{ "aboutHtml": "

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.

", "aboutText": "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.\n\nHyödyllinen 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.\n\nValmistajan 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.\n\nKehote 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.\n\nValmistaja 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.\n\nWhisper 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.\n\nMääritä 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.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "6a1646850d71de8464a89da5d6dd855b4a824dc97ecbd07893472826e04d0cad", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fi", "methods": [ { "html": "
O

OpenAI: Whisper 1

OpenAI /openai/whisper-1

Aloitus

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
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.

Saatavilla Ailootissa · syötteet & menetelmät

Ailoot Ultra · Puheentunnistus POST /v1/audio/transcriptions
Syötetyypit
audio
Tulostyypit
transcription
Tulosteen muoto
json
KenttäTyyppiVaatimusArvot & rajatOletus
KenttämodelTyyppistringVaatimusPakollinenArvot & rajat
openai/whisper-1
Oletus—
KenttäfileTyyppifileVaatimusPakollinenArvot & rajat
Sisältötyyppi: multipart/form-data
Oletus—
Kenttäresponse_formatTyyppistringVaatimusValinnainenArvot & rajat
json
Oletus—
Kenttäinput_audio.dataTyyppibase64_stringVaatimusPakollinenArvot & rajat
Sovelletaan, kun: WhisperOR JSON -syöte
Oletus—
Kenttäinput_audio.formatTyyppistringVaatimusPakollinenArvot & rajat
wav, mp3, flac, ogg, m4a, webm
Sovelletaan, kun: WhisperOR JSON -syöte
Oletus—
Syöteaineistojen yhdistelmät

· Pakollinen: model, file

Menetelmän parametrit ja elinkaari
ParametriSopimus
ParametricontoursSopimus{"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_bytesSopimus26214400
Parametrimaterial_typesSopimusaudio

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.

AsetuksetHinnastoLaskutusyksikköVeloitus
AsetuksetTokenien perushinnatHinnastoPerushintaLaskutusyksikkö—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 sekuntiHinnasto—Laskutusyksikkösyöteäänen sekuntia kohdenVeloitus
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

AsetuksetLaskutusehdotVeloitus
AsetuksetOpenAI: Whisper 1 · OletusasetuksetLaskutusehdotOletuskokoonpanoVeloitus
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\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual MP3 recording}"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport os\nfrom pathlib import Path\np=Path(os.environ["AILOOT_AUDIO_FILE"])\nif not p.is_file() or p.suffix.lower()!=".mp3":raise SystemExit("Choose an existing MP3 recording")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" \\\n  --form-string model=openai/whisper-1 -F "file=@$AILOOT_AUDIO_FILE" \\\n  -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text())))\nPY_RESULT\n

Vastaanota ja tallenna tulokset

Ailoot Ultra · Puheentunnistus

json

Muut sisällön lukukerrat
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json\n
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
KenttäTyyppi
KenttätextTyyppistring
Kenttäsegments[]Tyyppiobject
Kenttätask_idTyyppistring
Kenttäasset_urlTyyppistring
KenttäusageTyyppiobject
Virheet ja seuraavat vaiheet
VastausEhtoSeuraava vaihe
Vastaus400 · invalid_request_errorEhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvoSeuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä.
Vastausserver_errorEhtoPalautettu vastaus ilmoittaa, että operaatio tai tulos edellyttää tarkistustaSeuraava 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

openai/whisper-1

", "method_identity": { "effective_request_model_id": "openai/whisper-1", "fmt": "transcriptions", "http": "POST", "path": "/v1/audio/transcriptions", "request_model_id": "openai/whisper-1", "route_label": "Ultra" }, "method_key": "Ultra|transcriptions|/v1/audio/transcriptions|openai%2Fwhisper-1", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain complete JSON, not only text; preserve every available segment/speaker/timestamp and actual task/asset identity.", "errors": [ { "code": null, "condition": "Virheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo", "http_status": 400, "recovery": "Korjaa ilmoitetut kentät ennen uutta luontipyyntöä.", "type": "invalid_request_error" }, { "code": null, "condition": "Palautettu vastaus ilmoittaa, että operaatio tai tulos edellyttää tarkistusta", "http_status": null, "recovery": "Säilytä alkuperäinen palautettu operaation tai tehtävän ID, pyynnön otsakkeet ja vastaus; jatka kyseisen alkuperäisen operaation tuettuja lukutoimintoja. Älä lähetä luontipyyntöä uudelleen.", "type": "server_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "all_results": "Follow everyactualreturnedoutputandownedasset; no result is discardedbecauseindex0orcontent_urlalreadyexists.", "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 URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Säilytä alkuperäinen operation_id/X-Client-Request-ID täsmäytystä varten lähettämättä pyyntöä uudelleen; erillistä äänen tilakyselyreittiä ei ole." }, "limits": { "decoded_audio_max_bytes": 26214400 }, "material_combinations": [ { "content_types": [ "application/json", "multipart/form-data" ], "file_formats": [ "wav", "mp3", "flac", "ogg", "m4a", "webm" ], "required_json": [ "model", "input_audio.data", "input_audio.format" ], "required_multipart": [ "model", "file" ], "response_format_optional": [ "json" ] }, { "content_types": [ "multipart/form-data" ], "file_formats": [ "mp3" ], "required": [ "model", "file" ], "response_format_option": false } ], "media_library": { "asset": { "fields": [ { "description": null, "name": "asset_id", "type": "string" }, { "description": null, "name": "task_id", "type": "string" }, { "description": null, "name": "output_key", "type": "string" }, { "description": null, "name": "family", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "method", "type": "string" }, { "description": null, "name": "status", "type": "string" }, { "description": null, "name": "content_type", "type": "string" }, { "description": null, "name": "sha256", "type": "string" }, { "description": null, "name": "size_bytes", "type": "integer" }, { "description": null, "name": "content_url", "type": "string" } ], "http": "GET", "id_source": "actual returned asset_id", "path": "/v1/media/assets/{asset_id}" }, "content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "range_header_supported": true, "url_source": "Use exact returned signed content_url including its token; do not construct a token." }, "expired_link": { "code": "link_expired", "http_status": 404, "recovery": "Read the asset again to obtain its refreshed signed content_url, then fetch that URL. Do not regenerate." }, "list": { "all_pages": "Follow every returned next_cursor, then select records by their actual task_id/output_key.", "http": "GET", "output_fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "data", "type": "asset[]" }, { "description": null, "name": "next_cursor", "type": "string|null" } ], "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "family", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cursor", "required": false, "type": "string" }, { "availability": "source_interface", "default": 20, "default_known": true, "enum": null, "enum_known": false, "maximum": 100, "minimum": 1, "name": "limit", "required": false, "type": "integer" } ], "path": "/v1/media/assets" }, "revoke": { "http": "DELETE", "meaning": "Revokes/deletes the existing owned file; this is not generation cancellation.", "path": "/v1/media/assets/{asset_id}", "pending_status": "revoking", "success_statuses": [ 202, 204 ] }, "task": { "http": "GET", "id_source": "actual returned task_id or media library record; operation_id is not task_id", "path": "/v1/media/tasks/{task_id}" } }, "operation_modes": [ "speech_to_text" ], "outputs": { "all_results": "Säilytä koko JSON, älä pelkkää tekstiä; säilytä jokainen saatavilla oleva segmentti, puhuja ja aikaleima sekä todellinen tehtävä- ja aineistotunniste.", "family": "transcription", "fields": [ { "description": null, "name": "text", "type": "string" }, { "description": null, "name": "segments[]", "type": "object" }, { "description": null, "name": "task_id", "type": "string" }, { "description": null, "name": "asset_url", "type": "string" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "openai/whisper-1" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "content_type": "multipart/form-data", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "file", "required": true, "type": "file" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "json" ], "enum_known": true, "name": "response_format", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "input_audio.data", "required": true, "type": "base64_string", "when": "WhisperOR JSON -syöte" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "wav", "mp3", "flac", "ogg", "m4a", "webm" ], "enum_known": true, "name": "input_audio.format", "required": true, "type": "string", "when": "WhisperOR JSON -syöte" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "unlistedtranscriptionoptions", "formatlabelthatdiffersfromactualbytes" ] }, "hints": [ "Käytä todellista tallennetta ja sitä vastaavaa muotoa.", "Säilytä koko litterointi, segmentit, puhujatunnisteet ja ajoitustiedot." ], "input": { "contours": [ { "content_types": [ "application/json", "multipart/form-data" ], "file_formats": [ "wav", "mp3", "flac", "ogg", "m4a", "webm" ], "required_json": [ "model", "input_audio.data", "input_audio.format" ], "required_multipart": [ "model", "file" ], "response_format_optional": [ "json" ] }, { "content_types": [ "multipart/form-data" ], "file_formats": [ "mp3" ], "required": [ "model", "file" ], "response_format_option": false } ], "material_types": [ "audio" ], "max_bytes": 26214400 }, "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 URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "todellisuudessa palautettu task_id tai mediakirjaston tietue", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain original operation_id/X-Client-Request-ID for reconciliation without resubmission; no dedicated audio poll route." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "method_aliases": [], "operation_modes": [ "speech_to_text" ], "output": { "family": "transcription", "format": "json", "http_success": 200, "owned_result_fields_302": [ "task_id", "asset_url" ], "result": "owned complete JSON transcript" } }, "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": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "declared_tariff_references": [ { "client_selectable": false, "key": "9f485f9d704ef2cd14f1", "label": "OpenAI: Whisper 1", "profiles": [ { "basis": "", "dimensions": { "conditions": "Oletuskokoonpano" }, "label": "OpenAI: Whisper 1 · Oletusasetukset", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_physical_unit", "billing_input": false, "key": "d4e53ea51572a9d8f9fcc8e4", "label": "Input audio seconds", "public_unit_label": "per input audio second", "quantity": "1", "rate_role": "declared_tariff_rate", "side": "in", "unit": "input_audio_second" } ] } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set the path to your actual MP3 recording}\"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport os\nfrom pathlib import Path\np=Path(os.environ[\"AILOOT_AUDIO_FILE\"])\nif not p.is_file() or p.suffix.lower()!=\".mp3\":raise SystemExit(\"Choose an existing MP3 recording\")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" \\\n --form-string model=openai/whisper-1 -F \"file=@$AILOOT_AUDIO_FILE\" \\\n -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"result.json\").read_text())))\nPY_RESULT\n", "label": "curl", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-assets.json\n", "label": "List actual media assets", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}\"\nexport AILOOT_MEDIA_TASK_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ[\"AILOOT_MEDIA_TASK_ID\"],safe=\"\"))')\ncurl --fail-with-body --silent --show-error \"https://api.ailoot.ai/v1/media/tasks/$resource_id\" \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-task.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-task.json\").read_text())))\nPY_RESULT\n", "label": "Read actual media task", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}\"\nexport AILOOT_ASSET_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ[\"AILOOT_ASSET_ID\"],safe=\"\"))')\ncurl --fail-with-body --silent --show-error \"https://api.ailoot.ai/v1/media/assets/$resource_id\" \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-asset.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-asset.json\").read_text())))\nPY_RESULT\n", "label": "Read actual asset metadata", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "Use actual recording and matching format.", "Preserve full transcript, segments, speaker IDs and timing." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Распознавание речи", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": null, "output": [ "transcription" ], "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": { "audio_input_second": 0.0002 } }, "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": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "request_model_id": "openai/whisper-1", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}", "GET /v1/media/assets/{asset_id}/content" ], "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": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } } ], "model_id": "openai/whisper-1", "nativeProvenance": { "input_facts_canonical_sha256": "b8bbcb3b38f56be29773b1b4584d70890d99b785fc89c7005e3edaea8b9a1d8e", "input_html_sha256": "3892d1cbe432e2a4aeaee6bfcad3615935df5f8819e0e7128f2bc70e26046d69", "private_audit_sha256": "c9115a5fc91606da07e325e7dc230f43a1dc6ad474a61459987319e9c5797ee4", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/fi/openai-whisper-1/", "description": "Whisper 1 litteroi valmiin äänitiedoston tekstiksi monikielisellä tunnistuksella ja sana- tai segmenttiaikaleimoilla. Valmistaja tukee tekstitysmuotoja ja erillistä englanninkielistä käännöstyönkulkua; litterointitulos säilyttää tallenteen kielen.", "locale": "fi", "md_url": "https://ailoot.ai/models/fi/openai-whisper-1/index.md", "title": "OpenAI: Whisper 1 — Ailoot", "url": "https://ailoot.ai/models/fi/openai-whisper-1/" }, "rawModel": { "about": "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.\n\nHyödyllinen 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.\n\nValmistajan 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.\n\nKehote 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.\n\nValmistaja 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.\n\nWhisper 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.\n\nMääritä 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.", "alias_of": null, "aliases": [], "author": "OpenAI", "available": null, "canonical_model": "openai/whisper-1", "capabilities": { "context_length": 0, "manufacturer_input": [ "audio" ], "manufacturer_output": [ "transcription" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ], "summary": "Konfiguraation täydet hintatiedot lisätiedoissa." } ], "ctx": null, "entity_type": "model", "formats": [ "transcriptions" ], "id": "openai/whisper-1", "input": [ "audio" ], "kind": "transcription", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain complete JSON, not only text; preserve every available segment/speaker/timestamp and actual task/asset identity.", "errors": [ { "code": null, "condition": "Virheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo", "http_status": 400, "recovery": "Korjaa ilmoitetut kentät ennen uutta luontipyyntöä.", "type": "invalid_request_error" }, { "code": null, "condition": "Palautettu vastaus ilmoittaa, että operaatio tai tulos edellyttää tarkistusta", "http_status": null, "recovery": "Säilytä alkuperäinen palautettu operaation tai tehtävän ID, pyynnön otsakkeet ja vastaus; jatka kyseisen alkuperäisen operaation tuettuja lukutoimintoja. Älä lähetä luontipyyntöä uudelleen.", "type": "server_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "all_results": "Follow everyactualreturnedoutputandownedasset; no result is discardedbecauseindex0orcontent_urlalreadyexists.", "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 URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Säilytä alkuperäinen operation_id/X-Client-Request-ID täsmäytystä varten lähettämättä pyyntöä uudelleen; erillistä äänen tilakyselyreittiä ei ole." }, "limits": { "decoded_audio_max_bytes": 26214400 }, "material_combinations": [ { "content_types": [ "application/json", "multipart/form-data" ], "file_formats": [ "wav", "mp3", "flac", "ogg", "m4a", "webm" ], "required_json": [ "model", "input_audio.data", "input_audio.format" ], "required_multipart": [ "model", "file" ], "response_format_optional": [ "json" ] }, { "content_types": [ "multipart/form-data" ], "file_formats": [ "mp3" ], "required": [ "model", "file" ], "response_format_option": false } ], "media_library": { "asset": { "fields": [ { "description": null, "name": "asset_id", "type": "string" }, { "description": null, "name": "task_id", "type": "string" }, { "description": null, "name": "output_key", "type": "string" }, { "description": null, "name": "family", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "method", "type": "string" }, { "description": null, "name": "status", "type": "string" }, { "description": null, "name": "content_type", "type": "string" }, { "description": null, "name": "sha256", "type": "string" }, { "description": null, "name": "size_bytes", "type": "integer" }, { "description": null, "name": "content_url", "type": "string" } ], "http": "GET", "id_source": "actual returned asset_id", "path": "/v1/media/assets/{asset_id}" }, "content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "range_header_supported": true, "url_source": "Use exact returned signed content_url including its token; do not construct a token." }, "expired_link": { "code": "link_expired", "http_status": 404, "recovery": "Read the asset again to obtain its refreshed signed content_url, then fetch that URL. Do not regenerate." }, "list": { "all_pages": "Follow every returned next_cursor, then select records by their actual task_id/output_key.", "http": "GET", "output_fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "data", "type": "asset[]" }, { "description": null, "name": "next_cursor", "type": "string|null" } ], "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "family", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cursor", "required": false, "type": "string" }, { "availability": "source_interface", "default": 20, "default_known": true, "enum": null, "enum_known": false, "maximum": 100, "minimum": 1, "name": "limit", "required": false, "type": "integer" } ], "path": "/v1/media/assets" }, "revoke": { "http": "DELETE", "meaning": "Revokes/deletes the existing owned file; this is not generation cancellation.", "path": "/v1/media/assets/{asset_id}", "pending_status": "revoking", "success_statuses": [ 202, 204 ] }, "task": { "http": "GET", "id_source": "actual returned task_id or media library record; operation_id is not task_id", "path": "/v1/media/tasks/{task_id}" } }, "operation_modes": [ "speech_to_text" ], "outputs": { "all_results": "Säilytä koko JSON, älä pelkkää tekstiä; säilytä jokainen saatavilla oleva segmentti, puhuja ja aikaleima sekä todellinen tehtävä- ja aineistotunniste.", "family": "transcription", "fields": [ { "description": null, "name": "text", "type": "string" }, { "description": null, "name": "segments[]", "type": "object" }, { "description": null, "name": "task_id", "type": "string" }, { "description": null, "name": "asset_url", "type": "string" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "openai/whisper-1" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "content_type": "multipart/form-data", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "file", "required": true, "type": "file" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "json" ], "enum_known": true, "name": "response_format", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "input_audio.data", "required": true, "type": "base64_string", "when": "WhisperOR JSON -syöte" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "wav", "mp3", "flac", "ogg", "m4a", "webm" ], "enum_known": true, "name": "input_audio.format", "required": true, "type": "string", "when": "WhisperOR JSON -syöte" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "unlistedtranscriptionoptions", "formatlabelthatdiffersfromactualbytes" ] }, "hints": [ "Käytä todellista tallennetta ja sitä vastaavaa muotoa.", "Säilytä koko litterointi, segmentit, puhujatunnisteet ja ajoitustiedot." ], "input": { "contours": [ { "content_types": [ "application/json", "multipart/form-data" ], "file_formats": [ "wav", "mp3", "flac", "ogg", "m4a", "webm" ], "required_json": [ "model", "input_audio.data", "input_audio.format" ], "required_multipart": [ "model", "file" ], "response_format_optional": [ "json" ] }, { "content_types": [ "multipart/form-data" ], "file_formats": [ "mp3" ], "required": [ "model", "file" ], "response_format_option": false } ], "material_types": [ "audio" ], "max_bytes": 26214400 }, "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 URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "todellisuudessa palautettu task_id tai mediakirjaston tietue", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain original operation_id/X-Client-Request-ID for reconciliation without resubmission; no dedicated audio poll route." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "method_aliases": [], "operation_modes": [ "speech_to_text" ], "output": { "family": "transcription", "format": "json", "http_success": 200, "owned_result_fields_302": [ "task_id", "asset_url" ], "result": "owned complete JSON transcript" } }, "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": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "declared_tariff_references": [ { "client_selectable": false, "key": "9f485f9d704ef2cd14f1", "label": "OpenAI: Whisper 1", "profiles": [ { "basis": "", "dimensions": { "conditions": "Oletuskokoonpano" }, "label": "OpenAI: Whisper 1 · Oletusasetukset", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_physical_unit", "billing_input": false, "key": "d4e53ea51572a9d8f9fcc8e4", "label": "Input audio seconds", "public_unit_label": "per input audio second", "quantity": "1", "rate_role": "declared_tariff_rate", "side": "in", "unit": "input_audio_second" } ] } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set the path to your actual MP3 recording}\"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport os\nfrom pathlib import Path\np=Path(os.environ[\"AILOOT_AUDIO_FILE\"])\nif not p.is_file() or p.suffix.lower()!=\".mp3\":raise SystemExit(\"Choose an existing MP3 recording\")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" \\\n --form-string model=openai/whisper-1 -F \"file=@$AILOOT_AUDIO_FILE\" \\\n -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"result.json\").read_text())))\nPY_RESULT\n", "label": "curl", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-assets.json\n", "label": "List actual media assets", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}\"\nexport AILOOT_MEDIA_TASK_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ[\"AILOOT_MEDIA_TASK_ID\"],safe=\"\"))')\ncurl --fail-with-body --silent --show-error \"https://api.ailoot.ai/v1/media/tasks/$resource_id\" \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-task.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-task.json\").read_text())))\nPY_RESULT\n", "label": "Read actual media task", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}\"\nexport AILOOT_ASSET_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ[\"AILOOT_ASSET_ID\"],safe=\"\"))')\ncurl --fail-with-body --silent --show-error \"https://api.ailoot.ai/v1/media/assets/$resource_id\" \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-asset.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-asset.json\").read_text())))\nPY_RESULT\n", "label": "Read actual asset metadata", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "Use actual recording and matching format.", "Preserve full transcript, segments, speaker IDs and timing." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Распознавание речи", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": null, "output": [ "transcription" ], "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": { "audio_input_second": 0.0002 } }, "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": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "request_model_id": "openai/whisper-1", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}", "GET /v1/media/assets/{asset_id}/content" ], "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": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "model_aliases": [ { "canonical_model_id": "openai/whisper-1", "request_model_id": "openai/whisper-1", "route_label": "Ultra" } ], "name": "OpenAI: Whisper 1", "price": { "in": null, "in_label": null, "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": true }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Ultra", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_declared_unit", "conditions": {}, "key": "prompt", "label": "prompt", "quantity": "1", "rate_role": "typed_active_maker_rate", "side": "in", "unit": "input_audio_second" } ] } ], "public_id": "openai/whisper-1", "short": "Whisper 1 litteroi valmiin äänitiedoston tekstiksi monikielisellä tunnistuksella ja sana- tai segmenttiaikaleimoilla. Valmistaja tukee tekstitysmuotoja ja erillistä englanninkielistä käännöstyönkulkua; litterointitulos säilyttää tallenteen kielen." }, "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": "Whisper 1 litteroi valmiin äänitiedoston tekstiksi monikielisellä tunnistuksella ja sana- tai segmenttiaikaleimoilla. Valmistaja tukee tekstitysmuotoja ja erillistä englanninkielistä käännöstyönkulkua; litterointitulos säilyttää tallenteen kielen.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "ce236256a04fb1a7e17a5d92837112e4c6555fbebda88955d2f535e6a1bce152", "renderer_sha256": "303a59603e2bc29ba8fda690e95fd32cec68de223d92e26054a88babff801dd7" }, "sourceRevision": "6f360819d76baa70674f27728e055a1969223a97419cd7ae829461472ec432c3" }