OpenAI: GPT-4o Mini Transcribe

GPT-4o Mini Transcribe on OpenAI:n GPT-4o Miniin perustuva puheesta tekstiksi -malli. Se muuttaa äänen JSON-tekstiksi, tukee tallennekohtaisia tekstikehotteita ja tiedostotulosten suoratoistoa ja voi palauttaa tokenien logaritmisia todennäköisyyksiä tekstin kohdennettuun tarkastukseen.

Ailoot Ultra · Litterointi POST /v1/audio/transcriptions openai/gpt-4o-mini-transcribe

Tietoa mallista

Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.

GPT-4o Mini Transcribe on OpenAI:n GPT-4o Miniin perustuva puheesta tekstiksi -malli. Se hyväksyy ääntä ja valinnaista tekstiohjausta ja tuottaa tunnistettua tekstiä. Se on eri malli kuin GPT-4o Transcribe, joka käyttää GPT-4o:ta, ja uudempi GPT Transcribe -profiili, jolla on erilliset avainsana- ja monikielisyysvihjeiden kentät. Hyödyllinen tuotos on tässä tallenteen alkuperäisen puheen teksti hakua, tarkastusta tai seuraavaa sisällönkäsittelyvaihetta varten.

Tallenteen valmistelu

OpenAI:n tiedoston litterointiopas hyväksyy enintään 25 MB:n äänilataukset. Sen nykyinen päätepisteviite luettelee FLAC-, MP3-, MP4-, MPEG-, MPGA-, M4A-, OGG-, WAV- ja WebM-tiedostot sekä riittävät tiedostonimi- ja sisältötyyppimetatiedot äänimuodon tunnistamiseen. Suuremmat tallenteet voidaan pakata tai jakaa enintään 25 MB:n osiin. Säilytä lauserajat jaettaessa ja pidä jokainen osa yhteydessä lähdetallenteeseen ja sijaintiinsa, jotta teksti voidaan myöhemmin koota oikeaan järjestykseen.

Säilytä äänimuistiinpanoista yksi tunnistettava teksti tallennetta kohden ja tarkista nimet tai numerot ennen tekstin käyttöä tehtävien luomiseen. Vertaa puhutun opastuksen tunnistettua sanamuotoa alkuperäisiin ohjeisiin ennen julkaisumuokkausta. Hyödyllinen valmistelutehtävänanto määrittää puhutun kielen ja termit, jotka muuten voitaisiin kuulla väärin. Sanojen litterointi on ensimmäinen vaihe; tulkinta, yhteenveto tai käännös voi käyttää tarkastettua tekstiä sen jälkeen.

Kehoteohjaus ja yksi kielivihje

Olemassa olevat GPT-4o Mini Transcribe -integraatiot tukevat vapaamuotoista kehotetta. OpenAI kuvaa kehotteita nimille, lyhenteille, tallennekohtaiselle sanastolle, välimerkeille, kirjainkoolle, täytesanoille ja halutulle kirjoitusjärjestelmälle. Päätepisteviitteen mukaan kehotteen pitää vastata äänen kieltä, ja se voi tuoda kontekstia edeltävästä äänijaksosta. Sisällytä olennaisia kirjoitusasuja tai lyhyt aiheen kuvaus sen sijaan, että pyytäisit litterointikehotetta toimimaan rajattomana keskusteluohjeena.

Tämän mallin vakiintunut kielivihje käyttää yksikkömuotoista language-kenttää. Tuottajan viite dokumentoi ISO 639-1 -muotoisen syötekielikoodin, kuten en. Erilliset keywords- ja monikolliset languages-kentät on dokumentoitu GPT Transcribelle; ne eivät kuulu tähän Mini-profiiliin. Säilytä tallennesarjan jokaisen syötteen yhteydessä tavoiteltu puhutun kielen asetus sen sijaan, että tulkitsisit sen pyynnöksi kääntää tulos.

JSON-tulos ja valinnaiset tokenitodennäköisyydet

Nykyinen päätepisteviite dokumentoi JSONin GPT-4o Mini Transcriben tuetuksi vastausmuodoksi. Tunnistettu sanamuoto näkyy text-kentässä. Pyydettäessä JSON-vastaukseen voi liittyä tokenien logaritmisia todennäköisyyksiä; arvot kuvaavat mallin tokenitodennäköisyyksiä ja voivat auttaa tarkempaan tarkastukseen sopivan aineiston tunnistamisessa. Ne eivät vahvista, että nimi, numero tai lause vastaa ääntä. Ratkaise tallenteen avulla, pitääkö epävarma sana korjata.

Tavallinen Mini-litterointiprofiili ei tarjoa tämän JSON-määrityksen kautta natiiveja SRT- tai VTT-tulosteita, yksityiskohtaisia sanojen aikaleimoja tai puhujatunnisteisia tulosteita. OpenAI dokumentoi näihin kykyihin erikoistuneita malleja ja muotoja. Jos tavoiteltu tuotos on tekstitysraita, säilytä tarkastettu teksti erillistä ajoitustyönkulkua varten sen sijaan, että olettaisit pelkän tekstituloksen sisältävän jo tekstityksen rajat.

Tiedostotuloksen suoratoisto ja dokumentoidut toimintatavat

Tuottajan puheesta tekstiksi -opas kertoo nimenomaisesti, että olemassa olevat GPT-4o Mini Transcribe -integraatiot tukevat tiedoston suoratoistoa. Valmis tallenne voi tuottaa osittaista tekstiä ja sen jälkeen lopullisen tuloksen käsittelyn aikana. Säilytä lopullinen teksti valmiina tuotoksena; osittaisen tekstin ilmestyminen ei tarkoita, että tiedostotyönkulku vastaanottaisi jatkuvasti suoraa mikrofoniääntä. Mallikortti luettelee erikseen litteroinnin ja Realtime-päätepisteperheet. Nämä tuottajan rajapinnat eivät tarkoita, että jokainen toisen litterointimallin istuntokenttä soveltuisi tähän.

Konteksti, tulosteen raja ja hyödylliset tarkistukset

OpenAI:n nykyinen mallimääritys ilmoittaa konteksti-ikkunaksi 16000 tokenia, enimmäistulosteeksi 2000 tokenia ja tietojen katkaisupäiväksi 1. kesäkuuta 2024. Nämä ovat mallimäärityksen lukuja eivätkä äänitallenteen yleistä minuuttikestoa. Tiedostokokosääntö ja tokeniraja kuvaavat eri rajoitteita. Valmistele pitkä aineisto dokumentoidun tiedostotyönkulun mukaisesti, siirrä olennainen konteksti osien välillä ja tarkista, että lopullinen teksti sisältää lähteen lopun.

Hyödyllinen Mini Transcribe -tulos säilyttää sanamuodon ja sen suhteen tallenteeseen sekä pitää valinnaiset todennäköisyystiedot erillään toimituksellisista korjauksista. Tarkasta vieras sanasto, aksentit, taustamelu, kielenvaihdokset ja päällekkäinen puhe pitäen alkuperäinen ääni saatavilla. Kun muokkaat tekstiä luettavammaksi, erota toimitettu versio tunnistetusta tekstistä, jotta myöhemmät käyttäjät voivat nähdä, mikä sanamuoto tuli tallenteesta ja mikä muutettiin valmistelussa.

Ailoot Ultra · Litterointi POST /v1/audio/transcriptions openai/gpt-4o-mini-transcribe

openai/gpt-4o-mini-transcribe

OpenAI /openai/gpt-4o-mini-transcribe

Aloitus

Hyväksytyt syötteet: Ääni
Tulokset: Teksti

Saatavilla Ailootissa · syötteet & menetelmät

Ailoot Ultra · Litterointi POST /v1/audio/transcriptions

Syötetyypit: audio
Tulostyypit: text

Kenttä	Tyyppi	Vaatimus	Arvot & rajat	Oletus
Kenttä`model`	Tyyppi`string`	VaatimusPakollinen	Arvot & rajat openai/gpt-4o-mini-transcribe	Oletus—
Kenttä`input_audio`	Tyyppi`object`	VaatimusPakollinen	Arvot & rajat	Oletus—

Menetelmän parametrit ja elinkaari

Parametri	Sopimus
Parametri`content_type`	Sopimusapplication/json
Parametri`required`	Sopimusmodel, input_audio
Parametri`material_types`	Sopimusaudio
Parametri`material_conditions`	SopimusEsimerkki lukee todellisen, ei-tyhjän PCM WAV -tiedostosi, koodaa tiedoston kaikki tavut base64-muotoon ja lähettää input_audio.format-kentän arvona wav.

Elinkaari: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · täsmällinen task_id olemassa olevasta käyttäjälle kuuluvasta mediatietueesta

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Hinnoittelu

Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.

Nopea tila: Ei määritetty Kun nopea tila on valittu
Flex-tila: Ei määritetty Kun flex-tila on valittu
Päättelyn enimmäisteho: Ei määritetty Kun päättelyn enimmäistehoon sovelletaan default-oletussäätöä

Ailoot-hinnat

Hinnat asetusten mukaan

Kohdista kukin veloitus näytettyihin ehtoihin. Käytä yhtä hintaa kutakin vaihtoehtoisten asetusten ryhmää kohden.

Asetukset	Hinnasto	Laskutusyksikkö	Veloitus
AsetuksetTokenien perushinnat	HinnastoPerushinta	Laskutusyksikkö—	Veloitus Syöte · Syötetokenit — / 1K tokenia Tuloste · Tulostokenit — / 1K tokenia Syöte · Välimuistin luku — / 1K tokenia Syöte · Välimuistiin kirjoitus — / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia
Asetuksetsyötetoken	Hinnasto—	Laskutusyksikkö/ 1K tokenia	Veloitus Syöte $0.0025 / 1K tokenia
Asetuksettulostetoken	Hinnasto—	Laskutusyksikkö/ 1K tokenia	Veloitus Tuloste $0.01 / 1K tokenia

Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →

Esimerkkipyynnöt

Ailoot Ultra · Litterointi

curl · todellinen WAV-tiedosto ja koko alkuperäinen tulos

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"
export AILOOT_AUDIO_FILE
python3 - <<'PY_REQUEST'
import base64, io, json, os, wave
from pathlib import Path
audio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):
    raise SystemExit('Supply your actual PCM WAV audio file')
with wave.open(io.BytesIO(audio), 'rb') as recording:
    if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:
        raise SystemExit('Supply a nonempty PCM WAV recording')
request = {'model': 'openai/gpt-4o-mini-transcribe', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}
Path('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete original response, headers and actual X-Client-Request-ID.
# Read existing owned records for recovery; do not resubmit an uncertain operation.

Vastaanota ja tallenna tulokset

Ailoot Ultra · Litterointi

Koko alkuperäinen vastaussisältö, tila ja välitetyt otsakkeet. Tämä käsittelijä ei lisää yleistä JSON-rakennetta, tekstikenttää tai tehtävän käärettä.

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

Säilytä kaikki valmistuneet tulokset

Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.

Säilytä koko vastaus ja otsakkeet, jokainen todellinen tuloste, alkuperäiset palautetut tunnisteet ja kaikki käyttötietokentät. Selvitä alkuperäisen operaation tila lähettämättä luontipyyntöä uudelleen.

Jos alkuperäinen vastaus on tarkistettava

Säilytä todellinen X-Client-Request-ID ja koko vastaus. Lue alkuperäisiä käyttäjälle kuuluvia aineistoja ja niiden täsmällisiä allekirjoitettuja sisällön URL-osoitteita; älä koskaan lähetä epävarmaa luontipyyntöä uudelleen.

Vastauksen kentät

Kenttä	Tyyppi
Kenttä`text (when present)`	Tyyppi
Kenttä`usage (when present)`	Tyyppi

Virheet ja seuraavat vaiheet

Vastaus	Ehto	Seuraava vaihe
Vastaus400 · `invalid_request_error`	EhtoJSON-sisältö tai nimenomainen kanoninen mallin tunniste on virheellinen.	Seuraava vaiheSäilytä vastaus ja korjaa ilmoitettu pyyntökenttä.
Vastaus401 · `authentication_error`	EhtoAiloot API -avain on virheellinen.	Seuraava vaiheKäytä käyttöön oikeutettua Ailoot API -avaintasi.
Vastaus403 · `permission_error`	EhtoAvaimen ryhmällä ei ole käyttöoikeutta tähän menetelmään.	Seuraava vaiheSäilytä palautetut virheen lisätiedot.
Vastaus404 · `not_found_error`	EhtoValitulla menetelmällä ei ole käyttöön hyväksyttyä reittiä.	Seuraava vaiheSäilytä palautetut virheen lisätiedot.
Vastaus422 · `price_unavailable`	EhtoHyväksytyn hinnaston edellyttämää syötemäärää tai sen rajaa ei saada selville.	Seuraava vaiheSäilytä vastaus; käytä hyväksytyn hinnaston edellyttämää syötteen esitysmuotoa.
Vastaus503 ·	EhtoVaadittu tallennustila, reitti, menetelmän hinta tai katevaraus ei ole saatavilla.	Seuraava vaiheSäilytä koko alkuperäinen vastaus. Epävarma katevaraus ei oikeuta uudelleenlähetykseen.
Vastaus502 · `server_error`	EhtoAlkuperäinen tulos, käyttötiedot tai veloituksen lopullinen kirjaus on tarkistettava.	Seuraava vaiheSäilytä todellinen pyynnön tunniste ja alkuperäinen vastaus. Lue olemassa olevaa käyttäjälle kuuluvaa tietuetta; älä lähetä luontipyyntöä uudelleen.

Aliakset

Mallin aliakset

Ailoot Ultra openai/gpt-4o-mini-transcribe

Menetelmäpolkujen aliakset

Käytä yllä näytettyjä menetelmäpolkuja.

Liittyvät kutsujan ID:t

openai/gpt-4o-mini-transcribe

FAQ · OpenAI: GPT-4o Mini Transcribe

Mitä syötteitä ja tuloksia on saatavilla?: POST /v1/audio/transcriptions · openai/gpt-4o-mini-transcribe: audio → text
Mitä kenttiä pyyntö käyttää?: POST /v1/audio/transcriptions · openai/gpt-4o-mini-transcribe: model, input_audio

OpenAI: GPT-4o Mini Transcribe