OpenAI: Whisper 1
Whisper 1 litteroi valmiin äänitiedoston tekstiksi monikielisellä tunnistuksella ja sana- tai segmenttiaikaleimoilla. Valmistaja tukee tekstitysmuotoja ja erillistä englanninkielistä käännöstyönkulkua; litterointitulos säilyttää tallenteen kielen.
Tietoa mallista
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Whisper 1 on OpenAI:n yleiskäyttöinen puheentunnistuksen API-malli, jonka dokumentoidaan perustuvan avoimen lähdekoodin Whisper V2 -malliin. Se vastaanottaa äänitiedoston ja palauttaa tekstiä. Valmistaja kuvaa monikielisen tunnistuksen, kielen tunnistamisen ja erillisen puheenkäännöstehtävän. Litterointi säilyttää puhutun kielen; valmistajan erillinen käännösrajapinta palauttaa englanninkielistä tekstiä.
Hyödyllinen käyttökohde on haastattelun, äänimuistion tai tallennetun keskustelun valmistelu myöhempää hakua ja muokkausta varten. Anna valmis tallenne ja sen syötekieli, kun se on tiedossa. OpenAI dokumentoi 98 tuettua kieltä ja huomauttaa tunnistustarkkuuden vaihtelevan kielittäin. Yksittäinen kielivihje käyttää ISO 639-1 -koodia; muiden litterointimallien uudemmat monikieli- ja avainsanakentät ovat erillisiä säätimiä.
Valmistajan tiedostolitteroinnin työnkulku hyväksyy enintään 25 MB:n tiedostot MP3-, MP4-, MPEG-, MPGA-, M4A-, WAV- tai WebM-muodossa. Käytä suuremmalle tallenteelle pakattua muotoa tai jaa se rajan alittaviin osiin. Säilytä lauserajat ja osien järjestys, jotta koottu litterointi pysyy yhteydessä alkuperäiseen tallenteeseen. Videosäiliö antaa tähän tehtävään äänensä; se ei toimi visuaalisen kuvauksen syötteenä.
Kehote voi antaa nimiä, akronyymejä tai tallennekohtaista sanastoa ja aiemman segmentin kontekstia. Whisperin kehoteraja on 224 tokenia, ja kehotteen tulee vastata äänen kieltä. Valmistaja toteaa, ettei Whisper seuraa ohjeita yleiskäyttöisen tekstimallin tavoin. Käytä kehotetta olennaisena litterointikontekstina ja tarkista sitten tärkeät kirjoitusasut tallenteesta sen sijaan, että pitäisit termiluetteloa sanoina, jotka puhuja on varmasti sanonut.
Valmistaja dokumentoi litterointimuodoiksi JSON:n, pelkän tekstin, SRT:n, VTT:n ja verbose JSON:n. Sana- ja segmenttiaikaleimat vaativat verbose JSON -muodon; kumpaa tahansa tarkkuutta tai molempia voi pyytää. API-viite huomauttaa, etteivät segmenttiaikaleimat lisää viivettä, kun taas sanatason aikaleimat vaativat lisäkäsittelyä. Tulokset tukevat tekstitystä ja katkelmien löytämistä editoinnissa; puhujien diarisaatiomerkinnät kuuluvat erilliseen erikoistuneeseen malliin.
Whisper 1 ei tue tiedostolitteroinnin suoratoistoa. Viite dokumentoi myös näytteistyslämpötilan nollan ja yhden välillä; nollassa malli voi nostaa lämpötilaa automaattisesti, kun sen dekoodauskynnykset sitä edellyttävät. Tämä kuvaa valmistajan käsittelysäätimiä eikä lupaa jokaisesta tallenteesta samanlaista tai täydellisen tarkkaa litterointia.
Määritä lopullinen tuotos: haettava litterointi, tekstitystiedosto tai teksti sana- tai segmenttiajoituksella. Säilytä tuloksen yhteydessä alkuperäinen tallenne, osien järjestys ja olennaiset lähdeaikaviitteet. Myöhempi tekstinmuokkaus voi korjata kirjoitusvirheen tai valmistella tiivistelmän, mutta vertaa muutoksia ääneen, jotta puhujan merkitys säilyy. Tunnistettu teksti toimii seuraavan tehtävän aineistona eikä generoituna vastauksena puhuttuun kysymykseen.
Ailoot Ultra · Puheentunnistus POST /v1/audio/transcriptions openai/whisper-1
openai/whisper-1Aloitus
Whisper 1 litteroi valmiin äänitiedoston tekstiksi monikielisellä tunnistuksella ja sana- tai segmenttiaikaleimoilla. Valmistaja tukee tekstitysmuotoja ja erillistä englanninkielistä käännöstyönkulkua; litterointitulos säilyttää tallenteen kielen.
- Hyväksytyt syötteet
- Ääni
- Tulokset
- transcription
Saatavilla Ailootissa · syötteet & menetelmät
Ailoot Ultra · Puheentunnistus POST /v1/audio/transcriptions
- Syötetyypit
audio- Tulostyypit
transcription- Tulosteen muoto
- json
| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat openai/whisper-1 | Oletus— |
Kenttäfile | Tyyppifile | VaatimusPakollinen | Arvot & rajat Sisältötyyppi: multipart/form-data | Oletus— |
Kenttäresponse_format | Tyyppistring | VaatimusValinnainen | Arvot & rajat json | Oletus— |
Kenttäinput_audio.data | Tyyppibase64_string | VaatimusPakollinen | Arvot & rajat Sovelletaan, kun: WhisperOR JSON -syöte | Oletus— |
Kenttäinput_audio.format | Tyyppistring | VaatimusPakollinen | Arvot & rajat wav, mp3, flac, ogg, m4a, webm Sovelletaan, kun: WhisperOR JSON -syöte | Oletus— |
Syöteaineistojen yhdistelmät
· Pakollinen: model, file
Menetelmän parametrit ja elinkaari
| Parametri | Sopimus |
|---|---|
Parametricontours | Sopimus{"content_types":["application/json","multipart/form-data"],"required_json":["model","input_audio.data","input_audio.format"],"required_multipart":["model","file"],"file_formats":["wav","mp3","flac","ogg","m4a","webm"],"response_format_optional":["json"]}, {"content_types":["multipart/form-data"],"required":["model","file"],"file_formats":["mp3"],"response_format_option":false} |
Parametrimax_bytes | Sopimus26214400 |
Parametrimaterial_types | Sopimusaudio |
Elinkaari: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · todellisuudessa palautettu task_id tai mediakirjaston tietue
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Käytä todellista tallennetta ja sitä vastaavaa muotoa.
Säilytä koko litterointi, segmentit, puhujatunnisteet ja ajoitustiedot.
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 |
| Asetuksetäänisyötteen sekunti | Hinnasto— | Laskutusyksikkösyöteäänen sekuntia kohden | Veloitus Syöte · äänisyötteen sekunti $0.0002 syöteäänen sekuntia kohden |
Viitehinnaston tiedot
Mallitason viitehinnastot eivät muuta menetelmän valintaa, hinta-arvioita tai veloituksia. Käytössä olevat veloitukset käyttävät valitun Ailoot-menetelmän hintoja.
OpenAI: Whisper 1
Hinnat asetusten mukaan
| Asetukset | Laskutusehdot | Veloitus |
|---|---|---|
| AsetuksetOpenAI: Whisper 1 · Oletusasetukset | LaskutusehdotOletuskokoonpano | Veloitus Syöte · Äänisyötteen sekunnit 0,0002 $ syöteäänen sekuntia kohden |
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 · Puheentunnistus
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual MP3 recording}"
export AILOOT_AUDIO_FILE
python3 - <<'PY_REQUEST'
import os
from pathlib import Path
p=Path(os.environ["AILOOT_AUDIO_FILE"])
if not p.is_file() or p.suffix.lower()!=".mp3":raise SystemExit("Choose an existing MP3 recording")
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $AILOOT_API_KEY" \
--form-string model=openai/whisper-1 -F "file=@$AILOOT_AUDIO_FILE" \
-D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("result.json").read_text())))
PY_RESULT
Vastaanota ja tallenna tulokset
Ailoot Ultra · Puheentunnistus
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Muut sisällön lukukerrat
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
-H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
-H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
-H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT
Säilytä kaikki valmistuneet tulokset
Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.
Säilytä koko JSON, älä pelkkää tekstiä; säilytä jokainen saatavilla oleva segmentti, puhuja ja aikaleima sekä todellinen tehtävä- ja aineistotunniste.
Jos alkuperäinen vastaus on tarkistettava
Säilytä alkuperäinen operation_id/X-Client-Request-ID täsmäytystä varten lähettämättä pyyntöä uudelleen; erillistä äänen tilakyselyreittiä ei ole.
Vastauksen kentät
| Kenttä | Tyyppi |
|---|---|
Kenttätext | Tyyppistring |
Kenttäsegments[] | Tyyppiobject |
Kenttätask_id | Tyyppistring |
Kenttäasset_url | Tyyppistring |
Kenttäusage | Tyyppiobject |
Virheet ja seuraavat vaiheet
| Vastaus | Ehto | Seuraava vaihe |
|---|---|---|
Vastaus400 · invalid_request_error | EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo | Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä. |
Vastausserver_error | EhtoPalautettu vastaus ilmoittaa, että operaatio tai tulos edellyttää tarkistusta | Seuraava vaiheSäilytä alkuperäinen palautettu operaation tai tehtävän ID, pyynnön otsakkeet ja vastaus; jatka kyseisen alkuperäisen operaation tuettuja lukutoimintoja. Älä lähetä luontipyyntöä uudelleen. |
Aliakset
Mallin aliakset
Ailoot Ultra openai/whisper-1
Menetelmäpolkujen aliakset
Käytä yllä näytettyjä menetelmäpolkuja.
Liittyvät kutsujan ID:t
FAQ · OpenAI: Whisper 1
- Mitä syötteitä ja tuloksia on saatavilla?
POST /v1/audio/transcriptions·openai/whisper-1:audio→transcription- Mitä kenttiä pyyntö käyttää?
POST /v1/audio/transcriptions·openai/whisper-1:model,file,response_format