{ "aboutHtml": "

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.

", "aboutText": "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.\n\nEn 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.\n\nProducentens 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.\n\nEn 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.\n\nProducenten 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.\n\nWhisper 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.\n\nDefiner 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.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "550f2d63f52a9cfd8122fab140817aa852e252dfe05ad56fc0289f744b17d519", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "
O

OpenAI: Whisper 1

OpenAI /openai/whisper-1

Start

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.

Accepterede input
Lyd
Resultater
transcription
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.

Tilgængelig i Ailoot · input og metoder

Ailoot Ultra · Talegenkendelse POST /v1/audio/transcriptions
Inputtyper
audio
Outputtyper
transcription
Outputformat
json
FeltTypeKravVærdier og grænserStandard
FeltmodelTypestringKravPåkrævetVærdier og grænser
openai/whisper-1
Standard—
FeltfileTypefileKravPåkrævetVærdier og grænser
Indholdstype: multipart/form-data
Standard—
Feltresponse_formatTypestringKravValgfritVærdier og grænser
json
Standard—
Feltinput_audio.dataTypebase64_stringKravPåkrævetVærdier og grænser
Gælder når: WhisperOR JSON-input
Standard—
Feltinput_audio.formatTypestringKravPåkrævetVærdier og grænser
wav, mp3, flac, ogg, m4a, webm
Gælder når: WhisperOR JSON-input
Standard—
Kombinationer af inputmaterialer

· Påkrævet: model, file

Metodeparametre og livscyklus
ParameterKontrakt
ParametercontoursKontrakt{"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}
Parametermax_bytesKontrakt26214400
Parametermaterial_typesKontraktaudio

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.

KonfigurationTakstplanAfregningsenhedBeløb
KonfigurationGrundpriser for tokensTakstplanGrundtakstAfregningsenhed—Beløb
Input · Inputtokens — / 1K tokens
Output · Outputtokens — / 1K tokens
Input · Cachelæsning — / 1K tokens
Input · Cacheskrivning — / 1K tokens
Input · Cacheskrivning, 1 time — / 1K tokens
Konfigurationsekund inputlydTakstplan—Afregningsenhedpr. sekund lydinputBeløb
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

KonfigurationAfregningsbetingelserBeløb
KonfigurationOpenAI: Whisper 1 · StandardkonfigurationAfregningsbetingelserStandardkonfigurationBeløb
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

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual MP3 recording}"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport os\nfrom pathlib import Path\np=Path(os.environ["AILOOT_AUDIO_FILE"])\nif not p.is_file() or p.suffix.lower()!=".mp3":raise SystemExit("Choose an existing MP3 recording")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" \\\n  --form-string model=openai/whisper-1 -F "file=@$AILOOT_AUDIO_FILE" \\\n  -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text())))\nPY_RESULT\n

Hent og gem resultater

Ailoot Ultra · Talegenkendelse

json

Læsning af andet indhold
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json\n
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
FeltType
FelttextTypestring
Feltsegments[]Typeobject
Felttask_idTypestring
Feltasset_urlTypestring
FeltusageTypeobject
Fejl og næste trin
SvarBetingelseNæste trin
Svar400 · invalid_request_errorBetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdiNæste trinRet de angivne felter før en ny oprettelsesanmodning.
Svarserver_errorBetingelseDet returnerede svar angiver, at operationen eller resultatet skal kontrolleresNæste 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

", "method_identity": { "effective_request_model_id": "openai/whisper-1", "fmt": "transcriptions", "http": "POST", "path": "/v1/audio/transcriptions", "request_model_id": "openai/whisper-1", "route_label": "Ultra" }, "method_key": "Ultra|transcriptions|/v1/audio/transcriptions|openai%2Fwhisper-1", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain complete JSON, not only text; preserve every available segment/speaker/timestamp and actual task/asset identity.", "errors": [ { "code": null, "condition": "Ugyldige obligatoriske felter, materialerepræsentation eller parameterværdi", "http_status": 400, "recovery": "Ret de angivne felter før en ny oprettelsesanmodning.", "type": "invalid_request_error" }, { "code": null, "condition": "Det returnerede svar angiver, at operationen eller resultatet skal kontrolleres", "http_status": null, "recovery": "Gem det oprindeligt returnerede operations-/opgave-ID, anmodningens headere og svaret; fortsæt med de understøttede læseanmodninger for den oprindelige operation. Send ikke oprettelsesanmodningen igen.", "type": "server_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "all_results": "Follow everyactualreturnedoutputandownedasset; no result is discardedbecauseindex0orcontent_urlalreadyexists.", "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Gem det oprindelige operation_id/X-Client-Request-ID til afstemning uden genindsendelse; der er ingen særskilt rute til polling af lyd." }, "limits": { "decoded_audio_max_bytes": 26214400 }, "material_combinations": [ { "content_types": [ "application/json", "multipart/form-data" ], "file_formats": [ "wav", "mp3", "flac", "ogg", "m4a", "webm" ], "required_json": [ "model", "input_audio.data", "input_audio.format" ], "required_multipart": [ "model", "file" ], "response_format_optional": [ "json" ] }, { "content_types": [ "multipart/form-data" ], "file_formats": [ "mp3" ], "required": [ "model", "file" ], "response_format_option": false } ], "media_library": { "asset": { "fields": [ { "description": null, "name": "asset_id", "type": "string" }, { "description": null, "name": "task_id", "type": "string" }, { "description": null, "name": "output_key", "type": "string" }, { "description": null, "name": "family", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "method", "type": "string" }, { "description": null, "name": "status", "type": "string" }, { "description": null, "name": "content_type", "type": "string" }, { "description": null, "name": "sha256", "type": "string" }, { "description": null, "name": "size_bytes", "type": "integer" }, { "description": null, "name": "content_url", "type": "string" } ], "http": "GET", "id_source": "actual returned asset_id", "path": "/v1/media/assets/{asset_id}" }, "content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "range_header_supported": true, "url_source": "Use exact returned signed content_url including its token; do not construct a token." }, "expired_link": { "code": "link_expired", "http_status": 404, "recovery": "Read the asset again to obtain its refreshed signed content_url, then fetch that URL. Do not regenerate." }, "list": { "all_pages": "Follow every returned next_cursor, then select records by their actual task_id/output_key.", "http": "GET", "output_fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "data", "type": "asset[]" }, { "description": null, "name": "next_cursor", "type": "string|null" } ], "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "family", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cursor", "required": false, "type": "string" }, { "availability": "source_interface", "default": 20, "default_known": true, "enum": null, "enum_known": false, "maximum": 100, "minimum": 1, "name": "limit", "required": false, "type": "integer" } ], "path": "/v1/media/assets" }, "revoke": { "http": "DELETE", "meaning": "Revokes/deletes the existing owned file; this is not generation cancellation.", "path": "/v1/media/assets/{asset_id}", "pending_status": "revoking", "success_statuses": [ 202, 204 ] }, "task": { "http": "GET", "id_source": "actual returned task_id or media library record; operation_id is not task_id", "path": "/v1/media/tasks/{task_id}" } }, "operation_modes": [ "speech_to_text" ], "outputs": { "all_results": "Behold hele JSON-svaret, ikke kun teksten; bevar hvert tilgængeligt segment, hver taler og hvert tidsstempel samt den faktiske opgave- og aktividentitet.", "family": "transcription", "fields": [ { "description": null, "name": "text", "type": "string" }, { "description": null, "name": "segments[]", "type": "object" }, { "description": null, "name": "task_id", "type": "string" }, { "description": null, "name": "asset_url", "type": "string" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "openai/whisper-1" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "content_type": "multipart/form-data", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "file", "required": true, "type": "file" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "json" ], "enum_known": true, "name": "response_format", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "input_audio.data", "required": true, "type": "base64_string", "when": "WhisperOR JSON-input" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "wav", "mp3", "flac", "ogg", "m4a", "webm" ], "enum_known": true, "name": "input_audio.format", "required": true, "type": "string", "when": "WhisperOR JSON-input" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "unlistedtranscriptionoptions", "formatlabelthatdiffersfromactualbytes" ] }, "hints": [ "Brug en faktisk optagelse og det tilsvarende format.", "Bevar hele transskriptionen, alle segmenter, taler-ID’er og tidsangivelser." ], "input": { "contours": [ { "content_types": [ "application/json", "multipart/form-data" ], "file_formats": [ "wav", "mp3", "flac", "ogg", "m4a", "webm" ], "required_json": [ "model", "input_audio.data", "input_audio.format" ], "required_multipart": [ "model", "file" ], "response_format_optional": [ "json" ] }, { "content_types": [ "multipart/form-data" ], "file_formats": [ "mp3" ], "required": [ "model", "file" ], "response_format_option": false } ], "material_types": [ "audio" ], "max_bytes": 26214400 }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "det faktisk returnerede task_id eller posten i mediebiblioteket", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain original operation_id/X-Client-Request-ID for reconciliation without resubmission; no dedicated audio poll route." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "method_aliases": [], "operation_modes": [ "speech_to_text" ], "output": { "family": "transcription", "format": "json", "http_success": 200, "owned_result_fields_302": [ "task_id", "asset_url" ], "result": "owned complete JSON transcript" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "declared_tariff_references": [ { "client_selectable": false, "key": "9f485f9d704ef2cd14f1", "label": "OpenAI: Whisper 1", "profiles": [ { "basis": "", "dimensions": { "conditions": "Standardkonfiguration" }, "label": "OpenAI: Whisper 1 · Standardkonfiguration", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_physical_unit", "billing_input": false, "key": "d4e53ea51572a9d8f9fcc8e4", "label": "Input audio seconds", "public_unit_label": "per input audio second", "quantity": "1", "rate_role": "declared_tariff_rate", "side": "in", "unit": "input_audio_second" } ] } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set the path to your actual MP3 recording}\"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport os\nfrom pathlib import Path\np=Path(os.environ[\"AILOOT_AUDIO_FILE\"])\nif not p.is_file() or p.suffix.lower()!=\".mp3\":raise SystemExit(\"Choose an existing MP3 recording\")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" \\\n --form-string model=openai/whisper-1 -F \"file=@$AILOOT_AUDIO_FILE\" \\\n -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"result.json\").read_text())))\nPY_RESULT\n", "label": "curl", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-assets.json\n", "label": "List actual media assets", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}\"\nexport AILOOT_MEDIA_TASK_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ[\"AILOOT_MEDIA_TASK_ID\"],safe=\"\"))')\ncurl --fail-with-body --silent --show-error \"https://api.ailoot.ai/v1/media/tasks/$resource_id\" \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-task.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-task.json\").read_text())))\nPY_RESULT\n", "label": "Read actual media task", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}\"\nexport AILOOT_ASSET_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ[\"AILOOT_ASSET_ID\"],safe=\"\"))')\ncurl --fail-with-body --silent --show-error \"https://api.ailoot.ai/v1/media/assets/$resource_id\" \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-asset.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-asset.json\").read_text())))\nPY_RESULT\n", "label": "Read actual asset metadata", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "Use actual recording and matching format.", "Preserve full transcript, segments, speaker IDs and timing." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Распознавание речи", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": null, "output": [ "transcription" ], "path": "/v1/audio/transcriptions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "audio_input_second": 0.0002 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "request_model_id": "openai/whisper-1", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}", "GET /v1/media/assets/{asset_id}/content" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } } ], "model_id": "openai/whisper-1", "nativeProvenance": { "input_facts_canonical_sha256": "38f22f05b8342e3bd6a8bc9420628365b483598844f4816bc789a92b81a286d2", "input_html_sha256": "b2adf7acf31a5ed2e5ffe9f5774464149b176f603d6d0621a7df667afb3703f8", "private_audit_sha256": "f09a82100cc3e93a8c1d39983c7c3df1ffdb69d08b30cb94028cf6c745e467fd", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/da/openai-whisper-1/", "description": "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.", "locale": "da", "md_url": "https://ailoot.ai/models/da/openai-whisper-1/index.md", "title": "OpenAI: Whisper 1 — Ailoot", "url": "https://ailoot.ai/models/da/openai-whisper-1/" }, "rawModel": { "about": "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.\n\nEn 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.\n\nProducentens 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.\n\nEn 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.\n\nProducenten 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.\n\nWhisper 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.\n\nDefiner 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.", "alias_of": null, "aliases": [], "author": "OpenAI", "available": null, "canonical_model": "openai/whisper-1", "capabilities": { "context_length": 0, "manufacturer_input": [ "audio" ], "manufacturer_output": [ "transcription" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ], "summary": "De fulde prisoplysninger for konfigurationen findes under detaljer." } ], "ctx": null, "entity_type": "model", "formats": [ "transcriptions" ], "id": "openai/whisper-1", "input": [ "audio" ], "kind": "transcription", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain complete JSON, not only text; preserve every available segment/speaker/timestamp and actual task/asset identity.", "errors": [ { "code": null, "condition": "Ugyldige obligatoriske felter, materialerepræsentation eller parameterværdi", "http_status": 400, "recovery": "Ret de angivne felter før en ny oprettelsesanmodning.", "type": "invalid_request_error" }, { "code": null, "condition": "Det returnerede svar angiver, at operationen eller resultatet skal kontrolleres", "http_status": null, "recovery": "Gem det oprindeligt returnerede operations-/opgave-ID, anmodningens headere og svaret; fortsæt med de understøttede læseanmodninger for den oprindelige operation. Send ikke oprettelsesanmodningen igen.", "type": "server_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "all_results": "Follow everyactualreturnedoutputandownedasset; no result is discardedbecauseindex0orcontent_urlalreadyexists.", "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Gem det oprindelige operation_id/X-Client-Request-ID til afstemning uden genindsendelse; der er ingen særskilt rute til polling af lyd." }, "limits": { "decoded_audio_max_bytes": 26214400 }, "material_combinations": [ { "content_types": [ "application/json", "multipart/form-data" ], "file_formats": [ "wav", "mp3", "flac", "ogg", "m4a", "webm" ], "required_json": [ "model", "input_audio.data", "input_audio.format" ], "required_multipart": [ "model", "file" ], "response_format_optional": [ "json" ] }, { "content_types": [ "multipart/form-data" ], "file_formats": [ "mp3" ], "required": [ "model", "file" ], "response_format_option": false } ], "media_library": { "asset": { "fields": [ { "description": null, "name": "asset_id", "type": "string" }, { "description": null, "name": "task_id", "type": "string" }, { "description": null, "name": "output_key", "type": "string" }, { "description": null, "name": "family", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "method", "type": "string" }, { "description": null, "name": "status", "type": "string" }, { "description": null, "name": "content_type", "type": "string" }, { "description": null, "name": "sha256", "type": "string" }, { "description": null, "name": "size_bytes", "type": "integer" }, { "description": null, "name": "content_url", "type": "string" } ], "http": "GET", "id_source": "actual returned asset_id", "path": "/v1/media/assets/{asset_id}" }, "content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "range_header_supported": true, "url_source": "Use exact returned signed content_url including its token; do not construct a token." }, "expired_link": { "code": "link_expired", "http_status": 404, "recovery": "Read the asset again to obtain its refreshed signed content_url, then fetch that URL. Do not regenerate." }, "list": { "all_pages": "Follow every returned next_cursor, then select records by their actual task_id/output_key.", "http": "GET", "output_fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "data", "type": "asset[]" }, { "description": null, "name": "next_cursor", "type": "string|null" } ], "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "family", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cursor", "required": false, "type": "string" }, { "availability": "source_interface", "default": 20, "default_known": true, "enum": null, "enum_known": false, "maximum": 100, "minimum": 1, "name": "limit", "required": false, "type": "integer" } ], "path": "/v1/media/assets" }, "revoke": { "http": "DELETE", "meaning": "Revokes/deletes the existing owned file; this is not generation cancellation.", "path": "/v1/media/assets/{asset_id}", "pending_status": "revoking", "success_statuses": [ 202, 204 ] }, "task": { "http": "GET", "id_source": "actual returned task_id or media library record; operation_id is not task_id", "path": "/v1/media/tasks/{task_id}" } }, "operation_modes": [ "speech_to_text" ], "outputs": { "all_results": "Behold hele JSON-svaret, ikke kun teksten; bevar hvert tilgængeligt segment, hver taler og hvert tidsstempel samt den faktiske opgave- og aktividentitet.", "family": "transcription", "fields": [ { "description": null, "name": "text", "type": "string" }, { "description": null, "name": "segments[]", "type": "object" }, { "description": null, "name": "task_id", "type": "string" }, { "description": null, "name": "asset_url", "type": "string" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "openai/whisper-1" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "content_type": "multipart/form-data", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "file", "required": true, "type": "file" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "json" ], "enum_known": true, "name": "response_format", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "input_audio.data", "required": true, "type": "base64_string", "when": "WhisperOR JSON-input" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "wav", "mp3", "flac", "ogg", "m4a", "webm" ], "enum_known": true, "name": "input_audio.format", "required": true, "type": "string", "when": "WhisperOR JSON-input" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "unlistedtranscriptionoptions", "formatlabelthatdiffersfromactualbytes" ] }, "hints": [ "Brug en faktisk optagelse og det tilsvarende format.", "Bevar hele transskriptionen, alle segmenter, taler-ID’er og tidsangivelser." ], "input": { "contours": [ { "content_types": [ "application/json", "multipart/form-data" ], "file_formats": [ "wav", "mp3", "flac", "ogg", "m4a", "webm" ], "required_json": [ "model", "input_audio.data", "input_audio.format" ], "required_multipart": [ "model", "file" ], "response_format_optional": [ "json" ] }, { "content_types": [ "multipart/form-data" ], "file_formats": [ "mp3" ], "required": [ "model", "file" ], "response_format_option": false } ], "material_types": [ "audio" ], "max_bytes": 26214400 }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "det faktisk returnerede task_id eller posten i mediebiblioteket", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain original operation_id/X-Client-Request-ID for reconciliation without resubmission; no dedicated audio poll route." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "method_aliases": [], "operation_modes": [ "speech_to_text" ], "output": { "family": "transcription", "format": "json", "http_success": 200, "owned_result_fields_302": [ "task_id", "asset_url" ], "result": "owned complete JSON transcript" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "declared_tariff_references": [ { "client_selectable": false, "key": "9f485f9d704ef2cd14f1", "label": "OpenAI: Whisper 1", "profiles": [ { "basis": "", "dimensions": { "conditions": "Standardkonfiguration" }, "label": "OpenAI: Whisper 1 · Standardkonfiguration", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_physical_unit", "billing_input": false, "key": "d4e53ea51572a9d8f9fcc8e4", "label": "Input audio seconds", "public_unit_label": "per input audio second", "quantity": "1", "rate_role": "declared_tariff_rate", "side": "in", "unit": "input_audio_second" } ] } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set the path to your actual MP3 recording}\"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport os\nfrom pathlib import Path\np=Path(os.environ[\"AILOOT_AUDIO_FILE\"])\nif not p.is_file() or p.suffix.lower()!=\".mp3\":raise SystemExit(\"Choose an existing MP3 recording\")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" \\\n --form-string model=openai/whisper-1 -F \"file=@$AILOOT_AUDIO_FILE\" \\\n -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"result.json\").read_text())))\nPY_RESULT\n", "label": "curl", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-assets.json\n", "label": "List actual media assets", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}\"\nexport AILOOT_MEDIA_TASK_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ[\"AILOOT_MEDIA_TASK_ID\"],safe=\"\"))')\ncurl --fail-with-body --silent --show-error \"https://api.ailoot.ai/v1/media/tasks/$resource_id\" \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-task.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-task.json\").read_text())))\nPY_RESULT\n", "label": "Read actual media task", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}\"\nexport AILOOT_ASSET_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ[\"AILOOT_ASSET_ID\"],safe=\"\"))')\ncurl --fail-with-body --silent --show-error \"https://api.ailoot.ai/v1/media/assets/$resource_id\" \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-asset.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-asset.json\").read_text())))\nPY_RESULT\n", "label": "Read actual asset metadata", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "Use actual recording and matching format.", "Preserve full transcript, segments, speaker IDs and timing." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Распознавание речи", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": null, "output": [ "transcription" ], "path": "/v1/audio/transcriptions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "audio_input_second": 0.0002 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "request_model_id": "openai/whisper-1", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}", "GET /v1/media/assets/{asset_id}/content" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "model_aliases": [ { "canonical_model_id": "openai/whisper-1", "request_model_id": "openai/whisper-1", "route_label": "Ultra" } ], "name": "OpenAI: Whisper 1", "price": { "in": null, "in_label": null, "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": true }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Ultra", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_declared_unit", "conditions": {}, "key": "prompt", "label": "prompt", "quantity": "1", "rate_role": "typed_active_maker_rate", "side": "in", "unit": "input_audio_second" } ] } ], "public_id": "openai/whisper-1", "short": "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." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "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.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "74d32e112f91456dbcee8305c3dec840cf97942b9ff02ab8ad4f7fd2a14b79de", "renderer_sha256": "2bf9f26ea9bfd57ed53d867671d8f05b41a6ea85089f48039e3365dc2b92ec2c" }, "sourceRevision": "526d9166297d27266ebcc439f8bf94077a1be96fcb14eb599d64c69f5680b599" }