OpenAI: GPT-4o Mini Transcribe

GPT-4o Mini Transcribe est le modèle de conversion de la parole en texte d’OpenAI basé sur GPT-4o Mini. Il accepte de l’audio avec des indications textuelles facultatives et produit le texte reconnu. C’est un modèle distinct de GPT-4o Transcribe, qui utilise GPT-4o, et du profil GPT Transcribe plus récent, doté de ses champs distincts de mots-clés et d’indications multilingues. Le livrable utile ici est une transcription de la parole originale de l’enregistrement, préparée pour la recherche, la revue ou une étape ultérieure de traitement de contenu.

Préparer l’enregistrement

Le guide de transcription de fichiers d’OpenAI accepte des téléversements audio jusqu’à 25 MB. Sa référence actuelle du point de terminaison répertorie FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV et WebM, avec des métadonnées suffisantes de nom de fichier et de type de contenu pour identifier le format audio. Les enregistrements plus volumineux peuvent être compressés ou découpés en parties de 25 MB ou moins. Préservez les limites des phrases lors du découpage et gardez chaque partie associée à son enregistrement source et à sa position afin de pouvoir ensuite assembler le texte dans le bon ordre.

Pour les notes vocales, conservez une transcription identifiable par enregistrement et vérifiez les noms ou les nombres avant d’utiliser le texte pour créer des tâches. Pour un tutoriel oral, comparez la formulation reconnue aux instructions d’origine avant de la modifier pour publication. Des consignes de préparation utiles identifient la langue parlée et les termes qui pourraient sinon être mal entendus. Transcrire les mots constitue la première étape ; une interprétation, un résumé ou une traduction peut ensuite utiliser la transcription vérifiée.

Indications du prompt et indication de langue unique

Les intégrations GPT-4o Mini Transcribe existantes prennent en charge un prompt libre. OpenAI décrit des prompts pour les noms, les sigles, le vocabulaire propre à l’enregistrement, la ponctuation, les majuscules, les mots de remplissage et le système d’écriture souhaité. La référence du point de terminaison indique que le prompt doit correspondre à la langue audio et peut transmettre le contexte d’un segment audio précédent. Incluez les graphies pertinentes ou une description courte du sujet plutôt que de demander à un prompt de transcription de se comporter comme une instruction de dialogue sans limites.

L’indication de langue établie de ce modèle utilise le champ language au singulier. La référence du fournisseur documente un code de langue d’entrée ISO 639-1, par exemple en. Les champs distincts keywords et languages au pluriel sont documentés pour GPT Transcribe ; ils ne font pas partie de ce profil Mini. Pour une série d’enregistrements, conservez le réglage prévu de langue parlée avec chaque entrée plutôt que de l’interpréter comme une demande de traduction du résultat.

Résultat JSON et probabilités facultatives des tokens

La référence actuelle du point de terminaison documente JSON comme format de réponse pris en charge pour GPT-4o Mini Transcribe. La formulation reconnue apparaît dans le champ text. Sur demande, les logarithmes des probabilités des tokens peuvent accompagner la réponse JSON ; ces valeurs décrivent les probabilités des tokens du modèle et peuvent aider à identifier les éléments à examiner plus attentivement. Elles n’établissent pas qu’un nom, un nombre ou une phrase correspond au son. Utilisez l’enregistrement pour décider si un mot douteux doit être corrigé.

Le profil ordinaire de transcription Mini ne fournit pas de sortie native SRT, VTT, de repères temporels détaillés mot à mot ni de sortie identifiée par locuteur au moyen de ce contrat JSON. OpenAI documente des modèles et formats spécialisés pour ces capacités. Si le livrable attendu est une piste de sous-titres, gardez la transcription examinée disponible pour un processus distinct de synchronisation plutôt que de supposer qu’un résultat uniquement textuel contient déjà les limites des sous-titres.

Sortie de fichier diffusée et modes documentés

Le guide du fournisseur de conversion de la parole en texte indique explicitement que les intégrations GPT-4o Mini Transcribe existantes prennent en charge la diffusion de fichier en continu. Un enregistrement terminé peut produire du texte de transcription partiel suivi d’un résultat final pendant son traitement. Conservez la transcription finale comme livrable terminé ; l’apparition de texte partiel ne signifie pas que le processus de fichiers reçoit continuellement l’audio d’un microphone en direct. La fiche du modèle mentionne séparément les familles de points de terminaison de transcription et Realtime. Ces interfaces du fournisseur n’impliquent pas que tous les champs de session d’un autre modèle de transcription s’appliquent ici.

Contexte, allocation de sortie et vérifications utiles

La spécification actuelle du modèle d’OpenAI indique une fenêtre de contexte de 16 000 tokens, une sortie maximale de 2 000 tokens et une date limite des connaissances au 1er juin 2024. Il s’agit de chiffres de spécification du modèle, et non d’une durée universelle en minutes pour un enregistrement audio. La règle de taille de fichier et une allocation de tokens décrivent des contraintes distinctes. Pour des contenus prolongés, préparez l’enregistrement selon le processus de fichiers documenté, transmettez le contexte pertinent entre les parties et vérifiez que le texte final inclut la fin de la source.

Un résultat Mini Transcribe utile préserve la formulation et sa relation à l’enregistrement, en gardant les éventuelles données de probabilité distinctes des corrections éditoriales. Examinez le vocabulaire inconnu, les accents, le bruit de fond, les changements de langue et les paroles qui se chevauchent en gardant l’audio d’origine disponible. Lorsque vous révisez le texte pour sa lisibilité, distinguez cette version éditoriale de la transcription reconnue afin que les utilisateurs ultérieurs puissent savoir quelle formulation provient de l’enregistrement et laquelle a été modifiée lors de la préparation.