{ "aboutHtml": "

Το GPT-4o Transcribe είναι το μοντέλο μετατροπής ομιλίας σε κείμενο της OpenAI που βασίζεται στο GPT-4o. Η είσοδός του είναι ήχος με προαιρετική καθοδήγηση κειμένου και η έξοδός του είναι το αναγνωρισμένο κείμενο. Διαφέρει από την έκδοση GPT-4o Mini Transcribe και από το GPT-4o Transcribe Diarize, το εξειδικευμένο μοντέλο ετικετών ομιλητών. Χρησιμοποιήστε αυτό το προφίλ για να προετοιμάσετε μια πιστή γραπτή καταγραφή προφορικού υλικού, διατηρώντας διαθέσιμη την αρχική ηχογράφηση για έλεγχο και μεταγενέστερη συντακτική επεξεργασία.

Είσοδος αρχείων και προετοιμασία εκτενούς υλικού

Ο οδηγός απομαγνητοφώνησης της OpenAI τεκμηριώνει μεταφορτώσεις έως 25 MB. Η τρέχουσα αναφορά του τελικού σημείου δέχεται FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV και WebM και συνιστά μεταδεδομένα αρχείου που προσδιορίζουν τη μορφή, συμπεριλαμβανομένου ονόματος αρχείου με επέκταση και κατάλληλου τύπου περιεχομένου. Για μια μεγαλύτερη ηχογράφηση, η συμπίεση ή τα διατεταγμένα μέρη των 25 MB ή λιγότερο ακολουθούν τις οδηγίες του παρόχου για μεγαλύτερη είσοδο. Αποφύγετε τον διαχωρισμό στη μέση μιας πρότασης και διατηρήστε τη θέση κάθε μέρους στην πλήρη ηχογράφηση.

Για μια συνέντευξη, συσχετίστε κάθε αρχείο εισόδου με την ηχογράφηση και το απόσπασμα που καλύπτει. Για μια τεχνική παρουσίαση, προετοιμάστε τα σχετικά ονόματα προϊόντων, ακρωνύμια και την ορολογία του πεδίου ως συμφραζόμενα και έπειτα ελέγξτε αυτές τις γραφές έναντι όσων πράγματι είπε ο ομιλητής. Για μια ηχογραφημένη εξήγηση με αριθμητικές τιμές, ελέγξτε την απομαγνητοφώνηση μαζί με την πηγή πριν τη μετατρέψετε σε γραπτή διαδικασία. Το επιδιωκόμενο πρώτο παραδοτέο είναι αναγνωρισμένη ομιλία σε μορφή κειμένου· μια συνοπτική αναφορά ή ένα μεταφρασμένο έγγραφο μπορούν να προετοιμαστούν από αυτό το κείμενο ως ξεχωριστό βήμα.

Οδηγίες για τη συγκεκριμένη ηχογράφηση και επιλογή γλώσσας

Ο οδηγός του παρόχου περιλαμβάνει ρητά το GPT-4o Transcribe στην υποστήριξη οδηγιών απομαγνητοφώνησης. Οι οδηγίες μπορούν να παρέχουν σωστές γραφές, συμφραζόμενα από προηγούμενο τμήμα και προτιμήσεις για στίξη, χρήση κεφαλαίων, λεκτικά γεμίσματα ή σύστημα γραφής. Η αναφορά δηλώνει ότι πρέπει να ταιριάζουν με τη γλώσσα της ηχογράφησης. Μια σύντομη, σχετική περιγραφή του θέματος και του λεξιλογίου δίνει χρήσιμα συμφραζόμενα στην απομαγνητοφώνηση χωρίς να αντιμετωπίζει όρους που δεν ειπώθηκαν ως απαιτούμενη έξοδο.

Αυτό το προφίλ υποστηρίζει την παράμετρο language στον ενικό, τεκμηριωμένη στη μορφή ISO 639-1. Η παροχή της πραγματικής γλώσσας εισόδου μπορεί να βοηθήσει την αναγνώριση. Τα νεότερα πεδία keywords και languages στον πληθυντικό του GPT Transcribe ανήκουν σε εκείνο το ξεχωριστά ονομαζόμενο μοντέλο και δεν πρέπει να θεωρούνται διαθέσιμα για το GPT-4o Transcribe. Διατηρήστε τη ρύθμιση γλώσσας συνδεδεμένη με την ομιλία που απομαγνητοφωνείτε και διατηρήστε την αρχική διατύπωση πριν από κάθε μεταγενέστερη μετάφραση ή υφολογική αναδιατύπωση.

Μορφή αποτελέσματος, πιθανότητες και εξειδικευμένες έξοδοι

Η τρέχουσα αναφορά του τελικού σημείου τεκμηριώνει το JSON ως την υποστηριζόμενη μορφή απάντησης του GPT-4o Transcribe. Το αποτέλεσμα περιέχει αναγνωρισμένο κείμενο και μπορούν να ζητηθούν προαιρετικές λογαριθμικές πιθανότητες tokens με αυτήν τη μορφή JSON. Τα δεδομένα πιθανοτήτων περιγράφουν την επιλογή tokens από το μοντέλο. Μπορούν να δείξουν ποια αποσπάσματα αξίζουν εξέταση, αλλά η σύγκριση με τον ήχο αποδεικνύει αν η απομαγνητοφώνηση αναπαράγει ένα δύσκολο όνομα, αριθμό ή φράση.

Το αποτέλεσμα JSON του τυπικού προφίλ δεν παρέχει εγγενείς μορφές υποτίτλων, αναλυτικές χρονικές σημάνσεις λέξεων ή αναθέσεις ομιλητών. Η OpenAI τεκμηριώνει άλλες επιλογές μοντέλων και μορφών όταν χρειάζονται αυτές οι έξοδοι· το GPT-4o Transcribe Diarize είναι η ξεχωριστή έκδοση ετικετών ομιλητών. Για μια εργασία υποτιτλισμού, διατηρήστε μια ελεγμένη απομαγνητοφώνηση για κατάλληλο βήμα χρονισμού. Για μια συνομιλία, μην επινοείτε ονόματα ομιλητών μόνο επειδή μια παράγραφος της απομαγνητοφώνησης φαίνεται να αλλάζει θέμα ή φωνή.

Σταδιακά αποτελέσματα από ολοκληρωμένο αρχείο

Ο οδηγός μετατροπής ομιλίας σε κείμενο της OpenAI αναφέρει ότι οι υπάρχουσες ενσωματώσεις GPT-4o Transcribe υποστηρίζουν συνεχή ροή από αρχεία. Η εφαρμογή παρέχει πρώτα την ηχογράφηση, έπειτα λαμβάνει το κείμενο απομαγνητοφώνησης καθώς γίνεται η επεξεργασία της και διατηρεί το ολοκληρωμένο αποτέλεσμα. Αυτό μεταδίδει σταδιακά την απομαγνητοφώνηση μιας ολοκληρωμένης ηχογράφησης αντί να δέχεται ήχο μικροφώνου καθώς φτάνει. Η ακριβής κάρτα του μοντέλου αναφέρει επίσης τις οικογένειες τελικών σημείων απομαγνητοφώνησης και Realtime· η συμπεριφορά συνεδρίας για το συγκεκριμένο μοντέλο πρέπει να παραμένει συνδεδεμένη με αυτό το προφίλ, αντί να δανείζεται από ένα νεότερο μοντέλο συνεχούς ροής.

Όρια μοντέλου και έλεγχος του τελικού παραδοτέου

Η τρέχουσα προδιαγραφή του GPT-4o Transcribe αναφέρει παράθυρο συμφραζομένων 16.000 tokens, μέγιστη έξοδο 2.000 tokens και όριο γνώσεων την 1η Ιουνίου 2024. Αυτά τα όρια tokens δεν είναι σταθερή διάρκεια ήχου και δεν αντικαθιστούν τους κανόνες προετοιμασίας για απομαγνητοφώνηση αρχείων. Για μια εκτενή ηχογράφηση, διατηρήστε τη σειρά της πηγής και τα σχετικά προηγούμενα συμφραζόμενα και έπειτα επαληθεύστε ότι το ολοκληρωμένο κείμενο φτάνει στο τέλος κάθε επιδιωκόμενου τμήματος.

Μια χρήσιμη τελική απομαγνητοφώνηση μπορεί να γίνει αναζητήσιμο υλικό συνέντευξης, πηγή τεχνικής τεκμηρίωσης ή κείμενο για μεταγενέστερη ροή υποτιτλισμού. Ελέγξτε αβέβαιο λεξιλόγιο, ποσότητες, στίξη, προφορές και επικαλυπτόμενη ομιλία έναντι της ηχογράφησης. Διατηρήστε το αναγνωρισμένο κείμενο χωριστά από μεταγενέστερες διορθώσεις ή συνόψεις και διατηρήστε τη σύνδεση με την πηγή μέσω αναγνωριστικών στην περιβάλλουσα ροή εργασίας. Το μοντέλο παρέχει γραπτή καταγραφή· η προσεκτική προετοιμασία εισόδου και ο έλεγχος της πηγής καθορίζουν αν αυτή η καταγραφή είναι κατάλληλη για την επόμενη χρήση.

", "aboutText": "Το GPT-4o Transcribe είναι το μοντέλο μετατροπής ομιλίας σε κείμενο της OpenAI που βασίζεται στο GPT-4o. Η είσοδός του είναι ήχος με προαιρετική καθοδήγηση κειμένου και η έξοδός του είναι το αναγνωρισμένο κείμενο. Διαφέρει από την έκδοση GPT-4o Mini Transcribe και από το GPT-4o Transcribe Diarize, το εξειδικευμένο μοντέλο ετικετών ομιλητών. Χρησιμοποιήστε αυτό το προφίλ για να προετοιμάσετε μια πιστή γραπτή καταγραφή προφορικού υλικού, διατηρώντας διαθέσιμη την αρχική ηχογράφηση για έλεγχο και μεταγενέστερη συντακτική επεξεργασία.\n\n### Είσοδος αρχείων και προετοιμασία εκτενούς υλικού\n\nΟ οδηγός απομαγνητοφώνησης της OpenAI τεκμηριώνει μεταφορτώσεις έως 25 MB. Η τρέχουσα αναφορά του τελικού σημείου δέχεται FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV και WebM και συνιστά μεταδεδομένα αρχείου που προσδιορίζουν τη μορφή, συμπεριλαμβανομένου ονόματος αρχείου με επέκταση και κατάλληλου τύπου περιεχομένου. Για μια μεγαλύτερη ηχογράφηση, η συμπίεση ή τα διατεταγμένα μέρη των 25 MB ή λιγότερο ακολουθούν τις οδηγίες του παρόχου για μεγαλύτερη είσοδο. Αποφύγετε τον διαχωρισμό στη μέση μιας πρότασης και διατηρήστε τη θέση κάθε μέρους στην πλήρη ηχογράφηση.\n\nΓια μια συνέντευξη, συσχετίστε κάθε αρχείο εισόδου με την ηχογράφηση και το απόσπασμα που καλύπτει. Για μια τεχνική παρουσίαση, προετοιμάστε τα σχετικά ονόματα προϊόντων, ακρωνύμια και την ορολογία του πεδίου ως συμφραζόμενα και έπειτα ελέγξτε αυτές τις γραφές έναντι όσων πράγματι είπε ο ομιλητής. Για μια ηχογραφημένη εξήγηση με αριθμητικές τιμές, ελέγξτε την απομαγνητοφώνηση μαζί με την πηγή πριν τη μετατρέψετε σε γραπτή διαδικασία. Το επιδιωκόμενο πρώτο παραδοτέο είναι αναγνωρισμένη ομιλία σε μορφή κειμένου· μια συνοπτική αναφορά ή ένα μεταφρασμένο έγγραφο μπορούν να προετοιμαστούν από αυτό το κείμενο ως ξεχωριστό βήμα.\n\n### Οδηγίες για τη συγκεκριμένη ηχογράφηση και επιλογή γλώσσας\n\nΟ οδηγός του παρόχου περιλαμβάνει ρητά το GPT-4o Transcribe στην υποστήριξη οδηγιών απομαγνητοφώνησης. Οι οδηγίες μπορούν να παρέχουν σωστές γραφές, συμφραζόμενα από προηγούμενο τμήμα και προτιμήσεις για στίξη, χρήση κεφαλαίων, λεκτικά γεμίσματα ή σύστημα γραφής. Η αναφορά δηλώνει ότι πρέπει να ταιριάζουν με τη γλώσσα της ηχογράφησης. Μια σύντομη, σχετική περιγραφή του θέματος και του λεξιλογίου δίνει χρήσιμα συμφραζόμενα στην απομαγνητοφώνηση χωρίς να αντιμετωπίζει όρους που δεν ειπώθηκαν ως απαιτούμενη έξοδο.\n\nΑυτό το προφίλ υποστηρίζει την παράμετρο language στον ενικό, τεκμηριωμένη στη μορφή ISO 639-1. Η παροχή της πραγματικής γλώσσας εισόδου μπορεί να βοηθήσει την αναγνώριση. Τα νεότερα πεδία keywords και languages στον πληθυντικό του GPT Transcribe ανήκουν σε εκείνο το ξεχωριστά ονομαζόμενο μοντέλο και δεν πρέπει να θεωρούνται διαθέσιμα για το GPT-4o Transcribe. Διατηρήστε τη ρύθμιση γλώσσας συνδεδεμένη με την ομιλία που απομαγνητοφωνείτε και διατηρήστε την αρχική διατύπωση πριν από κάθε μεταγενέστερη μετάφραση ή υφολογική αναδιατύπωση.\n\n### Μορφή αποτελέσματος, πιθανότητες και εξειδικευμένες έξοδοι\n\nΗ τρέχουσα αναφορά του τελικού σημείου τεκμηριώνει το JSON ως την υποστηριζόμενη μορφή απάντησης του GPT-4o Transcribe. Το αποτέλεσμα περιέχει αναγνωρισμένο κείμενο και μπορούν να ζητηθούν προαιρετικές λογαριθμικές πιθανότητες tokens με αυτήν τη μορφή JSON. Τα δεδομένα πιθανοτήτων περιγράφουν την επιλογή tokens από το μοντέλο. Μπορούν να δείξουν ποια αποσπάσματα αξίζουν εξέταση, αλλά η σύγκριση με τον ήχο αποδεικνύει αν η απομαγνητοφώνηση αναπαράγει ένα δύσκολο όνομα, αριθμό ή φράση.\n\nΤο αποτέλεσμα JSON του τυπικού προφίλ δεν παρέχει εγγενείς μορφές υποτίτλων, αναλυτικές χρονικές σημάνσεις λέξεων ή αναθέσεις ομιλητών. Η OpenAI τεκμηριώνει άλλες επιλογές μοντέλων και μορφών όταν χρειάζονται αυτές οι έξοδοι· το GPT-4o Transcribe Diarize είναι η ξεχωριστή έκδοση ετικετών ομιλητών. Για μια εργασία υποτιτλισμού, διατηρήστε μια ελεγμένη απομαγνητοφώνηση για κατάλληλο βήμα χρονισμού. Για μια συνομιλία, μην επινοείτε ονόματα ομιλητών μόνο επειδή μια παράγραφος της απομαγνητοφώνησης φαίνεται να αλλάζει θέμα ή φωνή.\n\n### Σταδιακά αποτελέσματα από ολοκληρωμένο αρχείο\n\nΟ οδηγός μετατροπής ομιλίας σε κείμενο της OpenAI αναφέρει ότι οι υπάρχουσες ενσωματώσεις GPT-4o Transcribe υποστηρίζουν συνεχή ροή από αρχεία. Η εφαρμογή παρέχει πρώτα την ηχογράφηση, έπειτα λαμβάνει το κείμενο απομαγνητοφώνησης καθώς γίνεται η επεξεργασία της και διατηρεί το ολοκληρωμένο αποτέλεσμα. Αυτό μεταδίδει σταδιακά την απομαγνητοφώνηση μιας ολοκληρωμένης ηχογράφησης αντί να δέχεται ήχο μικροφώνου καθώς φτάνει. Η ακριβής κάρτα του μοντέλου αναφέρει επίσης τις οικογένειες τελικών σημείων απομαγνητοφώνησης και Realtime· η συμπεριφορά συνεδρίας για το συγκεκριμένο μοντέλο πρέπει να παραμένει συνδεδεμένη με αυτό το προφίλ, αντί να δανείζεται από ένα νεότερο μοντέλο συνεχούς ροής.\n\n### Όρια μοντέλου και έλεγχος του τελικού παραδοτέου\n\nΗ τρέχουσα προδιαγραφή του GPT-4o Transcribe αναφέρει παράθυρο συμφραζομένων 16.000 tokens, μέγιστη έξοδο 2.000 tokens και όριο γνώσεων την 1η Ιουνίου 2024. Αυτά τα όρια tokens δεν είναι σταθερή διάρκεια ήχου και δεν αντικαθιστούν τους κανόνες προετοιμασίας για απομαγνητοφώνηση αρχείων. Για μια εκτενή ηχογράφηση, διατηρήστε τη σειρά της πηγής και τα σχετικά προηγούμενα συμφραζόμενα και έπειτα επαληθεύστε ότι το ολοκληρωμένο κείμενο φτάνει στο τέλος κάθε επιδιωκόμενου τμήματος.\n\nΜια χρήσιμη τελική απομαγνητοφώνηση μπορεί να γίνει αναζητήσιμο υλικό συνέντευξης, πηγή τεχνικής τεκμηρίωσης ή κείμενο για μεταγενέστερη ροή υποτιτλισμού. Ελέγξτε αβέβαιο λεξιλόγιο, ποσότητες, στίξη, προφορές και επικαλυπτόμενη ομιλία έναντι της ηχογράφησης. Διατηρήστε το αναγνωρισμένο κείμενο χωριστά από μεταγενέστερες διορθώσεις ή συνόψεις και διατηρήστε τη σύνδεση με την πηγή μέσω αναγνωριστικών στην περιβάλλουσα ροή εργασίας. Το μοντέλο παρέχει γραπτή καταγραφή· η προσεκτική προετοιμασία εισόδου και ο έλεγχος της πηγής καθορίζουν αν αυτή η καταγραφή είναι κατάλληλη για την επόμενη χρήση.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "aa98f0913e3c2faf40ef487f24751aae18c0e37d590bde1726aac0e2893da810", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "el", "methods": [ { "html": "
O

OpenAI: GPT-4o Transcribe

OpenAI /openai/gpt-4o-transcribe

Εισαγωγή

Το GPT-4o Transcribe μετατρέπει ήχο σε κείμενο χρησιμοποιώντας τις δυνατότητες αναγνώρισης ομιλίας GPT-4o της OpenAI. Υποστηρίζει οδηγίες με συμφραζόμενα, υπόδειξη της γλώσσας εισόδου, απομαγνητοφωνήσεις JSON, σταδιακή έξοδο από αρχείο και προαιρετικές λογαριθμικές πιθανότητες tokens για έλεγχο αβέβαιων διατυπώσεων.

Αποδεκτές είσοδοι
Ήχος
Αποτελέσματα
Κείμενο
Σχετικά με το μοντέλο

Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.

Το GPT-4o Transcribe είναι το μοντέλο μετατροπής ομιλίας σε κείμενο της OpenAI που βασίζεται στο GPT-4o. Η είσοδός του είναι ήχος με προαιρετική καθοδήγηση κειμένου και η έξοδός του είναι το αναγνωρισμένο κείμενο. Διαφέρει από την έκδοση GPT-4o Mini Transcribe και από το GPT-4o Transcribe Diarize, το εξειδικευμένο μοντέλο ετικετών ομιλητών. Χρησιμοποιήστε αυτό το προφίλ για να προετοιμάσετε μια πιστή γραπτή καταγραφή προφορικού υλικού, διατηρώντας διαθέσιμη την αρχική ηχογράφηση για έλεγχο και μεταγενέστερη συντακτική επεξεργασία.

Είσοδος αρχείων και προετοιμασία εκτενούς υλικού

Ο οδηγός απομαγνητοφώνησης της OpenAI τεκμηριώνει μεταφορτώσεις έως 25 MB. Η τρέχουσα αναφορά του τελικού σημείου δέχεται FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV και WebM και συνιστά μεταδεδομένα αρχείου που προσδιορίζουν τη μορφή, συμπεριλαμβανομένου ονόματος αρχείου με επέκταση και κατάλληλου τύπου περιεχομένου. Για μια μεγαλύτερη ηχογράφηση, η συμπίεση ή τα διατεταγμένα μέρη των 25 MB ή λιγότερο ακολουθούν τις οδηγίες του παρόχου για μεγαλύτερη είσοδο. Αποφύγετε τον διαχωρισμό στη μέση μιας πρότασης και διατηρήστε τη θέση κάθε μέρους στην πλήρη ηχογράφηση.

Για μια συνέντευξη, συσχετίστε κάθε αρχείο εισόδου με την ηχογράφηση και το απόσπασμα που καλύπτει. Για μια τεχνική παρουσίαση, προετοιμάστε τα σχετικά ονόματα προϊόντων, ακρωνύμια και την ορολογία του πεδίου ως συμφραζόμενα και έπειτα ελέγξτε αυτές τις γραφές έναντι όσων πράγματι είπε ο ομιλητής. Για μια ηχογραφημένη εξήγηση με αριθμητικές τιμές, ελέγξτε την απομαγνητοφώνηση μαζί με την πηγή πριν τη μετατρέψετε σε γραπτή διαδικασία. Το επιδιωκόμενο πρώτο παραδοτέο είναι αναγνωρισμένη ομιλία σε μορφή κειμένου· μια συνοπτική αναφορά ή ένα μεταφρασμένο έγγραφο μπορούν να προετοιμαστούν από αυτό το κείμενο ως ξεχωριστό βήμα.

Οδηγίες για τη συγκεκριμένη ηχογράφηση και επιλογή γλώσσας

Ο οδηγός του παρόχου περιλαμβάνει ρητά το GPT-4o Transcribe στην υποστήριξη οδηγιών απομαγνητοφώνησης. Οι οδηγίες μπορούν να παρέχουν σωστές γραφές, συμφραζόμενα από προηγούμενο τμήμα και προτιμήσεις για στίξη, χρήση κεφαλαίων, λεκτικά γεμίσματα ή σύστημα γραφής. Η αναφορά δηλώνει ότι πρέπει να ταιριάζουν με τη γλώσσα της ηχογράφησης. Μια σύντομη, σχετική περιγραφή του θέματος και του λεξιλογίου δίνει χρήσιμα συμφραζόμενα στην απομαγνητοφώνηση χωρίς να αντιμετωπίζει όρους που δεν ειπώθηκαν ως απαιτούμενη έξοδο.

Αυτό το προφίλ υποστηρίζει την παράμετρο language στον ενικό, τεκμηριωμένη στη μορφή ISO 639-1. Η παροχή της πραγματικής γλώσσας εισόδου μπορεί να βοηθήσει την αναγνώριση. Τα νεότερα πεδία keywords και languages στον πληθυντικό του GPT Transcribe ανήκουν σε εκείνο το ξεχωριστά ονομαζόμενο μοντέλο και δεν πρέπει να θεωρούνται διαθέσιμα για το GPT-4o Transcribe. Διατηρήστε τη ρύθμιση γλώσσας συνδεδεμένη με την ομιλία που απομαγνητοφωνείτε και διατηρήστε την αρχική διατύπωση πριν από κάθε μεταγενέστερη μετάφραση ή υφολογική αναδιατύπωση.

Μορφή αποτελέσματος, πιθανότητες και εξειδικευμένες έξοδοι

Η τρέχουσα αναφορά του τελικού σημείου τεκμηριώνει το JSON ως την υποστηριζόμενη μορφή απάντησης του GPT-4o Transcribe. Το αποτέλεσμα περιέχει αναγνωρισμένο κείμενο και μπορούν να ζητηθούν προαιρετικές λογαριθμικές πιθανότητες tokens με αυτήν τη μορφή JSON. Τα δεδομένα πιθανοτήτων περιγράφουν την επιλογή tokens από το μοντέλο. Μπορούν να δείξουν ποια αποσπάσματα αξίζουν εξέταση, αλλά η σύγκριση με τον ήχο αποδεικνύει αν η απομαγνητοφώνηση αναπαράγει ένα δύσκολο όνομα, αριθμό ή φράση.

Το αποτέλεσμα JSON του τυπικού προφίλ δεν παρέχει εγγενείς μορφές υποτίτλων, αναλυτικές χρονικές σημάνσεις λέξεων ή αναθέσεις ομιλητών. Η OpenAI τεκμηριώνει άλλες επιλογές μοντέλων και μορφών όταν χρειάζονται αυτές οι έξοδοι· το GPT-4o Transcribe Diarize είναι η ξεχωριστή έκδοση ετικετών ομιλητών. Για μια εργασία υποτιτλισμού, διατηρήστε μια ελεγμένη απομαγνητοφώνηση για κατάλληλο βήμα χρονισμού. Για μια συνομιλία, μην επινοείτε ονόματα ομιλητών μόνο επειδή μια παράγραφος της απομαγνητοφώνησης φαίνεται να αλλάζει θέμα ή φωνή.

Σταδιακά αποτελέσματα από ολοκληρωμένο αρχείο

Ο οδηγός μετατροπής ομιλίας σε κείμενο της OpenAI αναφέρει ότι οι υπάρχουσες ενσωματώσεις GPT-4o Transcribe υποστηρίζουν συνεχή ροή από αρχεία. Η εφαρμογή παρέχει πρώτα την ηχογράφηση, έπειτα λαμβάνει το κείμενο απομαγνητοφώνησης καθώς γίνεται η επεξεργασία της και διατηρεί το ολοκληρωμένο αποτέλεσμα. Αυτό μεταδίδει σταδιακά την απομαγνητοφώνηση μιας ολοκληρωμένης ηχογράφησης αντί να δέχεται ήχο μικροφώνου καθώς φτάνει. Η ακριβής κάρτα του μοντέλου αναφέρει επίσης τις οικογένειες τελικών σημείων απομαγνητοφώνησης και Realtime· η συμπεριφορά συνεδρίας για το συγκεκριμένο μοντέλο πρέπει να παραμένει συνδεδεμένη με αυτό το προφίλ, αντί να δανείζεται από ένα νεότερο μοντέλο συνεχούς ροής.

Όρια μοντέλου και έλεγχος του τελικού παραδοτέου

Η τρέχουσα προδιαγραφή του GPT-4o Transcribe αναφέρει παράθυρο συμφραζομένων 16.000 tokens, μέγιστη έξοδο 2.000 tokens και όριο γνώσεων την 1η Ιουνίου 2024. Αυτά τα όρια tokens δεν είναι σταθερή διάρκεια ήχου και δεν αντικαθιστούν τους κανόνες προετοιμασίας για απομαγνητοφώνηση αρχείων. Για μια εκτενή ηχογράφηση, διατηρήστε τη σειρά της πηγής και τα σχετικά προηγούμενα συμφραζόμενα και έπειτα επαληθεύστε ότι το ολοκληρωμένο κείμενο φτάνει στο τέλος κάθε επιδιωκόμενου τμήματος.

Μια χρήσιμη τελική απομαγνητοφώνηση μπορεί να γίνει αναζητήσιμο υλικό συνέντευξης, πηγή τεχνικής τεκμηρίωσης ή κείμενο για μεταγενέστερη ροή υποτιτλισμού. Ελέγξτε αβέβαιο λεξιλόγιο, ποσότητες, στίξη, προφορές και επικαλυπτόμενη ομιλία έναντι της ηχογράφησης. Διατηρήστε το αναγνωρισμένο κείμενο χωριστά από μεταγενέστερες διορθώσεις ή συνόψεις και διατηρήστε τη σύνδεση με την πηγή μέσω αναγνωριστικών στην περιβάλλουσα ροή εργασίας. Το μοντέλο παρέχει γραπτή καταγραφή· η προσεκτική προετοιμασία εισόδου και ο έλεγχος της πηγής καθορίζουν αν αυτή η καταγραφή είναι κατάλληλη για την επόμενη χρήση.

Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι

Ailoot Ultra · Απομαγνητοφώνηση POST /v1/audio/transcriptions
Είσοδος
audio
Έξοδος
text
ΠεδίοΤύποςΑπαίτησηΤιμές και όριαΠροεπιλογή
ΠεδίοmodelΤύποςstringΑπαίτησηΥποχρεωτικόΤιμές και όρια
openai/gpt-4o-transcribe
Προεπιλογή—
Πεδίοinput_audioΤύποςobjectΑπαίτησηΥποχρεωτικόΤιμές και όριαΠροεπιλογή—
Παράμετροι και κύκλος ζωής μεθόδου
ΠαράμετροςΣύμβαση
Παράμετροςcontent_typeΣύμβασηapplication/json
ΠαράμετροςrequiredΣύμβασηmodel, input_audio
Παράμετροςmaterial_typesΣύμβασηaudio
Παράμετροςmaterial_conditionsΣύμβασηΤο παράδειγμα διαβάζει το πραγματικό, μη κενό αρχείο PCM WAV σας, κωδικοποιεί όλα τα byte του αρχείου σε base64 και στέλνει το input_audio.format ως wav.

Κύκλος ζωής: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · ακριβές task_id από υπάρχουσα εγγραφή πολυμέσων που σας ανήκουν

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Τιμολόγηση

Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.

Γρήγορη λειτουργία
Δεν έχει οριστεί Όταν επιλέγεται η γρήγορη λειτουργία
Λειτουργία flex
Δεν έχει οριστεί Όταν επιλέγεται η λειτουργία flex
Μέγιστη προσπάθεια συλλογισμού
Δεν έχει οριστεί Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default

Χρεώσεις Ailoot

Τιμές ανά διαμόρφωση

Αντιστοιχίστε κάθε χρέωση στις συνθήκες που εμφανίζονται. Χρησιμοποιήστε μία χρέωση ανά σύνολο εναλλακτικών διαμορφώσεων.

ΔιαμόρφωσηΠίνακας χρεώσεωνΜονάδα τιμολόγησηςΧρέωση
ΔιαμόρφωσηΒασικές χρεώσεις tokenΠίνακας χρεώσεωνΒασική χρέωσηΜονάδα τιμολόγησης—Χρέωση
Είσοδος · Token εισόδου — / 1K token
Έξοδος · Token εξόδου — / 1K token
Είσοδος · Ανάγνωση από την κρυφή μνήμη — / 1K token
Είσοδος · Εγγραφή στην κρυφή μνήμη — / 1K token
Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token
Διαμόρφωσηtoken εισόδουΠίνακας χρεώσεων—Μονάδα τιμολόγησης/ 1K tokenΧρέωση
Είσοδος $0.005 / 1K token
Διαμόρφωσηtoken εξόδουΠίνακας χρεώσεων—Μονάδα τιμολόγησης/ 1K tokenΧρέωση
Έξοδος $0.02 / 1K token

Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →

Παραδείγματα αιτημάτων

Ailoot Ultra · Απομαγνητοφώνηση

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/gpt-4o-transcribe', '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.\n

Λήψη και αποθήκευση αποτελεσμάτων

Ailoot Ultra · Απομαγνητοφώνηση

Ολόκληρο το αρχικό σώμα απόκρισης, η κατάσταση και οι προωθημένες κεφαλίδες. Αυτός ο χειριστής δεν προσθέτει καθολική δομή JSON, πεδίο κειμένου ή περίβλημα εργασίας.

Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα

Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.

Διατηρήστε ολόκληρη την απόκριση και τις κεφαλίδες, κάθε πραγματικό αποτέλεσμα εξόδου, τα αρχικά αναγνωριστικά που επιστράφηκαν και όλα τα πεδία χρήσης. Ανακτήστε την αρχική λειτουργία χωρίς να υποβάλετε ξανά αίτημα δημιουργίας.

Αν χρειάζεται έλεγχος της αρχικής απάντησης

Διατηρήστε το πραγματικό X-Client-Request-ID και ολόκληρη την απόκριση. Διαβάστε τα αρχικά αρχεία πολυμέσων που σας ανήκουν και τα ακριβή υπογεγραμμένα URL περιεχομένου τους· μην επανυποβάλετε ποτέ αίτημα δημιουργίας με αβέβαιο αποτέλεσμα.

Πεδία απάντησης
ΠεδίοΤύπος
Πεδίοtext (when present)Τύπος
Πεδίοusage (when present)Τύπος
Σφάλματα και επόμενα βήματα
ΑπάντησηΣυνθήκηΕπόμενο βήμα
Απάντηση400 · invalid_request_errorΣυνθήκηΤο σώμα JSON ή το ρητό κανονικό ID μοντέλου δεν είναι έγκυρο.Επόμενο βήμαΔιατηρήστε την απόκριση και διορθώστε το υποδεικνυόμενο πεδίο του αιτήματος.
Απάντηση401 · authentication_errorΣυνθήκηΤο κλειδί API του Ailoot δεν είναι έγκυρο.Επόμενο βήμαΧρησιμοποιήστε το εξουσιοδοτημένο κλειδί API του Ailoot σας.
Απάντηση403 · permission_errorΣυνθήκηΗ ομάδα του κλειδιού δεν επιτρέπει πρόσβαση σε αυτή τη μέθοδο.Επόμενο βήμαΔιατηρήστε τις λεπτομέρειες σφάλματος που επιστρέφονται.
Απάντηση404 · not_found_errorΣυνθήκηΗ επιλεγμένη μέθοδος δεν έχει διαδρομή με άδεια πρόσβασης.Επόμενο βήμαΔιατηρήστε τις λεπτομέρειες σφάλματος που επιστρέφονται.
Απάντηση422 · price_unavailableΣυνθήκηΤο αποδεκτό τιμολόγιο δεν μπορεί να λάβει την απαιτούμενη ποσότητα εισόδου ή το όριό της.Επόμενο βήμαΔιατηρήστε την απόκριση· χρησιμοποιήστε την αναπαράσταση εισόδου που απαιτεί το αποδεκτό τιμολόγιο.
Απάντηση503 · ΣυνθήκηΟ απαιτούμενος χώρος αποθήκευσης, η διαδρομή, η τιμή μεθόδου ή η δέσμευση ποσού δεν είναι διαθέσιμα.Επόμενο βήμαΔιατηρήστε ολόκληρη την αρχική απόκριση. Μια αβέβαιη δέσμευση ποσού δεν αποτελεί άδεια επανυποβολής.
Απάντηση502 · server_errorΣυνθήκηΤο αρχικό αποτέλεσμα, η χρήση ή η εκκαθάριση απαιτεί έλεγχο.Επόμενο βήμαΔιατηρήστε το πραγματικό ID αιτήματος και την αρχική απόκριση. Διαβάστε την υπάρχουσα εγγραφή που σας ανήκει· μην επανυποβάλετε αίτημα δημιουργίας.

Εναλλακτικά ονόματα

Εναλλακτικά ονόματα μοντέλου

Ailoot Ultra openai/gpt-4o-transcribe

Εναλλακτικές διαδρομές μεθόδων

Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.

Σχετικά ID μοντέλων

openai/gpt-4o-transcribe

", "method_identity": { "effective_request_model_id": "openai/gpt-4o-transcribe", "fmt": "transcriptions", "http": "POST", "path": "/v1/audio/transcriptions", "request_model_id": "openai/gpt-4o-transcribe", "route_label": "Ultra" }, "method_key": "Ultra|transcriptions|/v1/audio/transcriptions|openai%2Fgpt-4o-transcribe", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "errors": [ { "code": null, "condition": "Το σώμα JSON ή το ρητό κανονικό ID μοντέλου δεν είναι έγκυρο.", "http_status": 400, "recovery": "Διατηρήστε την απόκριση και διορθώστε το υποδεικνυόμενο πεδίο του αιτήματος.", "type": "invalid_request_error" }, { "code": null, "condition": "Το κλειδί API του Ailoot δεν είναι έγκυρο.", "http_status": 401, "recovery": "Χρησιμοποιήστε το εξουσιοδοτημένο κλειδί API του Ailoot σας.", "type": "authentication_error" }, { "code": null, "condition": "Η ομάδα του κλειδιού δεν επιτρέπει πρόσβαση σε αυτή τη μέθοδο.", "http_status": 403, "recovery": "Διατηρήστε τις λεπτομέρειες σφάλματος που επιστρέφονται.", "type": "permission_error" }, { "code": null, "condition": "Η επιλεγμένη μέθοδος δεν έχει διαδρομή με άδεια πρόσβασης.", "http_status": 404, "recovery": "Διατηρήστε τις λεπτομέρειες σφάλματος που επιστρέφονται.", "type": "not_found_error" }, { "code": null, "condition": "Το αποδεκτό τιμολόγιο δεν μπορεί να λάβει την απαιτούμενη ποσότητα εισόδου ή το όριό της.", "http_status": 422, "recovery": "Διατηρήστε την απόκριση· χρησιμοποιήστε την αναπαράσταση εισόδου που απαιτεί το αποδεκτό τιμολόγιο.", "type": "price_unavailable" }, { "code": null, "condition": "Ο απαιτούμενος χώρος αποθήκευσης, η διαδρομή, η τιμή μεθόδου ή η δέσμευση ποσού δεν είναι διαθέσιμα.", "http_status": 503, "recovery": "Διατηρήστε ολόκληρη την αρχική απόκριση. Μια αβέβαιη δέσμευση ποσού δεν αποτελεί άδεια επανυποβολής.", "type": null }, { "code": null, "condition": "Το αρχικό αποτέλεσμα, η χρήση ή η εκκαθάριση απαιτεί έλεγχο.", "http_status": 502, "operation_id_source": "actual X-Client-Request-ID", "recovery": "Διατηρήστε το πραγματικό ID αιτήματος και την αρχική απόκριση. Διαβάστε την υπάρχουσα εγγραφή που σας ανήκει· μην επανυποβάλετε αίτημα δημιουργίας.", "response_headers": { "x-should-retry": "false" }, "type": "server_error" } ], "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 content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "exact task_id from an existing owned media record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Διατηρήστε το πραγματικό X-Client-Request-ID και ολόκληρη την απόκριση. Διαβάστε τα αρχικά αρχεία πολυμέσων που σας ανήκουν και τα ακριβή υπογεγραμμένα URL περιεχομένου τους· μην επανυποβάλετε ποτέ αίτημα δημιουργίας με αβέβαιο αποτέλεσμα." }, "outputs": { "all_results": "Διατηρήστε ολόκληρη την απόκριση και τις κεφαλίδες, κάθε πραγματικό αποτέλεσμα εξόδου, τα αρχικά αναγνωριστικά που επιστράφηκαν και όλα τα πεδία χρήσης. Ανακτήστε την αρχική λειτουργία χωρίς να υποβάλετε ξανά αίτημα δημιουργίας.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "Ολόκληρο το αρχικό σώμα απόκρισης, η κατάσταση και οι προωθημένες κεφαλίδες. Αυτός ο χειριστής δεν προσθέτει καθολική δομή JSON, πεδίο κειμένου ή περίβλημα εργασίας." }, "parameters": [ { "default_known": false, "enum": [ "openai/gpt-4o-transcribe" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "name": "input_audio", "required": true, "type": "object" } ], "request_schema": { "properties": { "input_audio": { "properties": { "data": { "contentEncoding": "base64", "type": "string" }, "format": { "type": "string" } }, "required": [ "data", "format" ], "type": "object" }, "model": { "enum": [ "openai/gpt-4o-transcribe" ], "type": "string" } }, "required": [ "model", "input_audio" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": true, "body": { "input_audio": { "data": "${BASE64_ACTUAL_WAV_BYTES}", "format": "wav" }, "model": "openai/gpt-4o-transcribe" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_conditions": [ "Το παράδειγμα διαβάζει το πραγματικό, μη κενό αρχείο PCM WAV σας, κωδικοποιεί όλα τα byte του αρχείου σε base64 και στέλνει το input_audio.format ως wav." ], "material_types": [ "audio" ], "required": [ "model", "input_audio" ] }, "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 content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "ακριβές task_id από υπάρχουσα εγγραφή πολυμέσων που σας ανήκουν", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain the actual X-Client-Request-ID and complete response. Read the original owned assets and their exact signed content URLs; never resubmit an uncertain creation." }, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "Complete original response body, status and forwarded headers. No universal JSON shape, text field or task envelope is added by this handler." } }, "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": "/ 1K tokens" }, "label": "input token", "units": [ { "amount": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "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" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "output token", "units": [ { "amount": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "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" } ] } ], "examples": [ { "code": "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/gpt-4o-transcribe', '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.\n", "label": "curl · actual WAV file and complete original result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "The example reads your actual nonempty PCM WAV file, encodes the complete file bytes as base64 and sends input_audio.format as wav.", "The format value in the example is the documented recipe; no model-specific format list, limit or default is asserted.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Απομαγνητοφώνηση", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "audio_transcriptions", "out": null, "output": [ "text" ], "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": { "input_token": 5e-06, "output_token": 2e-05 } }, "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": "/ 1K tokens" }, "label": "input token", "units": [ { "amount": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "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" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "output token", "units": [ { "amount": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "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" } ] } ], "request_model_id": "openai/gpt-4o-transcribe", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}" ], "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": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "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": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "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" } ] } } ], "model_id": "openai/gpt-4o-transcribe", "nativeProvenance": { "input_facts_canonical_sha256": "46c1bc131bb9c11e30d83404f20d559f279456610fd97c0ff803139b688ba478", "input_html_sha256": "29557bf60757b20efce68b24c91c4c13d206184f6d05a3891406ed20bded9a5c", "private_audit_sha256": "944a1e440e8b5b92398ed5e7f5e9f1911e15665ccf03b8de3006aba251ac90b7", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/el/openai-gpt-4o-transcribe/", "description": "Το GPT-4o Transcribe μετατρέπει ήχο σε κείμενο χρησιμοποιώντας τις δυνατότητες αναγνώρισης ομιλίας GPT-4o της OpenAI. Υποστηρίζει οδηγίες με συμφραζόμενα, υπόδειξη της γλώσσας εισόδου, απομαγνητοφωνήσεις JSON, σταδιακή έξοδο από αρχείο και προαιρετικές λογαριθμικές πιθανότητες tokens για έλεγχο αβέβαιων διατυπώσεων.", "locale": "el", "md_url": "https://ailoot.ai/models/el/openai-gpt-4o-transcribe/index.md", "title": "OpenAI: GPT-4o Transcribe — Ailoot", "url": "https://ailoot.ai/models/el/openai-gpt-4o-transcribe/" }, "rawModel": { "about": "Το GPT-4o Transcribe είναι το μοντέλο μετατροπής ομιλίας σε κείμενο της OpenAI που βασίζεται στο GPT-4o. Η είσοδός του είναι ήχος με προαιρετική καθοδήγηση κειμένου και η έξοδός του είναι το αναγνωρισμένο κείμενο. Διαφέρει από την έκδοση GPT-4o Mini Transcribe και από το GPT-4o Transcribe Diarize, το εξειδικευμένο μοντέλο ετικετών ομιλητών. Χρησιμοποιήστε αυτό το προφίλ για να προετοιμάσετε μια πιστή γραπτή καταγραφή προφορικού υλικού, διατηρώντας διαθέσιμη την αρχική ηχογράφηση για έλεγχο και μεταγενέστερη συντακτική επεξεργασία.\n\n### Είσοδος αρχείων και προετοιμασία εκτενούς υλικού\n\nΟ οδηγός απομαγνητοφώνησης της OpenAI τεκμηριώνει μεταφορτώσεις έως 25 MB. Η τρέχουσα αναφορά του τελικού σημείου δέχεται FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV και WebM και συνιστά μεταδεδομένα αρχείου που προσδιορίζουν τη μορφή, συμπεριλαμβανομένου ονόματος αρχείου με επέκταση και κατάλληλου τύπου περιεχομένου. Για μια μεγαλύτερη ηχογράφηση, η συμπίεση ή τα διατεταγμένα μέρη των 25 MB ή λιγότερο ακολουθούν τις οδηγίες του παρόχου για μεγαλύτερη είσοδο. Αποφύγετε τον διαχωρισμό στη μέση μιας πρότασης και διατηρήστε τη θέση κάθε μέρους στην πλήρη ηχογράφηση.\n\nΓια μια συνέντευξη, συσχετίστε κάθε αρχείο εισόδου με την ηχογράφηση και το απόσπασμα που καλύπτει. Για μια τεχνική παρουσίαση, προετοιμάστε τα σχετικά ονόματα προϊόντων, ακρωνύμια και την ορολογία του πεδίου ως συμφραζόμενα και έπειτα ελέγξτε αυτές τις γραφές έναντι όσων πράγματι είπε ο ομιλητής. Για μια ηχογραφημένη εξήγηση με αριθμητικές τιμές, ελέγξτε την απομαγνητοφώνηση μαζί με την πηγή πριν τη μετατρέψετε σε γραπτή διαδικασία. Το επιδιωκόμενο πρώτο παραδοτέο είναι αναγνωρισμένη ομιλία σε μορφή κειμένου· μια συνοπτική αναφορά ή ένα μεταφρασμένο έγγραφο μπορούν να προετοιμαστούν από αυτό το κείμενο ως ξεχωριστό βήμα.\n\n### Οδηγίες για τη συγκεκριμένη ηχογράφηση και επιλογή γλώσσας\n\nΟ οδηγός του παρόχου περιλαμβάνει ρητά το GPT-4o Transcribe στην υποστήριξη οδηγιών απομαγνητοφώνησης. Οι οδηγίες μπορούν να παρέχουν σωστές γραφές, συμφραζόμενα από προηγούμενο τμήμα και προτιμήσεις για στίξη, χρήση κεφαλαίων, λεκτικά γεμίσματα ή σύστημα γραφής. Η αναφορά δηλώνει ότι πρέπει να ταιριάζουν με τη γλώσσα της ηχογράφησης. Μια σύντομη, σχετική περιγραφή του θέματος και του λεξιλογίου δίνει χρήσιμα συμφραζόμενα στην απομαγνητοφώνηση χωρίς να αντιμετωπίζει όρους που δεν ειπώθηκαν ως απαιτούμενη έξοδο.\n\nΑυτό το προφίλ υποστηρίζει την παράμετρο language στον ενικό, τεκμηριωμένη στη μορφή ISO 639-1. Η παροχή της πραγματικής γλώσσας εισόδου μπορεί να βοηθήσει την αναγνώριση. Τα νεότερα πεδία keywords και languages στον πληθυντικό του GPT Transcribe ανήκουν σε εκείνο το ξεχωριστά ονομαζόμενο μοντέλο και δεν πρέπει να θεωρούνται διαθέσιμα για το GPT-4o Transcribe. Διατηρήστε τη ρύθμιση γλώσσας συνδεδεμένη με την ομιλία που απομαγνητοφωνείτε και διατηρήστε την αρχική διατύπωση πριν από κάθε μεταγενέστερη μετάφραση ή υφολογική αναδιατύπωση.\n\n### Μορφή αποτελέσματος, πιθανότητες και εξειδικευμένες έξοδοι\n\nΗ τρέχουσα αναφορά του τελικού σημείου τεκμηριώνει το JSON ως την υποστηριζόμενη μορφή απάντησης του GPT-4o Transcribe. Το αποτέλεσμα περιέχει αναγνωρισμένο κείμενο και μπορούν να ζητηθούν προαιρετικές λογαριθμικές πιθανότητες tokens με αυτήν τη μορφή JSON. Τα δεδομένα πιθανοτήτων περιγράφουν την επιλογή tokens από το μοντέλο. Μπορούν να δείξουν ποια αποσπάσματα αξίζουν εξέταση, αλλά η σύγκριση με τον ήχο αποδεικνύει αν η απομαγνητοφώνηση αναπαράγει ένα δύσκολο όνομα, αριθμό ή φράση.\n\nΤο αποτέλεσμα JSON του τυπικού προφίλ δεν παρέχει εγγενείς μορφές υποτίτλων, αναλυτικές χρονικές σημάνσεις λέξεων ή αναθέσεις ομιλητών. Η OpenAI τεκμηριώνει άλλες επιλογές μοντέλων και μορφών όταν χρειάζονται αυτές οι έξοδοι· το GPT-4o Transcribe Diarize είναι η ξεχωριστή έκδοση ετικετών ομιλητών. Για μια εργασία υποτιτλισμού, διατηρήστε μια ελεγμένη απομαγνητοφώνηση για κατάλληλο βήμα χρονισμού. Για μια συνομιλία, μην επινοείτε ονόματα ομιλητών μόνο επειδή μια παράγραφος της απομαγνητοφώνησης φαίνεται να αλλάζει θέμα ή φωνή.\n\n### Σταδιακά αποτελέσματα από ολοκληρωμένο αρχείο\n\nΟ οδηγός μετατροπής ομιλίας σε κείμενο της OpenAI αναφέρει ότι οι υπάρχουσες ενσωματώσεις GPT-4o Transcribe υποστηρίζουν συνεχή ροή από αρχεία. Η εφαρμογή παρέχει πρώτα την ηχογράφηση, έπειτα λαμβάνει το κείμενο απομαγνητοφώνησης καθώς γίνεται η επεξεργασία της και διατηρεί το ολοκληρωμένο αποτέλεσμα. Αυτό μεταδίδει σταδιακά την απομαγνητοφώνηση μιας ολοκληρωμένης ηχογράφησης αντί να δέχεται ήχο μικροφώνου καθώς φτάνει. Η ακριβής κάρτα του μοντέλου αναφέρει επίσης τις οικογένειες τελικών σημείων απομαγνητοφώνησης και Realtime· η συμπεριφορά συνεδρίας για το συγκεκριμένο μοντέλο πρέπει να παραμένει συνδεδεμένη με αυτό το προφίλ, αντί να δανείζεται από ένα νεότερο μοντέλο συνεχούς ροής.\n\n### Όρια μοντέλου και έλεγχος του τελικού παραδοτέου\n\nΗ τρέχουσα προδιαγραφή του GPT-4o Transcribe αναφέρει παράθυρο συμφραζομένων 16.000 tokens, μέγιστη έξοδο 2.000 tokens και όριο γνώσεων την 1η Ιουνίου 2024. Αυτά τα όρια tokens δεν είναι σταθερή διάρκεια ήχου και δεν αντικαθιστούν τους κανόνες προετοιμασίας για απομαγνητοφώνηση αρχείων. Για μια εκτενή ηχογράφηση, διατηρήστε τη σειρά της πηγής και τα σχετικά προηγούμενα συμφραζόμενα και έπειτα επαληθεύστε ότι το ολοκληρωμένο κείμενο φτάνει στο τέλος κάθε επιδιωκόμενου τμήματος.\n\nΜια χρήσιμη τελική απομαγνητοφώνηση μπορεί να γίνει αναζητήσιμο υλικό συνέντευξης, πηγή τεχνικής τεκμηρίωσης ή κείμενο για μεταγενέστερη ροή υποτιτλισμού. Ελέγξτε αβέβαιο λεξιλόγιο, ποσότητες, στίξη, προφορές και επικαλυπτόμενη ομιλία έναντι της ηχογράφησης. Διατηρήστε το αναγνωρισμένο κείμενο χωριστά από μεταγενέστερες διορθώσεις ή συνόψεις και διατηρήστε τη σύνδεση με την πηγή μέσω αναγνωριστικών στην περιβάλλουσα ροή εργασίας. Το μοντέλο παρέχει γραπτή καταγραφή· η προσεκτική προετοιμασία εισόδου και ο έλεγχος της πηγής καθορίζουν αν αυτή η καταγραφή είναι κατάλληλη για την επόμενη χρήση.", "alias_of": null, "aliases": [], "author": "OpenAI", "capabilities": { "context_length": 128000, "manufacturer_input": [ "audio" ], "manufacturer_output": [ "transcription" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "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": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "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" } ], "summary": "Πλήρης τιμολόγηση της διαμόρφωσης στις λεπτομέρειες." } ], "ctx": null, "formats": [ "transcriptions" ], "id": "openai/gpt-4o-transcribe", "input": [ "audio" ], "kind": "audio", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "errors": [ { "code": null, "condition": "Το σώμα JSON ή το ρητό κανονικό ID μοντέλου δεν είναι έγκυρο.", "http_status": 400, "recovery": "Διατηρήστε την απόκριση και διορθώστε το υποδεικνυόμενο πεδίο του αιτήματος.", "type": "invalid_request_error" }, { "code": null, "condition": "Το κλειδί API του Ailoot δεν είναι έγκυρο.", "http_status": 401, "recovery": "Χρησιμοποιήστε το εξουσιοδοτημένο κλειδί API του Ailoot σας.", "type": "authentication_error" }, { "code": null, "condition": "Η ομάδα του κλειδιού δεν επιτρέπει πρόσβαση σε αυτή τη μέθοδο.", "http_status": 403, "recovery": "Διατηρήστε τις λεπτομέρειες σφάλματος που επιστρέφονται.", "type": "permission_error" }, { "code": null, "condition": "Η επιλεγμένη μέθοδος δεν έχει διαδρομή με άδεια πρόσβασης.", "http_status": 404, "recovery": "Διατηρήστε τις λεπτομέρειες σφάλματος που επιστρέφονται.", "type": "not_found_error" }, { "code": null, "condition": "Το αποδεκτό τιμολόγιο δεν μπορεί να λάβει την απαιτούμενη ποσότητα εισόδου ή το όριό της.", "http_status": 422, "recovery": "Διατηρήστε την απόκριση· χρησιμοποιήστε την αναπαράσταση εισόδου που απαιτεί το αποδεκτό τιμολόγιο.", "type": "price_unavailable" }, { "code": null, "condition": "Ο απαιτούμενος χώρος αποθήκευσης, η διαδρομή, η τιμή μεθόδου ή η δέσμευση ποσού δεν είναι διαθέσιμα.", "http_status": 503, "recovery": "Διατηρήστε ολόκληρη την αρχική απόκριση. Μια αβέβαιη δέσμευση ποσού δεν αποτελεί άδεια επανυποβολής.", "type": null }, { "code": null, "condition": "Το αρχικό αποτέλεσμα, η χρήση ή η εκκαθάριση απαιτεί έλεγχο.", "http_status": 502, "operation_id_source": "actual X-Client-Request-ID", "recovery": "Διατηρήστε το πραγματικό ID αιτήματος και την αρχική απόκριση. Διαβάστε την υπάρχουσα εγγραφή που σας ανήκει· μην επανυποβάλετε αίτημα δημιουργίας.", "response_headers": { "x-should-retry": "false" }, "type": "server_error" } ], "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 content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "exact task_id from an existing owned media record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Διατηρήστε το πραγματικό X-Client-Request-ID και ολόκληρη την απόκριση. Διαβάστε τα αρχικά αρχεία πολυμέσων που σας ανήκουν και τα ακριβή υπογεγραμμένα URL περιεχομένου τους· μην επανυποβάλετε ποτέ αίτημα δημιουργίας με αβέβαιο αποτέλεσμα." }, "outputs": { "all_results": "Διατηρήστε ολόκληρη την απόκριση και τις κεφαλίδες, κάθε πραγματικό αποτέλεσμα εξόδου, τα αρχικά αναγνωριστικά που επιστράφηκαν και όλα τα πεδία χρήσης. Ανακτήστε την αρχική λειτουργία χωρίς να υποβάλετε ξανά αίτημα δημιουργίας.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "Ολόκληρο το αρχικό σώμα απόκρισης, η κατάσταση και οι προωθημένες κεφαλίδες. Αυτός ο χειριστής δεν προσθέτει καθολική δομή JSON, πεδίο κειμένου ή περίβλημα εργασίας." }, "parameters": [ { "default_known": false, "enum": [ "openai/gpt-4o-transcribe" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "name": "input_audio", "required": true, "type": "object" } ], "request_schema": { "properties": { "input_audio": { "properties": { "data": { "contentEncoding": "base64", "type": "string" }, "format": { "type": "string" } }, "required": [ "data", "format" ], "type": "object" }, "model": { "enum": [ "openai/gpt-4o-transcribe" ], "type": "string" } }, "required": [ "model", "input_audio" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": true, "body": { "input_audio": { "data": "${BASE64_ACTUAL_WAV_BYTES}", "format": "wav" }, "model": "openai/gpt-4o-transcribe" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_conditions": [ "Το παράδειγμα διαβάζει το πραγματικό, μη κενό αρχείο PCM WAV σας, κωδικοποιεί όλα τα byte του αρχείου σε base64 και στέλνει το input_audio.format ως wav." ], "material_types": [ "audio" ], "required": [ "model", "input_audio" ] }, "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 content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "ακριβές task_id από υπάρχουσα εγγραφή πολυμέσων που σας ανήκουν", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain the actual X-Client-Request-ID and complete response. Read the original owned assets and their exact signed content URLs; never resubmit an uncertain creation." }, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "Complete original response body, status and forwarded headers. No universal JSON shape, text field or task envelope is added by this handler." } }, "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": "/ 1K tokens" }, "label": "input token", "units": [ { "amount": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "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" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "output token", "units": [ { "amount": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "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" } ] } ], "examples": [ { "code": "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/gpt-4o-transcribe', '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.\n", "label": "curl · actual WAV file and complete original result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "The example reads your actual nonempty PCM WAV file, encodes the complete file bytes as base64 and sends input_audio.format as wav.", "The format value in the example is the documented recipe; no model-specific format list, limit or default is asserted.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Απομαγνητοφώνηση", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "audio_transcriptions", "out": null, "output": [ "text" ], "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": { "input_token": 5e-06, "output_token": 2e-05 } }, "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": "/ 1K tokens" }, "label": "input token", "units": [ { "amount": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "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" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "output token", "units": [ { "amount": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "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" } ] } ], "request_model_id": "openai/gpt-4o-transcribe", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}" ], "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": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "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": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "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" } ] } ], "model_aliases": [ { "canonical_model_id": "openai/gpt-4o-transcribe", "request_model_id": "openai/gpt-4o-transcribe", "route_label": "Ultra" } ], "name": "OpenAI: GPT-4o Transcribe", "price": { "in": null, "in_label": null, "out": 0.02, "out_label": "/ 1K tokens", "sort_in": null, "sort_out": 0.02, "varies": true }, "short": "Το GPT-4o Transcribe μετατρέπει ήχο σε κείμενο χρησιμοποιώντας τις δυνατότητες αναγνώρισης ομιλίας GPT-4o της OpenAI. Υποστηρίζει οδηγίες με συμφραζόμενα, υπόδειξη της γλώσσας εισόδου, απομαγνητοφωνήσεις JSON, σταδιακή έξοδο από αρχείο και προαιρετικές λογαριθμικές πιθανότητες tokens για έλεγχο αβέβαιων διατυπώσεων." }, "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": "Το GPT-4o Transcribe μετατρέπει ήχο σε κείμενο χρησιμοποιώντας τις δυνατότητες αναγνώρισης ομιλίας GPT-4o της OpenAI. Υποστηρίζει οδηγίες με συμφραζόμενα, υπόδειξη της γλώσσας εισόδου, απομαγνητοφωνήσεις JSON, σταδιακή έξοδο από αρχείο και προαιρετικές λογαριθμικές πιθανότητες tokens για έλεγχο αβέβαιων διατυπώσεων.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "7484c2116b0821880392e66dd4cfba14a4e914bdd72d06ded90567ea51375d42", "renderer_sha256": "3ed36f7af4f78822bafbd174fdcaed7b698a18a86efe254253d37f1b098a7566" }, "sourceRevision": "17ec393dec9b64b5e86984adbd88773f36c7eab284814e5e7018b6c18ca44592" }