OpenAI: GPT Transcribe

يحوّل GPT Transcribe الكلام المسجل إلى نص بلغته الأصلية، مع موجّهات للسياق وتلميحات حرفية للكلمات المفتاحية وتلميحات لعدة لغات. توثّق OpenAI نسخ الملفات المكتملة، وبث نتائج الملفات، والنسخ بعد اعتماد الجولات الصوتية في Realtime.

Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions openai/gpt-transcribe

عن النموذج

يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.

GPT Transcribe نموذج تحويل الكلام إلى نص لدى OpenAI للملفات الصوتية المكتملة، ونسخ الملفات بمخرجات متدفقة، والجولات الصوتية المعتمدة في جلسات Realtime. يقبل الصوت مع سياق نصي اختياري ويُرجع النص المتعرف عليه. تقدّمه الشركة المنتجة لنسخ الكلام المسجل بدقة بلغته الأصلية، بما في ذلك مفردات المجالات والتسجيلات متعددة اللغات والتناوب بين اللغات. مخرجه المفيد نسخة نصية تظل مرتبطة بالتسجيل، مع بيانات وصفية للغة المكتشفة عندما يستطيع النموذج توقعها بثقة.

تجهيز تسجيل مكتمل

يقبل سير نسخ الملفات لدى OpenAI رفع ملفات حتى 25 MB. يذكر مرجع نقطة النهاية الحالي تنسيقات إدخال FLAC وMP3 وMP4 وMPEG وMPGA وM4A وOGG وWAV وWebM، ويوصي ببيانات وصفية كافية للتعرف على التنسيق، بما فيها امتداد مناسب لاسم الملف ونوع المحتوى. ولتسجيل أكبر، يوصي الدليل بالضغط أو التقسيم إلى ملفات بحجم 25 MB أو أقل. تجنّب القطع في منتصف جملة، لأن حذف الكلام المحيط قد يقلل دقة التعرف. احتفظ بالأجزاء مرتبة وبمواضعها ضمن التسجيل الأصلي.

لاجتماع أو مقابلة أو عرض تقديمي مسجل، قدّم الصوت الفعلي وحدّد الموضوع وأي مصطلحات يُرجح ورودها. النتيجة المفيدة هي الكلمات المتعرف عليها، لا ملخص مستنتج للنقاش. احتفظ بمعرّف التسجيل مع النص المعاد حتى يستطيع من يراجع اسمًا أو رقمًا أو عبارة غير مؤكدة الرجوع إلى المصدر الصحيح. ويمكن أن تصبح النسخة النصية بعد ذلك مادةً لسير عمل منفصل للتلخيص أو الترجمة أو التحرير.

السياق وتلميحات الكلمات المفتاحية واللغات المتوقعة

تميّز الشركة المنتجة ثلاثة أنواع من التوجيه. يقدّم الموجّه سياقًا حرًا حول موضوع التسجيل أو ظروفه. وتقدّم الكلمات المفتاحية كلمات أو عبارات حرفية متوقعة في الكلام. وتحدد قائمة اللغات اللغات المتوقع التحدث بها. لنقاش ثنائي اللغة عن منتج، صف الظروف في الموجّه، وأدرج أسماء المنتجات ذات الصلة كلماتٍ مفتاحية، وقدّم اللغات المتوقعة. هذه تلميحات للتعرف؛ وليست تعليمات لإدراج مفردات لم يقلها أحد.

يستخدم GPT Transcribe حقل الجمع languages بدل حقل المفرد الأقدم language؛ وتقول OpenAI ألا يُرسلا معًا. يقبل دليله رموز ISO 639-1 المدعومة، ورموزًا مختارة من ISO 639-3، والرموز الإقليمية للغة الصينية، مع رفض القيم غير المدعومة أو غير الصحيحة الصياغة. يجب أن تبقى كل كلمة مفتاحية في سطر واحد وألا تتضمن قوسًا زاويًا أو محرف رجوع عربة أو محرف انتقال سطر. قد تؤدي كلمة مفتاحية غير صالحة أو موجّه أطول من المسموح إلى رفض الطلب كاملًا. أبقِ السياق ذا صلة، وتحقق من ورود الأسماء الملمّح إليها فعلًا في الصوت بدل اعتبار قائمة التلميحات هي النسخة النصية.

مخرجات JSON وتوقعات اللغة المكتشفة

نتيجة الملف الموثّقة JSON تتضمن النص المنسوخ واللغات المكتشفة. توقعات اللغات هذه مخرجات النموذج وليست نسخة من تلميحات اللغات المقدّمة. قائمة لغات فارغة نتيجة صالحة عندما يعجز النموذج عن توقع اللغة بثقة؛ ولا تثبت أن التسجيل صامت أو أن النسخ فشل. افصل النص المتعرف عليه عن بيانات اللغة الوصفية لكي تستخدم المعالجة اللاحقة كلًا منهما بحسب معناه.

بث النسخة النصية لملف

يمكن لملف مكتمل إنتاج النص المنسوخ تدريجيًا أثناء معالجته. توثّق OpenAI أحداث transcript.text.delta للنص الجزئي وtranscript.text.done للنسخة النصية الكاملة للملف؛ ويتضمن الحدث النهائي أيضًا اللغات المكتشفة. هذا بث لمخرجات تسجيل قُدّم بالفعل. يفيد في عرض تقدم معالجة ملف مرفوع طويل، فيما يحدد الحدث النهائي النص الواجب الاحتفاظ به بوصفه النتيجة المكتملة.

الجولات الصوتية المعتمدة في جلسات Realtime

لدى GPT Transcribe أيضًا سير عمل متخصص في Realtime عبر WebSocket. يُضاف الصوت إلى مخزن الإدخال المؤقت، ثم يعتمد التطبيق صراحةً جولة صوتية. يبدأ النسخ لذلك الجزء المعتمد وقد يُصدر أجزاء نصية قبل حدث اكتماله، بما فيها معلومات اللغة المكتشفة. يستخدم النموذج تلقائيًا الجولات المنسوخة السابقة كسياق ضمن سير جلسة الشركة المنتجة هذا. وهو متميز عن إصدار نص تسميات توضيحية حية باستمرار مع وصول صوت الميكروفون؛ وتسمّي OpenAI النموذج GPT Live Transcribe لهذا المسار المستمر.

لعدة جولات، احتفظ بمعرّف عنصر الإدخال مع النص المقابل له. تحذر OpenAI من أن أحداث اكتمال جولات مختلفة لا يلزم أن تصل بترتيب الكلام، لذا اربط كل نتيجة نهائية بمدخلها المعتمد بدل ترتيب المحادثة اعتمادًا على وقت الاكتمال وحده. المخرج المفيد نسخة نصية مرتبة تُجمع من العناصر النهائية الصحيحة، مع التعامل مع النص المؤقت كتقدم في المعالجة لا كعبارة مستقلة مكتملة.

المخرجات المتخصصة والحدود الفعلية

لا يقدّم هذا الإصدار عقدًا عامًا للترجمة المصاحبة أو الطوابع الزمنية أو الترجمة اللغوية أو تسميات المتحدثين. يميز دليل الانتقال لدى OpenAI تلك القدرات المتخصصة: تحتاج تنسيقات الترجمة المصاحبة الأصلية وتوقيت الكلمات إلى نموذج وتنسيق متوافقين، بينما تستخدم تسميات المتحدثين GPT-4o Transcribe Diarize. نتيجة ملف GPT Transcribe هي JSON وليست بديلًا مباشرًا لاستجابة SRT أو VTT أو استجابة ذات طوابع زمنية تفصيلية. ولا تنشر بطاقة نموذجه الدقيقة مخصصًا عدديًا للسياق أو الحد الأقصى للمخرجات، لذا ينبغي ألا تُفترض نافذة رموز نموذج محادثة للنسخ الصوتي.

راجع المفردات الصعبة والأرقام واللهجات والضوضاء الخلفية وتغيرات اللغة بالرجوع إلى التسجيل. تحقّق من أن التلميحات ذات الصلة حسّنت التعرف دون إدخال مصطلحات غير منطوقة، ومن أن النسخة النصية النهائية تشمل نهاية الصوت. ولنتيجة متعددة اللغات، احتفظ بالكلمات المنطوقة قبل إعداد أي نسخة مترجمة. تجعل هذه الفحوص النص المنسوخ مفيدًا كمادة مصدرية مع التمييز بوضوح بين تلميحات السياق واللغات المكتشفة والكلام المتعرف عليه.

Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions openai/gpt-transcribe

openai/gpt-transcribe

OpenAI /openai/gpt-transcribe

البداية

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
الحقل`model`	النوع`string`	المتطلبمطلوب	القيم والحدود openai/gpt-transcribe	القيمة الافتراضية—
الحقل`input_audio`	النوع`object`	المتطلبمطلوب	القيم والحدود	القيمة الافتراضية—

معلمات الطريقة ودورة حياتها

المعلمة	المواصفات
المعلمة`content_type`	المواصفاتapplication/json
المعلمة`required`	المواصفاتmodel, input_audio
المعلمة`material_types`	المواصفاتaudio
المعلمة`material_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
الإعداداتثانية صوت مُدخل	جدول التعرفة—	وحدة الفوترةلكل ثانية صوت مُدخل	الرسوم الإدخال · ثانية صوت مُدخل $0.00015 لكل ثانية صوت مُدخل

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

curl · ملف WAV الفعلي والنتيجة الأصلية كاملة

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-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}/content
GET /v1/media/assets
GET /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
الحقل`text (when present)`	النوع
الحقل`usage (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-transcribe

الأسماء البديلة لمسارات الطرائق

استخدم مسارات الطرائق المعروضة أعلاه.

معرّفات النماذج ذات الصلة IDs

openai/gpt-transcribe

FAQ · OpenAI: GPT Transcribe

ما المدخلات والنتائج المتاحة؟: POST /v1/audio/transcriptions · openai/gpt-transcribe: audio → text
ما الحقول التي يستخدمها الطلب؟: POST /v1/audio/transcriptions · openai/gpt-transcribe: model, input_audio

OpenAI: GPT Transcribe