OpenAI: Whisper 1

Whisper 1 transskriberer en færdigoptaget lydfil til tekst med flersproget genkendelse og tidsstempler på ord- eller segmentniveau. Producenten understøtter undertekstformater og et separat forløb til engelsk oversættelse; transskriptionsresultatet bevarer optagelsens sprog.

Ailoot Ultra · Talegenkendelse POST /v1/audio/transcriptions openai/whisper-1

Om modellen

Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.

Whisper 1 er OpenAIs generelle API-model til talegenkendelse, dokumenteret som drevet af open source-modellen Whisper V2. Den accepterer en lydfil og returnerer tekst. Producenten beskriver flersproget genkendelse, sprogidentifikation og en separat opgave til taleoversættelse. Transskription bevarer det talte sprog; producentens separate oversættelsesgrænseflade returnerer engelsk tekst.

En nyttig anvendelse er at forberede et interview, en stemmenote eller en optaget samtale til senere søgning og redigering. Lever den afsluttede optagelse og dens inputsprog, når det er kendt. OpenAI dokumenterer 98 understøttede sprog og bemærker, at genkendelsesnøjagtigheden varierer efter sprog. Sproghintet for ét sprog bruger en ISO 639-1-kode; de nyere felter til flere sprog og nøgleord fra andre transskriptionsmodeller er separate indstillinger.

Producentens filtransskriptionsforløb accepterer filer på op til 25 MB i MP3-, MP4-, MPEG-, MPGA-, M4A-, WAV- eller WebM-format. Til en større optagelse bruges et komprimeret format, eller den opdeles i dele inden for grænsen. Bevar sætningsgrænser og delenes rækkefølge, så den samlede transskription fortsat er knyttet til originaloptagelsen. En videocontainer leverer sin lyd til denne opgave frem for et input til visuel beskrivelse.

En prompt kan levere navne, akronymer eller optagelsesspecifikt ordforråd og kontekst fra et tidligere segment. Promptgrænsen i Whisper er 224 tokens, og prompten bør matche lydens sprog. Producenten angiver, at Whisper ikke følger instruktioner som en generel tekstmodel. Brug prompten som relevant transskriptionskontekst, og kontroller derefter vigtige stavemåder mod optagelsen frem for at behandle en termliste som ord, taleren nødvendigvis har sagt.

Producenten dokumenterer transskriptionsformaterne JSON, ren tekst, SRT, VTT og verbose JSON. Tidsstempler på ord- og segmentniveau kræver verbose JSON; enten én eller begge detaljeringsgrader kan anmodes om. API-referencen bemærker, at segmenttidsstempler ikke tilføjer ekstra latenstid, mens ordtidsstempler kræver yderligere behandling. Disse output understøtter undertekster og lokalisering af passager under redigering; annoteringer til taleradskillelse hører til en anden specialiseret model.

Whisper 1 understøtter ikke streaming af filtransskription. Referencen dokumenterer også en samplingtemperatur mellem nul og én; ved nul kan modellen automatisk øge temperaturen, når dens afkodningstærskler kræver det. Dette beskriver producentens behandlingsindstillinger frem for et løfte om, at enhver optagelse giver en identisk eller helt nøjagtig transskription.

Definer det endelige resultat: en transskription til søgning, en undertekstfil eller tekst med tidsangivelser på ord-/segmentniveau. Bevar originaloptagelsen, delenes rækkefølge og relevante tidsreferencer til kilden sammen med resultatet. Et senere tekstredigeringstrin kan rette en stavefejl eller forberede et resumé, men sammenlign ændringer med lyden, så talerens betydning bevares. Den genkendte tekst bliver belæg til næste opgave frem for et genereret svar på det talte spørgsmål.

Ailoot Ultra · Talegenkendelse POST /v1/audio/transcriptions openai/whisper-1

openai/whisper-1

OpenAI /openai/whisper-1

Start

Accepterede input: Lyd
Resultater: transcription

Tilgængelig i Ailoot · input og metoder

Ailoot Ultra · Talegenkendelse POST /v1/audio/transcriptions

Inputtyper: audio
Outputtyper: transcription
Outputformat: json

Felt	Type	Krav	Værdier og grænser	Standard
Felt`model`	Type`string`	KravPåkrævet	Værdier og grænser openai/whisper-1	Standard—
Felt`file`	Type`file`	KravPåkrævet	Værdier og grænser Indholdstype: multipart/form-data	Standard—
Felt`response_format`	Type`string`	KravValgfrit	Værdier og grænser json	Standard—
Felt`input_audio.data`	Type`base64_string`	KravPåkrævet	Værdier og grænser Gælder når: WhisperOR JSON-input	Standard—
Felt`input_audio.format`	Type`string`	KravPåkrævet	Værdier og grænser wav, mp3, flac, ogg, m4a, webm Gælder når: WhisperOR JSON-input	Standard—

Kombinationer af inputmaterialer

· Påkrævet: model, file

Metodeparametre og livscyklus

Parameter	Kontrakt
Parameter`contours`	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}
Parameter`max_bytes`	Kontrakt26214400
Parameter`material_types`	Kontraktaudio

Livscyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · det faktisk returnerede task_id eller posten i mediebiblioteket

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Brug en faktisk optagelse og det tilsvarende format.

Bevar hele transskriptionen, alle segmenter, taler-ID’er og tidsangivelser.

Priser

Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.

Hurtig tilstand: Ikke angivet Når hurtig tilstand er valgt
flex-tilstand: Ikke angivet Når flex-tilstanden er valgt
Maksimal ræsonneringsindsats: Ikke angivet Når default-justeringen anvendes ved maksimal ræsonneringsindsats

Ailoot-takster

Priser efter konfiguration

Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.

Konfiguration	Takstplan	Afregningsenhed	Beløb
KonfigurationGrundpriser for tokens	TakstplanGrundtakst	Afregningsenhed—	Beløb Input · Inputtokens — / 1K tokens Output · Outputtokens — / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens
Konfigurationsekund inputlyd	Takstplan—	Afregningsenhedpr. sekund lydinput	Beløb Input · sekund inputlyd $0.0002 pr. sekund lydinput

Detaljer om referencetariffen

Referenceplaner på modelniveau ændrer ikke metodevalg, prisoverslag eller opkrævninger. Ved den aktive afregning anvendes taksterne for den valgte Ailoot-metode.

OpenAI: Whisper 1

Priser efter konfiguration

Konfiguration	Afregningsbetingelser	Beløb
KonfigurationOpenAI: Whisper 1 · Standardkonfiguration	AfregningsbetingelserStandardkonfiguration	Beløb Input · Sekunder inputlyd 0,0002 US$ pr. sekund lydinput

Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →

Eksempelanmodninger

Ailoot Ultra · Talegenkendelse

curl

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

Hent og gem resultater

Ailoot Ultra · Talegenkendelse

json

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

Læsning af andet indhold

MediebibliotekOpgavestatusFildetaljer

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

Behold alle færdige resultater

Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.

Behold hele JSON-svaret, ikke kun teksten; bevar hvert tilgængeligt segment, hver taler og hvert tidsstempel samt den faktiske opgave- og aktividentitet.

Hvis det oprindelige svar skal kontrolleres

Gem det oprindelige operation_id/X-Client-Request-ID til afstemning uden genindsendelse; der er ingen særskilt rute til polling af lyd.

Svarfelter

Felt	Type
Felt`text`	Typestring
Felt`segments[]`	Typeobject
Felt`task_id`	Typestring
Felt`asset_url`	Typestring
Felt`usage`	Typeobject

Fejl og næste trin

Svar	Betingelse	Næste trin
Svar400 · `invalid_request_error`	BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi	Næste trinRet de angivne felter før en ny oprettelsesanmodning.
Svar`server_error`	BetingelseDet returnerede svar angiver, at operationen eller resultatet skal kontrolleres	Næste trinGem det oprindeligt returnerede operations-/opgave-ID, anmodningens headere og svaret; fortsæt med de understøttede læseanmodninger for den oprindelige operation. Send ikke oprettelsesanmodningen igen.

Aliaser

Modelaliaser

Ailoot Ultra openai/whisper-1

Aliaser for metodestier

Brug metodestierne vist ovenfor.

Relaterede kalder-ID’er

openai/whisper-1

FAQ · OpenAI: Whisper 1

Hvilke input og resultater er tilgængelige?: POST /v1/audio/transcriptions · openai/whisper-1: audio → transcription
Hvilke felter bruger anmodningen?: POST /v1/audio/transcriptions · openai/whisper-1: model, file, response_format

OpenAI: Whisper 1

OpenAI: Whisper 1

Start

Tilgængelig i Ailoot · input og metoder

Priser

Ailoot-takster

Priser efter konfiguration

Detaljer om referencetariffen

Priser efter konfiguration

Eksempelanmodninger

Ailoot Ultra · Talegenkendelse

Hent og gem resultater

Ailoot Ultra · Talegenkendelse

Behold alle færdige resultater

Hvis det oprindelige svar skal kontrolleres

Aliaser

Modelaliaser

Aliaser for metodestier

Relaterede kalder-ID’er

Virksomheden og dens projektportefølje

Køb tokens med rabat.

Tilslut API’et til produktet, du sælger.