OpenAI: Whisper 1
Whisper 1 přepisuje dokončený zvukový soubor na text, s vícejazyčným rozpoznáváním a časovými značkami slov nebo segmentů. Výrobce podporuje titulkové formáty a samostatný postup překladu do angličtiny; výsledek přepisu zachovává jazyk nahrávky.
O modelu
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Whisper 1 je univerzální model API pro rozpoznávání řeči od OpenAI, podle dokumentace založený na modelu Whisper V2 s otevřeným zdrojovým kódem. Přijímá zvukový soubor a vrací text. Výrobce popisuje vícejazyčné rozpoznávání, identifikaci jazyka a samostatný úkol překladu řeči. Přepis zachovává mluvený jazyk; samostatné překladové rozhraní výrobce vrací anglický text.
Užitečným použitím je příprava rozhovoru, hlasové poznámky nebo nahrané konverzace pro pozdější vyhledávání a úpravy. Zadejte dokončenou nahrávku a, je-li známý, její vstupní jazyk. OpenAI dokumentuje 98 podporovaných jazyků a upozorňuje, že přesnost rozpoznávání se podle jazyka liší. Jediná jazyková nápověda používá kód ISO 639-1; novější pole pro více jazyků a klíčová slova u jiných přepisových modelů jsou samostatnými ovládacími prvky.
Postup výrobce pro přepis souborů přijímá soubory do 25 MB ve formátu MP3, MP4, MPEG, MPGA, M4A, WAV nebo WebM. U větší nahrávky použijte komprimovaný formát nebo ji rozdělte na části v rámci limitu. Zachovejte hranice vět a pořadí částí, aby sestavený přepis zůstal spojen s původní nahrávkou. Videokontejner pro tento úkol dodává svůj zvuk, nikoli vstup k vizuálnímu popisu.
Prompt může dodat jména, akronymy či slovní zásobu specifickou pro nahrávku a kontext předchozího segmentu. Limit promptu Whisper je 224 tokenů a prompt má odpovídat jazyku zvuku. Výrobce uvádí, že Whisper nenásleduje pokyny jako univerzální textový model. Prompt používejte jako relevantní kontext přepisu a poté důležité zápisy ověřte proti nahrávce; seznam terminologie nepovažujte za slova, která mluvčí musel vyslovit.
Výrobce dokumentuje přepisové formáty JSON, prostý text, SRT, VTT a podrobný JSON. Časové značky slov a segmentů vyžadují podrobný JSON; požadovat lze jednu nebo obě úrovně podrobnosti. Referenční příručka API uvádí, že časové značky segmentů nepřidávají latenci, zatímco časové značky slov vyžadují další zpracování. Tyto výstupy podporují titulkování a hledání pasáží při úpravách; anotace diarizace mluvčích patří jinému specializovanému modelu.
Whisper 1 nepodporuje streamování přepisu souborů. Jeho referenční příručka také dokumentuje teplotu vzorkování mezi nulou a jednou; při nule může model teplotu automaticky zvýšit, vyžadují-li to jeho dekódovací prahy. To popisuje ovládání zpracování u výrobce, nikoli příslib, že každá nahrávka vytvoří totožný nebo dokonale přesný přepis.
Určete konečný výstup: přepis pro vyhledávání, titulkový soubor nebo text s časováním slov či segmentů. S výsledkem uchovávejte původní nahrávku, pořadí částí a relevantní odkazy na časy ve zdroji. Pozdější textová úprava může opravit chybný zápis nebo připravit shrnutí, ale změny porovnávejte se zvukem, aby se zachoval význam sdělení mluvčího. Rozpoznaný text se stává podkladem pro další úkol, nikoli vygenerovanou odpovědí na vyslovenou otázku.
Ailoot Ultra · Rozpoznávání řeči POST /v1/audio/transcriptions openai/whisper-1
openai/whisper-1Úvod
Whisper 1 přepisuje dokončený zvukový soubor na text, s vícejazyčným rozpoznáváním a časovými značkami slov nebo segmentů. Výrobce podporuje titulkové formáty a samostatný postup překladu do angličtiny; výsledek přepisu zachovává jazyk nahrávky.
- Přijímané vstupy
- Zvuk
- Výsledky
- transcription
Dostupné v Ailoot · vstupy a metody
Ailoot Ultra · Rozpoznávání řeči POST /v1/audio/transcriptions
- Vstup
audio- Výstup
transcription- Výstupní formát
- json
| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity openai/whisper-1 | Výchozí— |
Polefile | Typfile | PožadavekPovinné | Hodnoty a limity Typ obsahu: multipart/form-data | Výchozí— |
Poleresponse_format | Typstring | PožadavekVolitelné | Hodnoty a limity json | Výchozí— |
Poleinput_audio.data | Typbase64_string | PožadavekPovinné | Hodnoty a limity Platí, když: Vstup WhisperOR ve formátu JSON | Výchozí— |
Poleinput_audio.format | Typstring | PožadavekPovinné | Hodnoty a limity wav, mp3, flac, ogg, m4a, webm Platí, když: Vstup WhisperOR ve formátu JSON | Výchozí— |
Kombinace vstupních materiálů
· Povinné: model, file
Parametry a životní cyklus metody
| Parametr | Kontrakt |
|---|---|
Parametrcontours | Kontrakt{"content_types":["application/json","multipart/form-data"],"required_json":["model","input_audio.data","input_audio.format"],"required_multipart":["model","file"],"file_formats":["wav","mp3","flac","ogg","m4a","webm"],"response_format_optional":["json"]}, {"content_types":["multipart/form-data"],"required":["model","file"],"file_formats":["mp3"],"response_format_option":false} |
Parametrmax_bytes | Kontrakt26214400 |
Parametrmaterial_types | Kontraktaudio |
Životní cyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · skutečně vrácené task_id nebo záznam v knihovně médií
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Použijte skutečnou nahrávku a odpovídající formát.
Zachovejte celý přepis, segmenty, ID mluvčích a časové údaje.
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 |
| Konfiguracesekunda vstupního zvuku | Tabulka sazeb— | Účtovací jednotkaza sekundu vstupního zvuku | Poplatek Vstup · sekunda vstupního zvuku $0.0002 za sekundu vstupního zvuku |
Podrobnosti referenčního tarifu
Referenční tabulky modelu nemění výběr metody, cenové nabídky ani poplatky. Skutečné poplatky používají sazby vybrané metody Ailoot.
OpenAI: Whisper 1
Ceny podle konfigurace
| Konfigurace | Podmínky účtování | Poplatek |
|---|---|---|
| KonfiguraceOpenAI: Whisper 1 · Výchozí konfigurace | Podmínky účtováníVýchozí konfigurace | Poplatek Vstup · Sekundy vstupního zvuku 0,0002 US$ za sekundu vstupního zvuku |
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 · Rozpoznávání řeči
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual MP3 recording}"
export AILOOT_AUDIO_FILE
python3 - <<'PY_REQUEST'
import os
from pathlib import Path
p=Path(os.environ["AILOOT_AUDIO_FILE"])
if not p.is_file() or p.suffix.lower()!=".mp3":raise SystemExit("Choose an existing MP3 recording")
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $AILOOT_API_KEY" \
--form-string model=openai/whisper-1 -F "file=@$AILOOT_AUDIO_FILE" \
-D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("result.json").read_text())))
PY_RESULT
Přijímání a ukládání výsledků
Ailoot Ultra · Rozpoznávání řeči
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Další načtení obsahu
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
-H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
-H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
-H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT
Uchovejte všechny dokončené výsledky
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Uchovejte celý JSON, nikoli pouze text; zachovejte každý dostupný segment, mluvčího, časovou značku a skutečný identifikátor úlohy či souboru.
Pokud je nutné ověřit původní odpověď
Uchovejte původní operation_id/X-Client-Request-ID pro spárování záznamů bez opětovného odeslání; samostatná trasa pro dotazování na stav zvuku neexistuje.
Pole odpovědi
| Pole | Typ |
|---|---|
Poletext | Typstring |
Polesegments[] | Typobject |
Poletask_id | Typstring |
Poleasset_url | Typstring |
Poleusage | Typobject |
Chyby a další kroky
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Odpověďserver_error | PodmínkaVrácená odpověď uvádí, že operaci nebo výsledek je třeba zkontrolovat | Další krokUchovejte původní vrácené ID operace nebo úlohy, hlavičky požadavku a odpověď; pokračujte v podporovaném načítání údajů o této původní operaci. Požadavek na vytvoření znovu neodesílejte. |
Aliasy
Aliasy modelu
Ailoot Ultra openai/whisper-1
Aliasy cest metod
Použijte cesty metod uvedené výše.
Související ID modelů
FAQ · OpenAI: Whisper 1
- Jaké vstupy a výsledky jsou dostupné?
POST /v1/audio/transcriptions·openai/whisper-1:audio→transcription- Jaká pole požadavek používá?
POST /v1/audio/transcriptions·openai/whisper-1:model,file,response_format