OpenAI: GPT-4o Transcribe
GPT-4o Transcribe muuttaa äänen tekstiksi OpenAI:n GPT-4o-puheentunnistuskyvyillä. Se tukee kontekstikehotteita, syötekielen vihjettä, JSON-tekstejä, tiedostotuloksen suoratoistoa ja valinnaisia tokenien logaritmisia todennäköisyyksiä epävarman sanamuodon tarkastamiseen.
Tietoa mallista
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
GPT-4o Transcribe on OpenAI:n GPT-4o:hon perustuva puheesta tekstiksi -malli. Sen syöte on ääntä ja valinnaista tekstiohjausta ja tuloste tunnistettua tekstiä. Se eroaa GPT-4o Mini Transcribe -versiosta ja GPT-4o Transcribe Diarize -mallista, joka on erikoistunut puhujatunnisteisiin. Käytä tätä profiilia puhutun aineiston uskolliseen tekstimuotoiseen tallentamiseen säilyttäen lähdetallenne tarkastusta ja myöhempää toimitustyötä varten.
Tiedostosyöte ja pitkän aineiston valmistelu
OpenAI:n litterointiopas dokumentoi enintään 25 MB:n lataukset. Nykyinen päätepisteviite hyväksyy FLAC-, MP3-, MP4-, MPEG-, MPGA-, M4A-, OGG-, WAV- ja WebM-tiedostot ja suosittelee muodon tunnistavia tiedostometatietoja, kuten tiedostotunnisteen sisältävää nimeä ja sopivaa sisältötyyppiä. Suuremman tallenteen pakkaaminen tai jakaminen järjestetyiksi enintään 25 MB:n osiksi noudattaa tuottajan pidemmän syötteen ohjetta. Vältä jakoa keskellä lausetta ja säilytä kunkin osan sijainti koko tallenteessa.
Yhdistä haastattelun jokainen syötetiedosto tallenteeseen ja sen kattamaan jaksoon. Valmistele tekniseen esitykseen olennaiset tuotenimet, lyhenteet ja alan sanasto kontekstiksi ja tarkista sitten kirjoitusasut puhujan todellisia sanoja vasten. Tarkasta numeerisia arvoja sisältävän selityksen teksti lähteen rinnalla ennen sen muuttamista kirjalliseksi toimintaohjeeksi. Ensimmäinen tavoiteltu tuotos on tunnistettu puhe tekstimuodossa; tiivistetty raportti tai käännetty dokumentti voidaan valmistella tästä tekstistä erillisenä vaiheena.
Tallennekohtaiset kehotteet ja kielivalinta
Tuottajan opas sisällyttää GPT-4o Transcriben nimenomaisesti kehotetukeen. Kehote voi antaa oikeita kirjoitusasuja, aiemman jakson kontekstia ja toiveita välimerkeistä, kirjainkoosta, täytesanoista tai kirjoitusjärjestelmästä. Viitteen mukaan sen pitää vastata tallenteen kieltä. Lyhyt, olennainen aiheen ja sanaston kuvaus antaa litteroinnille hyödyllistä kontekstia käsittelemättä lausumattomia termejä pakollisena tulosteena.
Tämä profiili tukee yksikkömuotoista language-vihjettä, joka on dokumentoitu ISO 639-1 -muodossa. Todellisen syötekielen antaminen voi auttaa tunnistamista. Uudempi keywords-kenttä ja monikollinen languages-kenttä kuuluvat erikseen nimetylle GPT Transcribe -mallille, eikä niitä pidä olettaa GPT-4o Transcribe -mallille. Pidä kieliasetus yhteydessä litteroitavaan puheeseen ja säilytä alkuperäinen sanamuoto ennen myöhempää käännöstä tai tyylillistä uudelleenkirjoitusta.
Tulosmuoto, todennäköisyydet ja erikoistuneet tulosteet
Nykyinen päätepisteviite dokumentoi JSONin GPT-4o Transcriben tuetuksi vastausmuodoksi. Tulos sisältää tunnistetun tekstin, ja tämän JSON-muodon kanssa voidaan pyytää valinnaisia tokenien logaritmisia todennäköisyyksiä. Todennäköisyystiedot kuvaavat mallin tokenivalintoja. Ne voivat auttaa määrittämään tarkastettavat jaksot, mutta vertailu ääneen osoittaa, toistaako teksti vaikean nimen, numeron tai ilmauksen.
Tavallisen profiilin JSON-tulos ei anna natiiveja tekstitysmuotoja, yksityiskohtaisia sanojen aikaleimoja tai puhujakohdistuksia. OpenAI dokumentoi muita malli- ja muotovalintoja näiden tulosteiden tarpeeseen; GPT-4o Transcribe Diarize on erillinen puhujatunnisteinen versio. Säilytä tekstitystehtävään tarkastettu teksti sopivaa ajoitusvaihetta varten. Älä keksi keskustelun puhujanimiä vain siksi, että tekstin kappale näyttää vaihtavan aihetta tai ääntä.
Valmiin tiedoston tulosten suoratoisto
OpenAI:n puheesta tekstiksi -opas kertoo, että olemassa olevat GPT-4o Transcribe -integraatiot tukevat tiedoston suoratoistoa. Sovellus antaa ensin tallenteen ja vastaanottaa sitten tekstiä tallenteen käsittelyn aikana sekä säilyttää valmiin tuloksen. Tämä suoratoistaa valmiin tallenteen tekstiä eikä vastaanota mikrofoniääntä sen saapuessa. Mallin tarkka kortti luettelee myös litteroinnin ja Realtime-päätepisteperheet; mallikohtaisen istuntokäyttäytymisen tulee pysyä yhteydessä tähän profiiliin sen sijaan, että se lainattaisiin uudemmalta jatkuvasti suoratoistavalta mallilta.
Mallin rajat ja lopputuotoksen tarkistaminen
Nykyinen GPT-4o Transcribe -määritys ilmoittaa konteksti-ikkunaksi 16000 tokenia, enimmäistulosteeksi 2000 tokenia ja tietojen katkaisupäiväksi 1. kesäkuuta 2024. Tokenirajat eivät ole kiinteä äänen kesto eivätkä korvaa tiedoston litteroinnin valmistelusääntöjä. Säilytä pidemmästä tallenteesta lähteen järjestys ja olennainen edeltävä konteksti ja varmista sitten, että valmis teksti ulottuu jokaisen tarkoitetun jakson loppuun.
Hyödyllinen lopullinen teksti voi toimia haettavana haastatteluaineistona, teknisen dokumentaation lähteenä tai myöhemmän tekstitystyönkulun sanamuotona. Tarkasta epävarma sanasto, määrät, välimerkit, aksentit ja päällekkäinen puhe tallennetta vasten. Pidä tunnistettu teksti erillään myöhemmistä korjauksista tai yhteenvedoista ja säilytä lähdelinkki ympäröivän työnkulun tunnisteiden avulla. Malli antaa tekstimuotoisen tallenteen; huolellinen syötteen valmistelu ja lähteen tarkastus määrittävät, sopiiko se seuraavaan käyttöön.
Ailoot Ultra · Litterointi POST /v1/audio/transcriptions openai/gpt-4o-transcribe
openai/gpt-4o-transcribeAloitus
GPT-4o Transcribe muuttaa äänen tekstiksi OpenAI:n GPT-4o-puheentunnistuskyvyillä. Se tukee kontekstikehotteita, syötekielen vihjettä, JSON-tekstejä, tiedostotuloksen suoratoistoa ja valinnaisia tokenien logaritmisia todennäköisyyksiä epävarman sanamuodon tarkastamiseen.
- 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 |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat openai/gpt-4o-transcribe | Oletus— |
Kenttäinput_audio | Tyyppiobject | VaatimusPakollinen | Arvot & rajat | Oletus— |
Menetelmän parametrit ja elinkaari
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, input_audio |
Parametrimaterial_types | Sopimusaudio |
Parametrimaterial_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 $0.005 / 1K tokenia |
| Asetuksettulostetoken | Hinnasto— | Laskutusyksikkö/ 1K tokenia | Veloitus Tuloste $0.02 / 1K tokenia |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
Esimerkkipyynnöt
Ailoot Ultra · Litterointi
set -eu
: "${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-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}/contentGET /v1/media/assetsGET /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 |
|---|---|
Kenttätext (when present) | Tyyppi |
Kenttäusage (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-transcribe
Menetelmäpolkujen aliakset
Käytä yllä näytettyjä menetelmäpolkuja.
Liittyvät kutsujan ID:t
FAQ · OpenAI: GPT-4o Transcribe
- Mitä syötteitä ja tuloksia on saatavilla?
POST /v1/audio/transcriptions·openai/gpt-4o-transcribe:audio→text- Mitä kenttiä pyyntö käyttää?
POST /v1/audio/transcriptions·openai/gpt-4o-transcribe:model,input_audio