Source: https://ailoot.ai/models/de-at/openai-gpt-transcribe/ Canonical: https://ailoot.ai/models/de-at/openai-gpt-transcribe/ Language: de-at # OpenAI: GPT Transcribe [Markdown](https://ailoot.ai/models/de-at/openai-gpt-transcribe/index.md) · [JSON](https://ailoot.ai/models/de-at/openai-gpt-transcribe/facts.json) ## [OpenAI: GPT Transcribe](https://ailoot.ai/models/de-at/openai-gpt-transcribe/) GPT Transcribe wandelt aufgezeichnete Sprache in Text in der Originalsprache um und unterstützt Kontext-Prompts, Hinweise mit wörtlichen Schlüsselbegriffen sowie Hinweise auf mehrere Sprachen. OpenAI dokumentiert die Transkription abgeschlossener Dateien, gestreamte Dateiergebnisse und die Transkription nach bestätigten Audiobeiträgen in Realtime. - [**Ailoot Ultra · Transkription** `POST /v1/audio/transcriptions` `openai/gpt-transcribe`](https://ailoot.ai/models/de-at/openai-gpt-transcribe/#method-0) Über das Modell Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt. GPT Transcribe ist OpenAIs Spracherkennungsmodell mit Textausgabe für abgeschlossene Audiodateien, gestreamte Dateitranskripte und bestätigte Audiobeiträge in Realtime-Sitzungen. Es nimmt Audio mit optionalem Textkontext entgegen und gibt erkannten Text zurück. Der Hersteller positioniert es für die genaue Transkription aufgezeichneter Sprache in ihrer Originalsprache, einschließlich Fachvokabular, mehrsprachiger Aufnahmen und Sprachwechsel. Das nützliche Ergebnis ist ein mit der Aufnahme verknüpftes Transkript, ergänzt um Metadaten zur erkannten Sprache, wenn das Modell eine zuverlässige Vorhersage treffen kann. #### Eine abgeschlossene Aufnahme vorbereiten OpenAIs Ablauf zur Dateitranskription akzeptiert Uploads bis zu 25 MB. Die aktuelle Endpunktreferenz nennt die Eingabeformate FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV und WebM. Sie empfiehlt ausreichende Dateimetadaten zur Formaterkennung, einschließlich einer passenden Dateinamenserweiterung und eines Inhaltstyps. Für eine größere Aufnahme empfiehlt der Leitfaden eine Komprimierung oder Aufteilung in Dateien von höchstens 25 MB. Schneiden Sie nicht mitten im Satz, weil fehlende umgebende Sprache die Erkennung ungenauer machen kann. Bewahren Sie die Reihenfolge der Teile und ihre Positionen in der Originalaufnahme. Stellen Sie für eine Besprechung, ein Interview oder eine aufgezeichnete Präsentation das tatsächliche Audio bereit und benennen Sie das Thema sowie voraussichtlich gesprochene Fachbegriffe. Ein nützliches Ergebnis ist der erkannte Wortlaut statt einer erschlossenen Zusammenfassung des Gesprächs. Bewahren Sie die Kennung der Aufnahme zusammen mit dem zurückgegebenen Text, damit jemand bei der Prüfung eines Namens, einer Zahl oder einer unsicheren Formulierung zur richtigen Quelle zurückkehren kann. Ein Transkript kann anschließend als Material für einen separaten Zusammenfassungs-, Übersetzungs- oder Redaktionsablauf dienen. #### Kontext, Schlüsselbegriffhinweise und erwartete Sprachen Der Hersteller unterscheidet drei Arten von Hinweisen. Ein Prompt liefert frei formulierten Kontext zum Thema oder zur Situation der Aufnahme. Schlüsselbegriffe nennen wörtlich erwartete Wörter oder Ausdrücke. Eine Sprachenliste bezeichnet die erwarteten gesprochenen Sprachen. Beschreiben Sie bei einem zweisprachigen Produktgespräch die Situation im Prompt, führen Sie die relevanten Produktnamen als Schlüsselbegriffe auf und geben Sie die erwarteten Sprachen an. Dies sind Erkennungshinweise, keine Anweisungen, Vokabular einzufügen, das niemand gesprochen hat. GPT Transcribe verwendet das Feld languages im Plural statt des älteren Felds language im Singular; laut OpenAI dürfen nicht beide gesendet werden. Der Leitfaden akzeptiert unterstützte ISO 639-1-Codes, ausgewählte ISO 639-3-Codes und regionale chinesische Locale-Codes. Nicht unterstützte oder fehlerhaft formatierte Werte werden abgewiesen. Jeder Schlüsselbegriff muss in einer einzigen Zeile bleiben und darf weder eine spitze Klammer noch einen Wagenrücklauf oder Zeilenvorschub enthalten. Ein ungültiger Schlüsselbegriff oder ein zu langer Prompt kann zur Ablehnung der gesamten Anfrage führen. Halten Sie den Kontext relevant und prüfen Sie, ob die als Hinweis genannten Namen tatsächlich im Audio vorkommen, statt die Hinweisliste als Transkript zu behandeln. #### JSON-Ausgabe und Vorhersagen erkannter Sprachen Das dokumentierte Dateiergebnis ist JSON mit dem Transkript und den erkannten Sprachen. Diese Sprachvorhersagen sind eine Modellausgabe und keine Kopie der bereitgestellten Sprachhinweise. Eine leere Sprachenliste ist ein gültiges Ergebnis, wenn das Modell keine zuverlässige Vorhersage treffen kann; sie belegt weder eine stille Aufnahme noch eine fehlgeschlagene Transkription. Halten Sie den erkannten Text und die Sprachmetadaten getrennt, damit nachfolgende Verarbeitungsschritte beides seiner jeweiligen Bedeutung entsprechend nutzen können. #### Ein Dateitranskript streamen Eine abgeschlossene Datei kann während ihrer Verarbeitung schrittweise Transkripttext liefern. OpenAI dokumentiert Ereignisse vom Typ transcript.text.delta für Teiltext und transcript.text.done für das vollständige Dateitranskript; das abschließende Ereignis enthält außerdem erkannte Sprachen. Dabei wird die Ausgabe einer bereits bereitgestellten Aufnahme gestreamt. Dies eignet sich zur Fortschrittsanzeige bei einem langen Upload, während das abschließende Ereignis den Text festlegt, der als vollständiges Ergebnis bewahrt werden soll. #### Bestätigte Audiobeiträge in Realtime-Sitzungen GPT Transcribe besitzt außerdem einen spezialisierten Realtime-Ablauf über WebSocket. Audio wird an den Eingabepuffer angehängt, anschließend bestätigt die Anwendung ausdrücklich einen Audiobeitrag. Die Transkription beginnt für diesen bestätigten Block und kann vor dem Abschlussereignis Textänderungen ausgeben, einschließlich Informationen zur erkannten Sprache. In diesem Sitzungsablauf des Herstellers nutzt das Modell frühere transkribierte Beiträge automatisch als Kontext. Das unterscheidet sich davon, fortlaufend Live-Untertitel auszugeben, während Mikrofon-Audio eingeht; OpenAI nennt für diesen kontinuierlichen Ablauf GPT Live Transcribe. Bewahren Sie bei mehreren Beiträgen die Kennung des Eingabeelements zusammen mit dem zugehörigen Transkript. OpenAI weist darauf hin, dass Abschlussereignisse verschiedener Beiträge nicht in der Reihenfolge des Gesprochenen eintreffen müssen. Ordnen Sie daher jedes Endergebnis seiner bestätigten Eingabe zu, statt ein Gespräch allein nach Abschlusszeiten anzuordnen. Das nützliche Ergebnis ist ein geordnetes Transkript aus den richtigen abschließenden Elementen. Zwischenstände gelten als Fortschritt und nicht als separate abgeschlossene Äußerung. #### Spezialisierte Ausgaben und wesentliche Grenzen Dieses Profil legt keinen universellen Ausgabeumfang für Untertitel, Zeitstempel, Übersetzung oder Sprecherkennzeichnungen fest. OpenAIs Migrationsleitfaden unterscheidet diese spezialisierten Funktionen: Native Untertitelformate und Zeitangaben für einzelne Wörter benötigen ein kompatibles Modell und Format, während Sprecherkennzeichnungen GPT-4o Transcribe Diarize verwenden. Das Dateiergebnis von GPT Transcribe ist JSON und kein direkter Ersatz für eine Antwort im SRT- oder VTT-Format oder eine Antwort mit ausführlichen Zeitstempeln. Seine genaue Modellkarte veröffentlicht keine zahlenmäßige Kontext- oder Maximalausgabegrenze. Ein Tokenfenster eines Chatmodells darf deshalb nicht für die Audiotranskription vorausgesetzt werden. Prüfen Sie schwieriges Vokabular, Zahlen, Akzente, Hintergrundgeräusche und Sprachwechsel anhand der Aufnahme. Prüfen Sie, ob relevante Hinweise die Erkennung verbessert haben, ohne ungesprochene Begriffe einzuführen, und ob das abschließende Transkript das Ende des Audios enthält. Bewahren Sie bei einem mehrsprachigen Ergebnis den gesprochenen Wortlaut, bevor Sie eine übersetzte Fassung erstellen. Diese Prüfungen machen das Transkript als Quellenmaterial nützlich und halten dabei Kontexthinweise, erkannte Sprachen und den tatsächlich erkannten Wortlaut klar auseinander. **Ailoot Ultra · Transkription** `POST /v1/audio/transcriptions` `openai/gpt-transcribe` [`openai/gpt-transcribe`](https://ailoot.ai/models/de-at/#m=openai%2Fgpt-transcribe&route=Ultra&caller=openai%2Fgpt-transcribe&fmt=transcriptions) OpenAI /`openai/gpt-transcribe` ### Einstieg GPT Transcribe wandelt aufgezeichnete Sprache in Text in der Originalsprache um und unterstützt Kontext-Prompts, Hinweise mit wörtlichen Schlüsselbegriffen sowie Hinweise auf mehrere Sprachen. OpenAI dokumentiert die Transkription abgeschlossener Dateien, gestreamte Dateiergebnisse und die Transkription nach bestätigten Audiobeiträgen in Realtime. Zulässige Eingaben Audio Ergebnisse Text ### In Ailoot verfügbar · Eingaben und Methoden **Ailoot Ultra · Transkription** `POST /v1/audio/transcriptions` Eingabe `audio` Ausgabe `text` | Feld | Typ | Anforderung | Werte und Limits | Standard | | --- | --- | --- | --- | --- | | Feld`model` | Typ`string` | AnforderungErforderlich | Werte und Limits openai/gpt-transcribe | Standard— | | Feld`input_audio` | Typ`object` | AnforderungErforderlich | Werte und Limits | Standard— | Methodenparameter und Lebenszyklus | Parameter | Vertrag | | --- | --- | | Parameter`content_type` | Vertragapplication/json | | Parameter`required` | Vertragmodel, input\_audio | | Parameter`material_types` | Vertragaudio | | Parameter`material_conditions` | VertragDas Beispiel liest Ihre tatsächliche, nicht leere PCM-WAV-Datei, kodiert die vollständigen Dateibytes als base64 und übermittelt input\_audio.format als wav. | Lebenszyklus: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · exakte task\_id aus einem bestehenden, Ihnen zugeordneten Mediendatensatz `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Tarife Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode. Schnellmodus Nicht angegeben Wenn der Schnellmodus ausgewählt ist Flex-Modus Nicht angegeben Wenn der Modus flex ausgewählt ist Maximaler Denkaufwand Nicht angegeben Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird #### Ailoot-Tarife #### Preise nach Konfiguration Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif. | Konfiguration | Tarifstaffel | Abrechnungseinheit | Gebühr | | --- | --- | --- | --- | | KonfigurationBasistarife für Tokens | TarifstaffelGrundtarif | Abrechnungseinheit— | Gebühr Eingabe · Eingabetoken **—** / 1K Tokens Ausgabe · Ausgabetoken **—** / 1K Tokens Eingabe · Cache lesen **—** / 1K Tokens Eingabe · In Cache schreiben **—** / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde **—** / 1K Tokens | | KonfigurationAudioeingabesekunde | Tarifstaffel— | Abrechnungseinheitpro Sekunde Eingabeaudio | Gebühr Eingabe · Audioeingabesekunde **$0.00015** pro Sekunde Eingabeaudio | Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. [So funktionieren Reservierung und Abrechnung →](https://ailoot.ai/docs/de-at/billing/reserve/) ### Beispielanfragen #### Ailoot Ultra · Transkription curl · tatsächliche WAV-Datei und vollständiges Originalergebnis ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}" export AILOOT_AUDIO_FILE python3 - <<'PY_REQUEST' import base64, io, json, os, wave from pathlib import Path audio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes() if not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'): raise SystemExit('Supply your actual PCM WAV audio file') with wave.open(io.BytesIO(audio), 'rb') as recording: if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0: raise SystemExit('Supply a nonempty PCM WAV recording') request = {'model': 'openai/gpt-transcribe', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}} Path('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Retain the complete original response, headers and actual X-Client-Request-ID. # Read existing owned records for recovery; do not resubmit an uncertain operation. ``` ### Ergebnisse abrufen und speichern #### Ailoot Ultra · Transkription Vollständiger ursprünglicher Antwortinhalt, Status und weitergeleitete Header. Dieser Handler fügt weder ein allgemeingültiges JSON-Format noch ein Textfeld oder eine äußere Aufgabenstruktur hinzu. - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### Alle fertiggestellten Ergebnisse aufbewahren Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf. Die vollständige Antwort und ihre Header, jede tatsächliche Ausgabe, die ursprünglich zurückgegebenen Kennungen und alle Nutzungsfelder aufbewahren. Den ursprünglichen Vorgang wiederaufnehmen, ohne die Erstellung erneut anzufordern. ##### Wenn die ursprüngliche Antwort geprüft werden muss Bewahren Sie die tatsächliche X-Client-Request-ID und die vollständige Antwort auf. Lesen Sie die ursprünglichen, Ihnen zugeordneten Assets und deren exakte signierte Inhalts-URLs; übermitteln Sie eine Erstellung mit unklarem Ergebnis niemals erneut. Antwortfelder | Feld | Typ | | --- | --- | | Feld`text (when present)` | Typ | | Feld`usage (when present)` | Typ | Fehler und nächste Schritte | Antwort | Bedingung | Nächster Schritt | | --- | --- | --- | | Antwort400 · `invalid_request_error` | BedingungDer JSON-Inhalt oder die explizite kanonische Modell-ID ist ungültig. | Nächster SchrittBewahren Sie die Antwort auf und korrigieren Sie das angegebene Anfragefeld. | | Antwort401 · `authentication_error` | BedingungDer Ailoot API-Schlüssel ist ungültig. | Nächster SchrittVerwenden Sie Ihren autorisierten Ailoot API-Schlüssel. | | Antwort403 · `permission_error` | BedingungDie Schlüsselgruppe lässt diese Methode nicht zu. | Nächster SchrittBewahren Sie die zurückgegebenen Fehlerdetails auf. | | Antwort404 · `not_found_error` | BedingungFür die ausgewählte Methode ist keine Route zugelassen. | Nächster SchrittBewahren Sie die zurückgegebenen Fehlerdetails auf. | | Antwort422 · `price_unavailable` | BedingungDer akzeptierte Tarif kann seine erforderliche Eingabemenge oder Obergrenze nicht ermitteln. | Nächster SchrittBewahren Sie die Antwort auf; verwenden Sie die vom akzeptierten Tarif erforderte Eingabedarstellung. | | Antwort503 · `` | BedingungErforderlicher Speicher, Route, Methodenpreis oder Reservierung ist nicht verfügbar. | Nächster SchrittBewahren Sie die vollständige ursprüngliche Antwort auf. Eine unklare Reservierung berechtigt nicht zur erneuten Übermittlung. | | Antwort502 · `server_error` | BedingungDas ursprüngliche Ergebnis, der Verbrauch oder die Abrechnung muss geprüft werden. | Nächster SchrittBewahren Sie die tatsächliche Anfrage-ID und die ursprüngliche Antwort auf. Lesen Sie den bestehenden, Ihnen zugeordneten Datensatz; übermitteln Sie die Erstellung nicht erneut. | ### Aliasnamen #### Modellaliasnamen **Ailoot Ultra** [`openai/gpt-transcribe`](https://ailoot.ai/models/de-at/#m=openai%2Fgpt-transcribe&route=Ultra&caller=openai%2Fgpt-transcribe&fmt=transcriptions) #### Aliasnamen für Methodenpfade Verwenden Sie die oben angezeigten Methodenpfade. #### Zugehörige Aufrufer-IDs [`openai/gpt-transcribe`](https://ailoot.ai/models/de-at/#m=openai%2Fgpt-transcribe&route=Ultra&caller=openai%2Fgpt-transcribe&fmt=transcriptions) FAQ · OpenAI: GPT Transcribe Welche Eingaben und Ergebnisse sind verfügbar? `POST /v1/audio/transcriptions` · `openai/gpt-transcribe`: `audio` → `text` Welche Felder verwendet die Anfrage? `POST /v1/audio/transcriptions` · `openai/gpt-transcribe`: `model`, `input_audio` Verbinden Sie Ailoot mit Claude Code, OpenCode, Hermes oder Ihrer eigenen Anwendung. ## Das Unternehmen und sein Projektportfolio Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe. ## Tokens mit Rabatt kaufen. Aborabatt für regelmäßige Arbeit. Aktionscodes bieten bis 50% beim Tokenkauf. Abo Wählen Sie einen Tarif mit Rabatt für Ihre regelmäßigen Anfragen. Aktionscode bis 50% Geben Sie den Code beim Kauf ein. Der Preis wird nach den gültigen Aktionsbedingungen berechnet. Ausgaben in der Historie Modell, Tokens und Betrag werden für jede Anfrage gespeichert. [Abo wählen](https://ailoot.ai/docs/de-at/billing/subscriptions/) · [Modellpreise ansehen](https://ailoot.ai/models/de-at/) ## Verbinden Sie die API mit dem Produkt, das Sie verkaufen. SaaS, Anwendungen und Bots nach dem offiziellen Angebot und Lizenzvertrag von Ailoot. Fordern Sie für den Weiterverkauf eine Reseller-Lizenz an. Kommerzielle Anwendung Integrieren Sie Text-, Bild-, Video- und Audioerzeugung in kostenpflichtige Funktionen Ihres Dienstes. Reseller-Lizenz Senden Sie Projektbeschreibung und Zugangsmodell. Fordern Sie schriftliche Nutzungs- und Weiterverkaufsbedingungen an. Dokumente auf der Website Offizielles Angebot, Lizenzvertrag und Datenschutzerklärung sind vor der Verbindung zugänglich. [Reseller-Lizenz anfordern](mailto:support@ailoot.ai) · [Offizielles Angebot und Lizenzvertrag](https://ailoot.ai/legal/offer?lang=de-at) ## Ailoot · Das Unternehmen und sein Projektportfolio Ailoot baut auf bewährte Betriebserfahrung, einen großen Kundenstamm, stabilen Service und kontinuierliche KPI-Kontrolle. Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe. Ailoot nutzt diese Betriebserfahrung für den API-Zugang zu KI-Funktionen in Kundenprodukten, Agenten, Anwendungen und Automatisierungen.