Whisper large-v3-turbo, auch Turbo genannt, ist OpenAIs optimiertes Transkriptionsmodell auf Grundlage von Whisper large-v3. Sein Decoder wurde von 32 auf vier Schichten reduziert, während der Encoder weiterhin 32 Schichten umfasst. Das veröffentlichte Modell besitzt etwa 809 Millionen Parameter. Der Hersteller zielt auf schnellere Spracherkennung mit geringfügigen Abstrichen bei der Genauigkeit, nicht auf einen anderen Modus zur Audioerzeugung. Aufgezeichnete Sprache bildet die Eingabe, erkannter Text das Ergebnis.
Die Veröffentlichung unterscheidet die Vorbereitung von Turbo von einem separat destillierten Whisper-Modell: Turbo wurde zwei zusätzliche Epochen lang anhand mehrsprachiger Transkriptionsdaten feinabgestimmt, ohne Übersetzungsdaten einzubeziehen. Dieser Unterschied ist für den Einsatz wichtig. Laut OpenAIs Repository wurde Turbo nicht dafür trainiert, nicht englischsprachige Aufnahmen ins Englische zu übersetzen, und kann auch bei einer angeforderten Übersetzungsaufgabe die Originalsprache zurückgeben. Verwenden Sie diese Edition für ein Transkript in derselben Sprache; eine benötigte Übersetzung gehört zu einem anderen geeigneten Modell oder in einen separaten Schritt nach der Transkription.
Die Erkennung der Ausgangssprache und eine ausdrückliche Sprachauswahl bleiben nützliche Optionen für die Transkription. Wenn die Sprache der Aufnahme bereits bekannt ist, geben Sie sie im Auftrag an; andernfalls kann der dokumentierte Ablauf sie erkennen. Bewahren Sie Namen, Mengenangaben und die tatsächlich gesprochenen Wörter, bevor Sie eine redaktionelle Bereinigung anfordern. Ein Besprechungsprotokoll, Interviewtranskript oder Vorlesungstext lässt sich anschließend in einem weiteren Vorgang durchsuchen, kommentieren oder zusammenfassen. Turbos Erkennungsaufgabe ist von Sprachsynthese, der Nachahmung einer Stimme und einer semantischen Beurteilung der Menschen in der Aufnahme zu unterscheiden.
OpenAIs Audiolader decodiert Eingabedateien in Mono-Abtastwerte mit 16 kHz. Das Modell verwendet ein akustisches Fenster von 30 Sekunden mit 128 Mel-Frequenzbändern. Längere Aufnahmen erfordern Inferenz für Langaufnahmen. Die sequenzielle Verarbeitung durchläuft die Fenster der Reihe nach; ein abschnittsweises Verfahren transkribiert überlappende Teile und fügt deren Grenzen zusammen. Die Modellkarte beschreibt Letzteres als nützlich, wenn bei der Verarbeitung einer einzelnen langen Datei vor allem eine schnelle Fertigstellung zählt, während die sequenzielle Verarbeitung die auf Genauigkeit ausgerichtete Alternative ist. Weder das Fenster noch der Modellname legt eine feste maximale Dateigröße für den Upload bei einem gehosteten Dienst fest.
Die genaue Turbo-Konfiguration nennt 448 Decoderpositionen für eine Decodierungssequenz. Der dokumentierte Inferenzablauf kann neben dem Transkript Zeitangaben für Segmente oder einzelne Wörter liefern; diese unterstützen die Navigation und eine spätere Formatierung als Untertitel. Dadurch entstehen nicht automatisch ein Untertiteldateiformat oder zuverlässige Sprecherkennzeichnungen. Geben Sie an, ob ein reines Transkript oder Segmente mit Zeitangaben benötigt werden, und halten Sie die Originalaufnahme zur Prüfung strittiger Passagen bereit. Die Verarbeitung langer Aufnahmen und eine abschließende Formatierung sind von der Identität des Modellstands getrennt.
Turbo verringert den Decodierungsaufwand, doch die tatsächlich benötigte Zeit hängt von Hardware, Aufnahmelänge, Sprache, Sprechtempo und den gewählten Inferenzverfahren ab. Der Hersteller weist auf stärkere Qualitätseinbußen in einigen Sprachen hin, darunter Thai und Kantonesisch, statt auf ein überall einheitliches Verhalten. Vergleichen Sie einen repräsentativen Ausschnitt in der vorgesehenen Sprache, bevor Sie den auf Geschwindigkeit ausgerichteten Kompromiss für sämtliche Materialien als geeignet betrachten. Nehmen Sie bei einer Aufgabe zur Archivverarbeitung schwierige Begriffe, Pausen sowie verrauschte Passagen oder überlappende Sprache in die Prüfstichprobe auf, nicht nur einen klar gesprochenen Eröffnungssatz.
Die veröffentlichte Modellkarte nennt Whispers wesentliche Erkennungsgrenzen: Vorhergesagter Text kann Wörter enthalten, die nicht gesprochen wurden, und Textwiederholungen können auftreten. Die Ergebnisse unterscheiden sich je nach Sprache, Akzent und Dialekt, besonders bei begrenzter Abdeckung durch Trainingsdaten. Die Karte belegt keine robuste standardmäßige Sprechersegmentierung oder Sprecherklassifikation im Basismodell. Eine praktische Prüfung konzentriert sich auf die Treue zur Quelle: wichtige Namen und Zahlen, ausgelassene Sprache, unerwarteter Text während stiller Abschnitte und Wiederholungen. Ein lesbares Transkript bleibt ein Ergebnis, das mit der Aufnahme abzugleichen ist, und keine Garantie exakter Erkennung.
Das nützliche fertige Ergebnis ist ein Transkript in der Ausgangssprache mit den gewünschten Zeitangaben und einer klaren Verknüpfung zur Aufnahme. Halten Sie die erkannte Fassung von einer redigierten Veröffentlichungsfassung getrennt, damit Änderungen nachvollziehbar bleiben. Bewahren Sie beim Editionsvergleich den Namen large-v3-turbo: Es ist nicht das vollständige Modell large-v3 und sollte nicht stillschweigend die Übersetzungsaufgabe von large-v3 ins Englische übernehmen. Diese Identität als Modell mit offenen Gewichten beinhaltet auch nicht die Uploadgrenzen, Antwortformate oder Zusagen zum Live-Streaming des gehosteten Dienstes whisper-1. Wählen Sie Turbo, wenn der dokumentierte Transkriptionskompromiss zum tatsächlichen Material und zur gewünschten Bearbeitungszeit passt.
", "aboutText": "Whisper large-v3-turbo, auch Turbo genannt, ist OpenAIs optimiertes Transkriptionsmodell auf Grundlage von Whisper large-v3. Sein Decoder wurde von 32 auf vier Schichten reduziert, während der Encoder weiterhin 32 Schichten umfasst. Das veröffentlichte Modell besitzt etwa 809 Millionen Parameter. Der Hersteller zielt auf schnellere Spracherkennung mit geringfügigen Abstrichen bei der Genauigkeit, nicht auf einen anderen Modus zur Audioerzeugung. Aufgezeichnete Sprache bildet die Eingabe, erkannter Text das Ergebnis.\n\nDie Veröffentlichung unterscheidet die Vorbereitung von Turbo von einem separat destillierten Whisper-Modell: Turbo wurde zwei zusätzliche Epochen lang anhand mehrsprachiger Transkriptionsdaten feinabgestimmt, ohne Übersetzungsdaten einzubeziehen. Dieser Unterschied ist für den Einsatz wichtig. Laut OpenAIs Repository wurde Turbo nicht dafür trainiert, nicht englischsprachige Aufnahmen ins Englische zu übersetzen, und kann auch bei einer angeforderten Übersetzungsaufgabe die Originalsprache zurückgeben. Verwenden Sie diese Edition für ein Transkript in derselben Sprache; eine benötigte Übersetzung gehört zu einem anderen geeigneten Modell oder in einen separaten Schritt nach der Transkription.\n\nDie Erkennung der Ausgangssprache und eine ausdrückliche Sprachauswahl bleiben nützliche Optionen für die Transkription. Wenn die Sprache der Aufnahme bereits bekannt ist, geben Sie sie im Auftrag an; andernfalls kann der dokumentierte Ablauf sie erkennen. Bewahren Sie Namen, Mengenangaben und die tatsächlich gesprochenen Wörter, bevor Sie eine redaktionelle Bereinigung anfordern. Ein Besprechungsprotokoll, Interviewtranskript oder Vorlesungstext lässt sich anschließend in einem weiteren Vorgang durchsuchen, kommentieren oder zusammenfassen. Turbos Erkennungsaufgabe ist von Sprachsynthese, der Nachahmung einer Stimme und einer semantischen Beurteilung der Menschen in der Aufnahme zu unterscheiden.\n\nOpenAIs Audiolader decodiert Eingabedateien in Mono-Abtastwerte mit 16 kHz. Das Modell verwendet ein akustisches Fenster von 30 Sekunden mit 128 Mel-Frequenzbändern. Längere Aufnahmen erfordern Inferenz für Langaufnahmen. Die sequenzielle Verarbeitung durchläuft die Fenster der Reihe nach; ein abschnittsweises Verfahren transkribiert überlappende Teile und fügt deren Grenzen zusammen. Die Modellkarte beschreibt Letzteres als nützlich, wenn bei der Verarbeitung einer einzelnen langen Datei vor allem eine schnelle Fertigstellung zählt, während die sequenzielle Verarbeitung die auf Genauigkeit ausgerichtete Alternative ist. Weder das Fenster noch der Modellname legt eine feste maximale Dateigröße für den Upload bei einem gehosteten Dienst fest.\n\nDie genaue Turbo-Konfiguration nennt 448 Decoderpositionen für eine Decodierungssequenz. Der dokumentierte Inferenzablauf kann neben dem Transkript Zeitangaben für Segmente oder einzelne Wörter liefern; diese unterstützen die Navigation und eine spätere Formatierung als Untertitel. Dadurch entstehen nicht automatisch ein Untertiteldateiformat oder zuverlässige Sprecherkennzeichnungen. Geben Sie an, ob ein reines Transkript oder Segmente mit Zeitangaben benötigt werden, und halten Sie die Originalaufnahme zur Prüfung strittiger Passagen bereit. Die Verarbeitung langer Aufnahmen und eine abschließende Formatierung sind von der Identität des Modellstands getrennt.\n\nTurbo verringert den Decodierungsaufwand, doch die tatsächlich benötigte Zeit hängt von Hardware, Aufnahmelänge, Sprache, Sprechtempo und den gewählten Inferenzverfahren ab. Der Hersteller weist auf stärkere Qualitätseinbußen in einigen Sprachen hin, darunter Thai und Kantonesisch, statt auf ein überall einheitliches Verhalten. Vergleichen Sie einen repräsentativen Ausschnitt in der vorgesehenen Sprache, bevor Sie den auf Geschwindigkeit ausgerichteten Kompromiss für sämtliche Materialien als geeignet betrachten. Nehmen Sie bei einer Aufgabe zur Archivverarbeitung schwierige Begriffe, Pausen sowie verrauschte Passagen oder überlappende Sprache in die Prüfstichprobe auf, nicht nur einen klar gesprochenen Eröffnungssatz.\n\nDie veröffentlichte Modellkarte nennt Whispers wesentliche Erkennungsgrenzen: Vorhergesagter Text kann Wörter enthalten, die nicht gesprochen wurden, und Textwiederholungen können auftreten. Die Ergebnisse unterscheiden sich je nach Sprache, Akzent und Dialekt, besonders bei begrenzter Abdeckung durch Trainingsdaten. Die Karte belegt keine robuste standardmäßige Sprechersegmentierung oder Sprecherklassifikation im Basismodell. Eine praktische Prüfung konzentriert sich auf die Treue zur Quelle: wichtige Namen und Zahlen, ausgelassene Sprache, unerwarteter Text während stiller Abschnitte und Wiederholungen. Ein lesbares Transkript bleibt ein Ergebnis, das mit der Aufnahme abzugleichen ist, und keine Garantie exakter Erkennung.\n\nDas nützliche fertige Ergebnis ist ein Transkript in der Ausgangssprache mit den gewünschten Zeitangaben und einer klaren Verknüpfung zur Aufnahme. Halten Sie die erkannte Fassung von einer redigierten Veröffentlichungsfassung getrennt, damit Änderungen nachvollziehbar bleiben. Bewahren Sie beim Editionsvergleich den Namen large-v3-turbo: Es ist nicht das vollständige Modell large-v3 und sollte nicht stillschweigend die Übersetzungsaufgabe von large-v3 ins Englische übernehmen. Diese Identität als Modell mit offenen Gewichten beinhaltet auch nicht die Uploadgrenzen, Antwortformate oder Zusagen zum Live-Streaming des gehosteten Dienstes whisper-1. Wählen Sie Turbo, wenn der dokumentierte Transkriptionskompromiss zum tatsächlichen Material und zur gewünschten Bearbeitungszeit passt.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "8c0cbc13bf7a79512b0d5b3331099a704b52f72c9d52c54da5fecb543ffa477f", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de", "methods": [ { "html": "openai/whisper-large-v3-turboWhisper large-v3-turbo ist OpenAIs schnellere Transkriptionsedition mit offenen Gewichten, die auf large-v3 basiert, vier Decoderschichten und 809 Millionen Parameter besitzt. Sie ist auf mehrsprachige Spracherkennung mit Textausgabe ausgerichtet; laut offizieller Herstellerdokumentation gehört die Übersetzung von Sprache ins Englische nicht zu den Aufgaben, für die Turbo trainiert wurde.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Whisper large-v3-turbo, auch Turbo genannt, ist OpenAIs optimiertes Transkriptionsmodell auf Grundlage von Whisper large-v3. Sein Decoder wurde von 32 auf vier Schichten reduziert, während der Encoder weiterhin 32 Schichten umfasst. Das veröffentlichte Modell besitzt etwa 809 Millionen Parameter. Der Hersteller zielt auf schnellere Spracherkennung mit geringfügigen Abstrichen bei der Genauigkeit, nicht auf einen anderen Modus zur Audioerzeugung. Aufgezeichnete Sprache bildet die Eingabe, erkannter Text das Ergebnis.
Die Veröffentlichung unterscheidet die Vorbereitung von Turbo von einem separat destillierten Whisper-Modell: Turbo wurde zwei zusätzliche Epochen lang anhand mehrsprachiger Transkriptionsdaten feinabgestimmt, ohne Übersetzungsdaten einzubeziehen. Dieser Unterschied ist für den Einsatz wichtig. Laut OpenAIs Repository wurde Turbo nicht dafür trainiert, nicht englischsprachige Aufnahmen ins Englische zu übersetzen, und kann auch bei einer angeforderten Übersetzungsaufgabe die Originalsprache zurückgeben. Verwenden Sie diese Edition für ein Transkript in derselben Sprache; eine benötigte Übersetzung gehört zu einem anderen geeigneten Modell oder in einen separaten Schritt nach der Transkription.
Die Erkennung der Ausgangssprache und eine ausdrückliche Sprachauswahl bleiben nützliche Optionen für die Transkription. Wenn die Sprache der Aufnahme bereits bekannt ist, geben Sie sie im Auftrag an; andernfalls kann der dokumentierte Ablauf sie erkennen. Bewahren Sie Namen, Mengenangaben und die tatsächlich gesprochenen Wörter, bevor Sie eine redaktionelle Bereinigung anfordern. Ein Besprechungsprotokoll, Interviewtranskript oder Vorlesungstext lässt sich anschließend in einem weiteren Vorgang durchsuchen, kommentieren oder zusammenfassen. Turbos Erkennungsaufgabe ist von Sprachsynthese, der Nachahmung einer Stimme und einer semantischen Beurteilung der Menschen in der Aufnahme zu unterscheiden.
OpenAIs Audiolader decodiert Eingabedateien in Mono-Abtastwerte mit 16 kHz. Das Modell verwendet ein akustisches Fenster von 30 Sekunden mit 128 Mel-Frequenzbändern. Längere Aufnahmen erfordern Inferenz für Langaufnahmen. Die sequenzielle Verarbeitung durchläuft die Fenster der Reihe nach; ein abschnittsweises Verfahren transkribiert überlappende Teile und fügt deren Grenzen zusammen. Die Modellkarte beschreibt Letzteres als nützlich, wenn bei der Verarbeitung einer einzelnen langen Datei vor allem eine schnelle Fertigstellung zählt, während die sequenzielle Verarbeitung die auf Genauigkeit ausgerichtete Alternative ist. Weder das Fenster noch der Modellname legt eine feste maximale Dateigröße für den Upload bei einem gehosteten Dienst fest.
Die genaue Turbo-Konfiguration nennt 448 Decoderpositionen für eine Decodierungssequenz. Der dokumentierte Inferenzablauf kann neben dem Transkript Zeitangaben für Segmente oder einzelne Wörter liefern; diese unterstützen die Navigation und eine spätere Formatierung als Untertitel. Dadurch entstehen nicht automatisch ein Untertiteldateiformat oder zuverlässige Sprecherkennzeichnungen. Geben Sie an, ob ein reines Transkript oder Segmente mit Zeitangaben benötigt werden, und halten Sie die Originalaufnahme zur Prüfung strittiger Passagen bereit. Die Verarbeitung langer Aufnahmen und eine abschließende Formatierung sind von der Identität des Modellstands getrennt.
Turbo verringert den Decodierungsaufwand, doch die tatsächlich benötigte Zeit hängt von Hardware, Aufnahmelänge, Sprache, Sprechtempo und den gewählten Inferenzverfahren ab. Der Hersteller weist auf stärkere Qualitätseinbußen in einigen Sprachen hin, darunter Thai und Kantonesisch, statt auf ein überall einheitliches Verhalten. Vergleichen Sie einen repräsentativen Ausschnitt in der vorgesehenen Sprache, bevor Sie den auf Geschwindigkeit ausgerichteten Kompromiss für sämtliche Materialien als geeignet betrachten. Nehmen Sie bei einer Aufgabe zur Archivverarbeitung schwierige Begriffe, Pausen sowie verrauschte Passagen oder überlappende Sprache in die Prüfstichprobe auf, nicht nur einen klar gesprochenen Eröffnungssatz.
Die veröffentlichte Modellkarte nennt Whispers wesentliche Erkennungsgrenzen: Vorhergesagter Text kann Wörter enthalten, die nicht gesprochen wurden, und Textwiederholungen können auftreten. Die Ergebnisse unterscheiden sich je nach Sprache, Akzent und Dialekt, besonders bei begrenzter Abdeckung durch Trainingsdaten. Die Karte belegt keine robuste standardmäßige Sprechersegmentierung oder Sprecherklassifikation im Basismodell. Eine praktische Prüfung konzentriert sich auf die Treue zur Quelle: wichtige Namen und Zahlen, ausgelassene Sprache, unerwarteter Text während stiller Abschnitte und Wiederholungen. Ein lesbares Transkript bleibt ein Ergebnis, das mit der Aufnahme abzugleichen ist, und keine Garantie exakter Erkennung.
Das nützliche fertige Ergebnis ist ein Transkript in der Ausgangssprache mit den gewünschten Zeitangaben und einer klaren Verknüpfung zur Aufnahme. Halten Sie die erkannte Fassung von einer redigierten Veröffentlichungsfassung getrennt, damit Änderungen nachvollziehbar bleiben. Bewahren Sie beim Editionsvergleich den Namen large-v3-turbo: Es ist nicht das vollständige Modell large-v3 und sollte nicht stillschweigend die Übersetzungsaufgabe von large-v3 ins Englische übernehmen. Diese Identität als Modell mit offenen Gewichten beinhaltet auch nicht die Uploadgrenzen, Antwortformate oder Zusagen zum Live-Streaming des gehosteten Dienstes whisper-1. Wählen Sie Turbo, wenn der dokumentierte Transkriptionskompromiss zum tatsächlichen Material und zur gewünschten Bearbeitungszeit passt.
POST /v1/audio/transcriptionsaudiotext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/whisper-large-v3-turbo | Standard— |
Feldinput_audio | Typobject | AnforderungErforderlich | Werte und Limits | Standard— |
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, input_audio |
Parametermaterial_types | Vertragaudio |
Parametermaterial_conditions | VertragDas Beispiel liest Ihre tatsächliche, nicht leere PCM-WAV-Datei ein, kodiert sämtliche Dateibytes als base64 und sendet input_audio.format als wav. |
Lebenszyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Exakte task_id aus einem vorhandenen, Ihnen zugeordneten Mediendatensatz
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Abrechnungseinheit | Gebühr |
|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Abrechnungseinheit— | Gebühr Eingabe · Eingabetoken — / 1K Token Ausgabe · Ausgabetoken — / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAudioeingabesekunde | Tarifstaffel— | Abrechnungseinheitpro Sekunde Eingabeaudio | Gebühr Eingabe · Audioeingabesekunde $0.00000666 pro Sekunde Eingabeaudio |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport base64, io, json, os, wave\nfrom pathlib import Path\naudio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):\n raise SystemExit('Supply your actual PCM WAV audio file')\nwith wave.open(io.BytesIO(audio), 'rb') as recording:\n if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:\n raise SystemExit('Supply a nonempty PCM WAV recording')\nrequest = {'model': 'openai/whisper-large-v3-turbo', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}\nPath('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete original response, headers and actual X-Client-Request-ID.\n# Read existing owned records for recovery; do not resubmit an uncertain operation.\nVollständiger ursprünglicher Antwortinhalt, Status und weitergeleitete Header. Dieser Handler fügt weder eine universelle JSON-Struktur noch ein Textfeld oder eine Aufgabenhülle hinzu.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}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.
Bewahren Sie die tatsächliche X-Client-Request-ID und die vollständige Antwort auf. Lesen Sie die ursprünglichen, Ihnen zugeordneten Assets und ihre exakten signierten Inhalts-URLs aus; übermitteln Sie eine Erstellung mit unklarem Ausgang niemals erneut.
| Feld | Typ |
|---|---|
Feldtext (when present) | Typ |
Feldusage (when present) | Typ |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungDer JSON-Inhalt oder die ausdrücklich angegebene 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 | BedingungDie ausgewählte Methode hat keine zugelassene Route. | Nächster SchrittBewahren Sie die zurückgegebenen Fehlerdetails auf. |
Antwort422 · price_unavailable | BedingungDer akzeptierte Tarif kann die erforderliche Eingabemenge oder deren Grenze nicht ermitteln. | Nächster SchrittBewahren Sie die Antwort auf; verwenden Sie die vom akzeptierten Tarif verlangte Eingabedarstellung. |
Antwort503 · | BedingungErforderlicher Speicher, Route, Methodenpreis oder Reservierung sind 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 müssen geprüft werden. | Nächster SchrittBewahren Sie die tatsächliche Anfrage-ID und die ursprüngliche Antwort auf. Lesen Sie den vorhandenen, Ihnen zugeordneten Datensatz aus; übermitteln Sie die Erstellung nicht erneut. |
Ailoot Ultra openai/whisper-large-v3-turbo
Verwenden Sie die oben angezeigten Methodenpfade.