OpenAI: GPT-4o Mini Transcribe

GPT-4o Mini Transcribe je model OpenAI pro převod řeči na text založený na GPT-4o Mini. Mění zvuk na přepis JSON, podporuje textové prompty pro konkrétní nahrávku a streamované výsledky ze souboru a může vracet logaritmy pravděpodobností tokenů pro cílenou kontrolu přepisu.

Ailoot Ultra · Přepis řeči POST /v1/audio/transcriptions openai/gpt-4o-mini-transcribe

O modelu

Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.

GPT-4o Mini Transcribe je model OpenAI pro převod řeči na text založený na GPT-4o Mini. Přijímá zvuk s volitelným textovým vedením a vytváří rozpoznaný text. Jde o jiný model než GPT-4o Transcribe, který používá GPT-4o, a než novější profil GPT Transcribe se samostatnými poli klíčových slov a vícejazyčných nápověd. Užitečným výstupem je zde přepis původní řeči z nahrávky připravený pro vyhledávání, kontrolu nebo další krok zpracování obsahu.

Příprava nahrávky

Průvodce souborovým přepisem od OpenAI přijímá zvukové soubory do 25 MB. Aktuální reference koncového bodu uvádí FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV a WebM s dostatečnými metadaty názvu souboru a typu obsahu pro identifikaci zvukového formátu. Větší nahrávky lze komprimovat nebo rozdělit na části o velikosti nejvýše 25 MB. Při dělení zachovejte hranice vět a ponechte každou část přiřazenou ke zdrojové nahrávce a poloze, aby bylo možné text později sestavit ve správném pořadí.

U hlasových poznámek zachovejte jeden identifikovatelný přepis na nahrávku a před použitím textu k vytváření úkolů zkontrolujte jména nebo čísla. U mluveného návodu porovnejte rozpoznané znění s původními pokyny, než jej upravíte pro zveřejnění. Užitečné přípravné zadání určuje mluvený jazyk a termíny, které by jinak mohly být přeslechnuty. Přepis slov je prvním krokem; interpretace, shrnutí nebo překlad mohou následně využít zkontrolovaný přepis.

Vedení promptem a jedna jazyková nápověda

Stávající integrace GPT-4o Mini Transcribe podporují volně formulovaný prompt. OpenAI popisuje prompty pro jména, zkratky, slovní zásobu konkrétní nahrávky, interpunkci, velká písmena, výplňová slova a preferovaný systém písma. Reference koncového bodu uvádí, že prompt má odpovídat jazyku zvuku a může nést kontext předchozího zvukového segmentu. Zahrňte relevantní zápisy nebo krátký popis tématu, místo abyste od přepisovacího promptu požadovali chování neomezeného chatového pokynu.

Zavedená jazyková nápověda tohoto modelu používá pole language v jednotném čísle. Reference výrobce dokumentuje kód vstupního jazyka ISO 639-1, například en. Samostatné pole keywords a pole languages v množném čísle jsou dokumentována pro GPT Transcribe; nejsou součástí tohoto profilu Mini. U série nahrávek uchovejte zamýšlené nastavení mluveného jazyka s každým vstupem, místo abyste jej interpretovali jako požadavek na překlad výsledku.

Výsledek JSON a volitelné pravděpodobnosti tokenů

Aktuální reference koncového bodu dokumentuje JSON jako podporovaný formát odpovědi GPT-4o Mini Transcribe. Rozpoznané znění se objevuje v poli text. Na vyžádání mohou odpověď JSON doprovázet logaritmy pravděpodobností tokenů; tyto hodnoty popisují pravděpodobnosti tokenů modelu a mohou pomoci určit materiál k podrobnější kontrole. Nepotvrzují, že jméno, číslo nebo věta odpovídá zvuku. Podle nahrávky rozhodněte, zda je třeba pochybné slovo opravit.

Běžný profil přepisu Mini neposkytuje prostřednictvím tohoto kontraktu JSON nativní výstupy SRT, VTT, podrobné časové značky slov ani označení mluvčích. OpenAI pro tyto schopnosti dokumentuje specializované modely a formáty. Pokud je zamýšleným výstupem titulková stopa, ponechte zkontrolovaný přepis dostupný pro samostatný postup časování, místo abyste předpokládali, že čistě textový výsledek už obsahuje hranice titulků.

Streamování souborového výstupu a dokumentované režimy

Průvodce výrobce pro převod řeči na text výslovně uvádí, že stávající integrace GPT-4o Mini Transcribe podporují streamování souborových výsledků. Dokončená nahrávka může během zpracování vytvářet částečný text přepisu následovaný konečným výsledkem. Konečný přepis uchovejte jako dokončený výstup; výskyt částečného textu neznamená, že souborový postup nepřetržitě přijímá živý zvuk z mikrofonu. Karta modelu samostatně uvádí rodiny koncových bodů přepisu a Realtime. Tato rozhraní výrobce neznamenají, že se zde uplatňuje každé pole relace jiného přepisovacího modelu.

Kontext, výstupní limit a užitečné kontroly

Aktuální specifikace modelu od OpenAI uvádí kontextové okno 16 000 tokenů, maximální výstup 2 000 tokenů a znalostní mezník 1. června 2024. Jde o údaje specifikace modelu, nikoli o univerzální délku zvukové nahrávky v minutách. Pravidlo velikosti souboru a tokenový limit popisují různá omezení. U rozsáhlého materiálu připravte nahrávku podle dokumentovaného souborového postupu, přenášejte mezi částmi relevantní kontext a zkontrolujte, že konečný text zahrnuje konec zdroje.

Užitečný výsledek Mini Transcribe zachovává znění i jeho vztah k nahrávce a volitelné pravděpodobnostní údaje ponechává oddělené od redakčních oprav. Kontrolujte neznámou slovní zásobu, přízvuky, hluk v pozadí, změny jazyka a překrývající se řeč s dostupným původním zvukem. Při úpravách textu pro lepší čitelnost odlište tuto redakční verzi od rozpoznaného přepisu, aby pozdější uživatelé mohli poznat, které znění pochází z nahrávky a které bylo během přípravy změněno.

Ailoot Ultra · Přepis řeči POST /v1/audio/transcriptions openai/gpt-4o-mini-transcribe

openai/gpt-4o-mini-transcribe

OpenAI /openai/gpt-4o-mini-transcribe

Úvod

Přijímané vstupy: Zvuk
Výsledky: Text

Dostupné v Ailoot · vstupy a metody

Ailoot Ultra · Přepis řeči POST /v1/audio/transcriptions

Vstup: audio
Výstup: text

Pole	Typ	Požadavek	Hodnoty a limity	Výchozí
Pole`model`	Typ`string`	PožadavekPovinné	Hodnoty a limity openai/gpt-4o-mini-transcribe	Výchozí—
Pole`input_audio`	Typ`object`	PožadavekPovinné	Hodnoty a limity	Výchozí—

Parametry a životní cyklus metody

Parametr	Kontrakt
Parametr`content_type`	Kontraktapplication/json
Parametr`required`	Kontraktmodel, input_audio
Parametr`material_types`	Kontraktaudio
Parametr`material_conditions`	KontraktPříklad načte váš skutečný neprázdný soubor PCM WAV, zakóduje všechny jeho bajty do base64 a odešle input_audio.format s hodnotou wav.

Životní cyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · přesné task_id z existujícího záznamu média spravovaného službou

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Tarify

Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.

Rychlý režim: Neuvedeno Při výběru rychlého režimu
Režim flex: Neuvedeno Při výběru režimu flex
Maximální intenzita uvažování: Neuvedeno Když se při maximální intenzitě uvažování použije výchozí úprava (default)

Sazby Ailoot

Ceny podle konfigurace

Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.

Konfigurace	Tabulka sazeb	Účtovací jednotka	Poplatek
KonfiguraceZákladní sazby za tokeny	Tabulka sazebZákladní sazba	Účtovací jednotka—	Poplatek Vstup · Vstupní tokeny — / 1K tokenů Výstup · Výstupní tokeny — / 1K tokenů Vstup · Čtení z mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů
Konfiguracevstupní token	Tabulka sazeb—	Účtovací jednotka/ 1K tokenů	Poplatek Vstup $0.0025 / 1K tokenů
Konfiguracevýstupní token	Tabulka sazeb—	Účtovací jednotka/ 1K tokenů	Poplatek Výstup $0.01 / 1K tokenů

Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →

Příklady požadavků

Ailoot Ultra · Přepis řeči

curl · skutečný soubor WAV a úplný původní výsledek

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-mini-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.

Přijímání a ukládání výsledků

Ailoot Ultra · Přepis řeči

Celé původní tělo odpovědi, stav a předané hlavičky. Tento obslužný kód nepřidává žádnou univerzální strukturu JSON, textové pole ani obalovou strukturu úlohy.

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

Uchovejte všechny dokončené výsledky

Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.

Uchovejte úplnou odpověď a hlavičky, všechny skutečné výstupy, původní vrácené identifikátory a všechna pole s údaji o využití. Obnovte původní operaci bez opětovného odeslání požadavku na vytvoření.

Pokud je nutné ověřit původní odpověď

Uchovejte skutečné X-Client-Request-ID a celou odpověď. Načítejte původní soubory spravované službou a jejich přesné podepsané URL obsahu; vytvoření s nejistým výsledkem nikdy znovu neodesílejte.

Pole odpovědi

Pole	Typ
Pole`text (when present)`	Typ
Pole`usage (when present)`	Typ

Chyby a další kroky

Odpověď	Podmínka	Další krok
Odpověď400 · `invalid_request_error`	PodmínkaTělo JSON nebo explicitně uvedené kanonické ID modelu jsou neplatné.	Další krokUchovejte odpověď a opravte označené pole požadavku.
Odpověď401 · `authentication_error`	PodmínkaKlíč API Ailoot je neplatný.	Další krokPoužijte svůj autorizovaný klíč API Ailoot.
Odpověď403 · `permission_error`	PodmínkaSkupina klíče nemá přístup k této metodě.	Další krokUchovejte vrácené podrobnosti chyby.
Odpověď404 · `not_found_error`	PodmínkaVybraná metoda nemá žádnou trasu s povoleným přístupem.	Další krokUchovejte vrácené podrobnosti chyby.
Odpověď422 · `price_unavailable`	PodmínkaPřijatý tarif nedokáže získat potřebné vstupní množství nebo jeho horní mez.	Další krokUchovejte odpověď; použijte způsob zadání vstupu požadovaný přijatým tarifem.
Odpověď503 ·	PodmínkaPotřebné úložiště, trasa, cena metody nebo rezervace nejsou dostupné.	Další krokUchovejte celou původní odpověď. Nejasná rezervace neopravňuje k opětovnému odeslání.
Odpověď502 · `server_error`	PodmínkaPůvodní výsledek, údaje o využití nebo vyúčtování vyžadují kontrolu.	Další krokUchovejte skutečné ID požadavku a původní odpověď. Načítejte existující záznam spravovaný službou; požadavek na vytvoření znovu neodesílejte.

Aliasy

Aliasy modelu

Ailoot Ultra openai/gpt-4o-mini-transcribe

Aliasy cest metod

Použijte cesty metod uvedené výše.

Související ID modelů

openai/gpt-4o-mini-transcribe

FAQ · OpenAI: GPT-4o Mini Transcribe

Jaké vstupy a výsledky jsou dostupné?: POST /v1/audio/transcriptions · openai/gpt-4o-mini-transcribe: audio → text
Jaká pole požadavek používá?: POST /v1/audio/transcriptions · openai/gpt-4o-mini-transcribe: model, input_audio

OpenAI: GPT-4o Mini Transcribe