/transcriptions·openai/gpt-4o-transcribe:audio→text- ما الحقول التي يستخدمها الطلب؟
POST /v1/audio/transcriptions·openai/gpt-4o-transcribe:model,input_audio