{ "aboutHtml": "

GPT-4o Transcribe est le modèle de conversion de la parole en texte d’OpenAI basé sur GPT-4o. Son entrée est audio avec des indications textuelles facultatives, et sa sortie est le texte reconnu. Il est distinct de l’édition GPT-4o Mini Transcribe et de GPT-4o Transcribe Diarize, le modèle spécialisé d’identification des locuteurs. Utilisez ce profil pour préparer une transcription textuelle fidèle de la parole, en gardant l’enregistrement source disponible pour la revue et les travaux éditoriaux ultérieurs.

Entrée de fichier et préparation des contenus longs

Le guide de transcription d’OpenAI documente des téléversements jusqu’à 25 MB. La référence actuelle du point de terminaison accepte FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV et WebM et recommande des métadonnées de fichier identifiant le format, notamment un nom de fichier doté d’une extension et un type de contenu approprié. Pour un enregistrement plus volumineux, la compression ou des parties ordonnées de 25 MB ou moins suivent les recommandations du fournisseur pour les entrées longues. Évitez un découpage au milieu d’une phrase et conservez la position de chaque partie dans l’enregistrement complet.

Pour un entretien, associez chaque fichier d’entrée à l’enregistrement et au passage qu’il couvre. Pour une présentation technique, préparez les noms de produits, les sigles et le vocabulaire du domaine pertinents comme contexte, puis vérifiez ces graphies au regard des paroles réellement prononcées. Pour une explication enregistrée avec des valeurs numériques, examinez la transcription avec la source avant d’en faire une procédure écrite. Le premier livrable souhaité est la parole reconnue sous forme de texte ; un rapport condensé ou un document traduit peut être préparé à partir de ce texte dans une étape distincte.

Consignes propres à l’enregistrement et choix de langue

Le guide du fournisseur inclut explicitement GPT-4o Transcribe parmi les modèles prenant en charge les consignes. Une consigne peut fournir les graphies correctes, le contexte d’un segment précédent et les préférences de ponctuation, de majuscules, de mots de remplissage ou de système d’écriture. La référence indique qu’elle doit correspondre à la langue de l’enregistrement. Une description courte et pertinente du sujet et du vocabulaire donne à la transcription un contexte utile sans traiter des termes non prononcés comme une sortie obligatoire.

Ce profil prend en charge l’indication de langue language au singulier, documentée sous la forme ISO 639-1. Fournir la langue réelle d’entrée peut aider la reconnaissance. Les champs plus récents keywords et languages au pluriel de GPT Transcribe appartiennent à ce modèle nommé distinct et ne doivent pas être supposés disponibles pour GPT-4o Transcribe. Gardez le réglage de langue lié à la parole transcrite et préservez la formulation d’origine avant toute traduction ou reformulation stylistique ultérieure.

Format de résultat, probabilités et sorties spécialisées

La référence actuelle du point de terminaison documente JSON comme format de réponse pris en charge pour GPT-4o Transcribe. Le résultat contient le texte reconnu, et les logarithmes des probabilités des jetons peuvent être demandés en option avec ce format JSON. Les données de probabilité décrivent le choix de jetons du modèle. Elles peuvent aider à identifier les passages à examiner, mais une comparaison audio établit si la transcription reproduit un nom, un nombre ou une phrase difficile.

Le résultat JSON du profil standard ne fournit pas de formats natifs de sous-titres, de repères temporels détaillés mot à mot ni d’attributions de locuteurs. OpenAI documente d’autres choix de modèles et de formats lorsque ces sorties sont nécessaires ; GPT-4o Transcribe Diarize est l’édition distincte d’identification des locuteurs. Pour une tâche de sous-titrage, conservez une transcription vérifiée pour une étape de synchronisation adaptée. Pour une conversation, n’inventez pas de noms de locuteurs simplement parce qu’un paragraphe de transcription semble changer de sujet ou de voix.

Résultats diffusés à partir d’un fichier terminé

Le guide de conversion de la parole en texte d’OpenAI indique que les intégrations GPT-4o Transcribe existantes prennent en charge la diffusion de fichier en continu. L’application fournit d’abord l’enregistrement, puis reçoit le texte de transcription pendant le traitement de cet enregistrement et conserve le résultat terminé. Cela diffuse la transcription d’un enregistrement terminé plutôt que d’accepter l’audio du microphone au fil de son arrivée. La fiche exacte du modèle mentionne également les familles de points de terminaison de transcription et Realtime ; le comportement de session propre au modèle doit rester associé à ce profil plutôt que d’être emprunté à un modèle plus récent de diffusion continue.

Limites du modèle et vérification du livrable final

La spécification actuelle de GPT-4o Transcribe indique une fenêtre de contexte de 16 000 jetons, une sortie maximale de 2 000 jetons et une date limite des connaissances au 1er juin 2024. Ces limites de jetons ne sont pas une durée audio fixe et ne remplacent pas les règles de préparation de transcription de fichier. Pour un enregistrement prolongé, conservez l’ordre de la source et le contexte précédent pertinent, puis vérifiez que le texte terminé atteint la fin de chaque segment prévu.

Une transcription finale utile peut devenir du contenu d’entretien dans lequel effectuer des recherches, une source de documentation technique ou le texte d’un processus ultérieur de sous-titrage. Examinez le vocabulaire incertain, les quantités, la ponctuation, les accents et les paroles qui se chevauchent au regard de l’enregistrement. Gardez le texte reconnu distinct des corrections ou résumés ultérieurs et conservez le lien à la source au moyen d’identifiants dans le processus environnant. Le modèle fournit une transcription textuelle ; une préparation soigneuse de l’entrée et une revue de la source déterminent si cette transcription convient à l’usage suivant.

", "aboutText": "GPT-4o Transcribe est le modèle de conversion de la parole en texte d’OpenAI basé sur GPT-4o. Son entrée est audio avec des indications textuelles facultatives, et sa sortie est le texte reconnu. Il est distinct de l’édition GPT-4o Mini Transcribe et de GPT-4o Transcribe Diarize, le modèle spécialisé d’identification des locuteurs. Utilisez ce profil pour préparer une transcription textuelle fidèle de la parole, en gardant l’enregistrement source disponible pour la revue et les travaux éditoriaux ultérieurs.\n\n### Entrée de fichier et préparation des contenus longs\n\nLe guide de transcription d’OpenAI documente des téléversements jusqu’à 25 MB. La référence actuelle du point de terminaison accepte FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV et WebM et recommande des métadonnées de fichier identifiant le format, notamment un nom de fichier doté d’une extension et un type de contenu approprié. Pour un enregistrement plus volumineux, la compression ou des parties ordonnées de 25 MB ou moins suivent les recommandations du fournisseur pour les entrées longues. Évitez un découpage au milieu d’une phrase et conservez la position de chaque partie dans l’enregistrement complet.\n\nPour un entretien, associez chaque fichier d’entrée à l’enregistrement et au passage qu’il couvre. Pour une présentation technique, préparez les noms de produits, les sigles et le vocabulaire du domaine pertinents comme contexte, puis vérifiez ces graphies au regard des paroles réellement prononcées. Pour une explication enregistrée avec des valeurs numériques, examinez la transcription avec la source avant d’en faire une procédure écrite. Le premier livrable souhaité est la parole reconnue sous forme de texte ; un rapport condensé ou un document traduit peut être préparé à partir de ce texte dans une étape distincte.\n\n### Consignes propres à l’enregistrement et choix de langue\n\nLe guide du fournisseur inclut explicitement GPT-4o Transcribe parmi les modèles prenant en charge les consignes. Une consigne peut fournir les graphies correctes, le contexte d’un segment précédent et les préférences de ponctuation, de majuscules, de mots de remplissage ou de système d’écriture. La référence indique qu’elle doit correspondre à la langue de l’enregistrement. Une description courte et pertinente du sujet et du vocabulaire donne à la transcription un contexte utile sans traiter des termes non prononcés comme une sortie obligatoire.\n\nCe profil prend en charge l’indication de langue language au singulier, documentée sous la forme ISO 639-1. Fournir la langue réelle d’entrée peut aider la reconnaissance. Les champs plus récents keywords et languages au pluriel de GPT Transcribe appartiennent à ce modèle nommé distinct et ne doivent pas être supposés disponibles pour GPT-4o Transcribe. Gardez le réglage de langue lié à la parole transcrite et préservez la formulation d’origine avant toute traduction ou reformulation stylistique ultérieure.\n\n### Format de résultat, probabilités et sorties spécialisées\n\nLa référence actuelle du point de terminaison documente JSON comme format de réponse pris en charge pour GPT-4o Transcribe. Le résultat contient le texte reconnu, et les logarithmes des probabilités des jetons peuvent être demandés en option avec ce format JSON. Les données de probabilité décrivent le choix de jetons du modèle. Elles peuvent aider à identifier les passages à examiner, mais une comparaison audio établit si la transcription reproduit un nom, un nombre ou une phrase difficile.\n\nLe résultat JSON du profil standard ne fournit pas de formats natifs de sous-titres, de repères temporels détaillés mot à mot ni d’attributions de locuteurs. OpenAI documente d’autres choix de modèles et de formats lorsque ces sorties sont nécessaires ; GPT-4o Transcribe Diarize est l’édition distincte d’identification des locuteurs. Pour une tâche de sous-titrage, conservez une transcription vérifiée pour une étape de synchronisation adaptée. Pour une conversation, n’inventez pas de noms de locuteurs simplement parce qu’un paragraphe de transcription semble changer de sujet ou de voix.\n\n### Résultats diffusés à partir d’un fichier terminé\n\nLe guide de conversion de la parole en texte d’OpenAI indique que les intégrations GPT-4o Transcribe existantes prennent en charge la diffusion de fichier en continu. L’application fournit d’abord l’enregistrement, puis reçoit le texte de transcription pendant le traitement de cet enregistrement et conserve le résultat terminé. Cela diffuse la transcription d’un enregistrement terminé plutôt que d’accepter l’audio du microphone au fil de son arrivée. La fiche exacte du modèle mentionne également les familles de points de terminaison de transcription et Realtime ; le comportement de session propre au modèle doit rester associé à ce profil plutôt que d’être emprunté à un modèle plus récent de diffusion continue.\n\n### Limites du modèle et vérification du livrable final\n\nLa spécification actuelle de GPT-4o Transcribe indique une fenêtre de contexte de 16 000 jetons, une sortie maximale de 2 000 jetons et une date limite des connaissances au 1er juin 2024. Ces limites de jetons ne sont pas une durée audio fixe et ne remplacent pas les règles de préparation de transcription de fichier. Pour un enregistrement prolongé, conservez l’ordre de la source et le contexte précédent pertinent, puis vérifiez que le texte terminé atteint la fin de chaque segment prévu.\n\nUne transcription finale utile peut devenir du contenu d’entretien dans lequel effectuer des recherches, une source de documentation technique ou le texte d’un processus ultérieur de sous-titrage. Examinez le vocabulaire incertain, les quantités, la ponctuation, les accents et les paroles qui se chevauchent au regard de l’enregistrement. Gardez le texte reconnu distinct des corrections ou résumés ultérieurs et conservez le lien à la source au moyen d’identifiants dans le processus environnant. Le modèle fournit une transcription textuelle ; une préparation soigneuse de l’entrée et une revue de la source déterminent si cette transcription convient à l’usage suivant.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "02d9d9861a9d9b2a47e652068d824bdd6dc9c93b2d292740adcb3417b3cd1025", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ca", "methods": [ { "html": "
O

OpenAI: GPT-4o Transcribe

OpenAI /openai/gpt-4o-transcribe

Pour commencer

GPT-4o Transcribe convertit l’audio en texte avec les capacités de reconnaissance vocale de GPT-4o d’OpenAI. Il prend en charge les consignes contextuelles, une indication de langue d’entrée, les transcriptions JSON, la sortie de fichier diffusée en continu et, en option, les logarithmes des probabilités des jetons pour examiner les formulations incertaines.

Entrées acceptées
Audio
Résultats
Texte
À propos du modèle

Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.

GPT-4o Transcribe est le modèle de conversion de la parole en texte d’OpenAI basé sur GPT-4o. Son entrée est audio avec des indications textuelles facultatives, et sa sortie est le texte reconnu. Il est distinct de l’édition GPT-4o Mini Transcribe et de GPT-4o Transcribe Diarize, le modèle spécialisé d’identification des locuteurs. Utilisez ce profil pour préparer une transcription textuelle fidèle de la parole, en gardant l’enregistrement source disponible pour la revue et les travaux éditoriaux ultérieurs.

Entrée de fichier et préparation des contenus longs

Le guide de transcription d’OpenAI documente des téléversements jusqu’à 25 MB. La référence actuelle du point de terminaison accepte FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV et WebM et recommande des métadonnées de fichier identifiant le format, notamment un nom de fichier doté d’une extension et un type de contenu approprié. Pour un enregistrement plus volumineux, la compression ou des parties ordonnées de 25 MB ou moins suivent les recommandations du fournisseur pour les entrées longues. Évitez un découpage au milieu d’une phrase et conservez la position de chaque partie dans l’enregistrement complet.

Pour un entretien, associez chaque fichier d’entrée à l’enregistrement et au passage qu’il couvre. Pour une présentation technique, préparez les noms de produits, les sigles et le vocabulaire du domaine pertinents comme contexte, puis vérifiez ces graphies au regard des paroles réellement prononcées. Pour une explication enregistrée avec des valeurs numériques, examinez la transcription avec la source avant d’en faire une procédure écrite. Le premier livrable souhaité est la parole reconnue sous forme de texte ; un rapport condensé ou un document traduit peut être préparé à partir de ce texte dans une étape distincte.

Consignes propres à l’enregistrement et choix de langue

Le guide du fournisseur inclut explicitement GPT-4o Transcribe parmi les modèles prenant en charge les consignes. Une consigne peut fournir les graphies correctes, le contexte d’un segment précédent et les préférences de ponctuation, de majuscules, de mots de remplissage ou de système d’écriture. La référence indique qu’elle doit correspondre à la langue de l’enregistrement. Une description courte et pertinente du sujet et du vocabulaire donne à la transcription un contexte utile sans traiter des termes non prononcés comme une sortie obligatoire.

Ce profil prend en charge l’indication de langue language au singulier, documentée sous la forme ISO 639-1. Fournir la langue réelle d’entrée peut aider la reconnaissance. Les champs plus récents keywords et languages au pluriel de GPT Transcribe appartiennent à ce modèle nommé distinct et ne doivent pas être supposés disponibles pour GPT-4o Transcribe. Gardez le réglage de langue lié à la parole transcrite et préservez la formulation d’origine avant toute traduction ou reformulation stylistique ultérieure.

Format de résultat, probabilités et sorties spécialisées

La référence actuelle du point de terminaison documente JSON comme format de réponse pris en charge pour GPT-4o Transcribe. Le résultat contient le texte reconnu, et les logarithmes des probabilités des jetons peuvent être demandés en option avec ce format JSON. Les données de probabilité décrivent le choix de jetons du modèle. Elles peuvent aider à identifier les passages à examiner, mais une comparaison audio établit si la transcription reproduit un nom, un nombre ou une phrase difficile.

Le résultat JSON du profil standard ne fournit pas de formats natifs de sous-titres, de repères temporels détaillés mot à mot ni d’attributions de locuteurs. OpenAI documente d’autres choix de modèles et de formats lorsque ces sorties sont nécessaires ; GPT-4o Transcribe Diarize est l’édition distincte d’identification des locuteurs. Pour une tâche de sous-titrage, conservez une transcription vérifiée pour une étape de synchronisation adaptée. Pour une conversation, n’inventez pas de noms de locuteurs simplement parce qu’un paragraphe de transcription semble changer de sujet ou de voix.

Résultats diffusés à partir d’un fichier terminé

Le guide de conversion de la parole en texte d’OpenAI indique que les intégrations GPT-4o Transcribe existantes prennent en charge la diffusion de fichier en continu. L’application fournit d’abord l’enregistrement, puis reçoit le texte de transcription pendant le traitement de cet enregistrement et conserve le résultat terminé. Cela diffuse la transcription d’un enregistrement terminé plutôt que d’accepter l’audio du microphone au fil de son arrivée. La fiche exacte du modèle mentionne également les familles de points de terminaison de transcription et Realtime ; le comportement de session propre au modèle doit rester associé à ce profil plutôt que d’être emprunté à un modèle plus récent de diffusion continue.

Limites du modèle et vérification du livrable final

La spécification actuelle de GPT-4o Transcribe indique une fenêtre de contexte de 16 000 jetons, une sortie maximale de 2 000 jetons et une date limite des connaissances au 1er juin 2024. Ces limites de jetons ne sont pas une durée audio fixe et ne remplacent pas les règles de préparation de transcription de fichier. Pour un enregistrement prolongé, conservez l’ordre de la source et le contexte précédent pertinent, puis vérifiez que le texte terminé atteint la fin de chaque segment prévu.

Une transcription finale utile peut devenir du contenu d’entretien dans lequel effectuer des recherches, une source de documentation technique ou le texte d’un processus ultérieur de sous-titrage. Examinez le vocabulaire incertain, les quantités, la ponctuation, les accents et les paroles qui se chevauchent au regard de l’enregistrement. Gardez le texte reconnu distinct des corrections ou résumés ultérieurs et conservez le lien à la source au moyen d’identifiants dans le processus environnant. Le modèle fournit une transcription textuelle ; une préparation soigneuse de l’entrée et une revue de la source déterminent si cette transcription convient à l’usage suivant.

Disponible dans Ailoot · entrées et méthodes

Ailoot Ultra · Transcription audio POST /v1/audio/transcriptions
Entrée
audio
Sortie
text
ChampTypeExigenceValeurs et limitesPar défaut
ChampmodelTypestringExigenceObligatoireValeurs et limites
openai/gpt-4o-transcribe
Par défaut—
Champinput_audioTypeobjectExigenceObligatoireValeurs et limitesPar défaut—
Paramètres et cycle de vie de la méthode
ParamètreContrat
Paramètrecontent_typeContratapplication/json
ParamètrerequiredContratmodel, input_audio
Paramètrematerial_typesContrataudio
Paramètrematerial_conditionsContratL’exemple lit votre fichier PCM WAV réel et non vide, encode tous les octets du fichier en base64 et envoie input_audio.format avec la valeur wav.

Cycle de vie : synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · task_id exact d’un enregistrement média existant appartenant à votre compte

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Tarifs

Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.

Mode rapide
Non précisé Lorsque le mode rapide est sélectionné
Mode Flex
Non précisé Lorsque le mode flex est sélectionné
Effort de raisonnement maximal
Non précisé Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)

Tarifs Ailoot

Prix par configuration

Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.

ConfigurationBarème tarifaireUnité de facturationCoût
ConfigurationTarifs de base des jetonsBarème tarifaireTarif de baseUnité de facturation—Coût
Entrée · Jetons en entrée — / 1K jetons
Sortie · Jetons en sortie — / 1K jetons
Entrée · Lecture du cache — / 1K jetons
Entrée · Écriture dans le cache — / 1K jetons
Entrée · Écriture dans le cache, 1 h — / 1K jetons
Configurationjeton d’entréeBarème tarifaire—Unité de facturation/ 1K jetonsCoût
Entrée $0.005 / 1K jetons
Configurationjeton de sortieBarème tarifaire—Unité de facturation/ 1K jetonsCoût
Sortie $0.02 / 1K jetons

Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →

Exemples de requêtes

Ailoot Ultra · Transcription audio

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport base64, io, json, os, wave\nfrom pathlib import Path\naudio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):\n    raise SystemExit('Supply your actual PCM WAV audio file')\nwith wave.open(io.BytesIO(audio), 'rb') as recording:\n    if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:\n        raise SystemExit('Supply a nonempty PCM WAV recording')\nrequest = {'model': 'openai/gpt-4o-transcribe', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}\nPath('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete original response, headers and actual X-Client-Request-ID.\n# Read existing owned records for recovery; do not resubmit an uncertain operation.\n

Recevoir et enregistrer les résultats

Ailoot Ultra · Transcription audio

Corps de réponse d’origine complet, état et en-têtes transmis. Ce gestionnaire n’ajoute aucune structure JSON universelle, aucun champ de texte et aucune enveloppe de tâche.

Conserver tous les résultats terminés

Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.

Conservez la réponse complète et les en-têtes, chaque sortie effective, les identifiants initialement renvoyés et tous les champs d’utilisation. Récupérez l’opération d’origine sans soumettre à nouveau sa création.

Si la réponse d’origine doit être vérifiée

Conservez le X-Client-Request-ID réel et la réponse complète. Consultez les ressources d’origine appartenant à votre compte et leurs URL exactes de contenu signées; ne soumettez jamais de nouveau une création incertaine.

Champs de la réponse
ChampType
Champtext (when present)Type
Champusage (when present)Type
Erreurs et étapes suivantes
RéponseConditionÉtape suivante
Réponse400 · invalid_request_errorConditionLe corps JSON ou l’identifiant canonique explicite du modèle est invalide.Étape suivanteConservez la réponse et corrigez le champ de demande indiqué.
Réponse401 · authentication_errorConditionLa clé API Ailoot est invalide.Étape suivanteUtilisez votre clé API Ailoot autorisée.
Réponse403 · permission_errorConditionLe groupe de la clé n’autorise pas cette méthode.Étape suivanteConservez les détails d’erreur retournés.
Réponse404 · not_found_errorConditionLa méthode sélectionnée ne possède aucune route autorisée.Étape suivanteConservez les détails d’erreur retournés.
Réponse422 · price_unavailableConditionLe tarif accepté ne peut pas obtenir la quantité d’entrée ou la borne dont il a besoin.Étape suivanteConservez la réponse; utilisez la représentation d’entrée exigée par le tarif accepté.
Réponse503 · ConditionLe stockage, la route, le tarif de la méthode ou la réservation requis n’est pas disponible.Étape suivanteConservez la réponse d’origine complète. Une réservation incertaine n’autorise pas une nouvelle soumission.
Réponse502 · server_errorConditionLe résultat d’origine, l’utilisation ou le règlement doit être vérifié.Étape suivanteConservez l’identifiant réel de demande et la réponse d’origine. Consultez l’enregistrement existant appartenant à votre compte; ne soumettez pas de nouveau la demande de création.

Alias

Alias du modèle

Ailoot Ultra openai/gpt-4o-transcribe

Alias des chemins de méthode

Utilisez les chemins de méthode indiqués ci-dessus.

ID d’appel associés

openai/gpt-4o-transcribe

", "method_identity": { "effective_request_model_id": "openai/gpt-4o-transcribe", "fmt": "transcriptions", "http": "POST", "path": "/v1/audio/transcriptions", "request_model_id": "openai/gpt-4o-transcribe", "route_label": "Ultra" }, "method_key": "Ultra|transcriptions|/v1/audio/transcriptions|openai%2Fgpt-4o-transcribe", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "errors": [ { "code": null, "condition": "Le corps JSON ou l’identifiant canonique explicite du modèle est invalide.", "http_status": 400, "recovery": "Conservez la réponse et corrigez le champ de demande indiqué.", "type": "invalid_request_error" }, { "code": null, "condition": "La clé API Ailoot est invalide.", "http_status": 401, "recovery": "Utilisez votre clé API Ailoot autorisée.", "type": "authentication_error" }, { "code": null, "condition": "Le groupe de la clé n’autorise pas cette méthode.", "http_status": 403, "recovery": "Conservez les détails d’erreur retournés.", "type": "permission_error" }, { "code": null, "condition": "La méthode sélectionnée ne possède aucune route autorisée.", "http_status": 404, "recovery": "Conservez les détails d’erreur retournés.", "type": "not_found_error" }, { "code": null, "condition": "Le tarif accepté ne peut pas obtenir la quantité d’entrée ou la borne dont il a besoin.", "http_status": 422, "recovery": "Conservez la réponse; utilisez la représentation d’entrée exigée par le tarif accepté.", "type": "price_unavailable" }, { "code": null, "condition": "Le stockage, la route, le tarif de la méthode ou la réservation requis n’est pas disponible.", "http_status": 503, "recovery": "Conservez la réponse d’origine complète. Une réservation incertaine n’autorise pas une nouvelle soumission.", "type": null }, { "code": null, "condition": "Le résultat d’origine, l’utilisation ou le règlement doit être vérifié.", "http_status": 502, "operation_id_source": "actual X-Client-Request-ID", "recovery": "Conservez l’identifiant réel de demande et la réponse d’origine. Consultez l’enregistrement existant appartenant à votre compte; ne soumettez pas de nouveau la demande de création.", "response_headers": { "x-should-retry": "false" }, "type": "server_error" } ], "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 content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "exact task_id from an existing owned media record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Conservez le X-Client-Request-ID réel et la réponse complète. Consultez les ressources d’origine appartenant à votre compte et leurs URL exactes de contenu signées; ne soumettez jamais de nouveau une création incertaine." }, "outputs": { "all_results": "Conservez la réponse complète et les en-têtes, chaque sortie effective, les identifiants initialement renvoyés et tous les champs d’utilisation. Récupérez l’opération d’origine sans soumettre à nouveau sa création.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "Corps de réponse d’origine complet, état et en-têtes transmis. Ce gestionnaire n’ajoute aucune structure JSON universelle, aucun champ de texte et aucune enveloppe de tâche." }, "parameters": [ { "default_known": false, "enum": [ "openai/gpt-4o-transcribe" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "name": "input_audio", "required": true, "type": "object" } ], "request_schema": { "properties": { "input_audio": { "properties": { "data": { "contentEncoding": "base64", "type": "string" }, "format": { "type": "string" } }, "required": [ "data", "format" ], "type": "object" }, "model": { "enum": [ "openai/gpt-4o-transcribe" ], "type": "string" } }, "required": [ "model", "input_audio" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": true, "body": { "input_audio": { "data": "${BASE64_ACTUAL_WAV_BYTES}", "format": "wav" }, "model": "openai/gpt-4o-transcribe" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_conditions": [ "L’exemple lit votre fichier PCM WAV réel et non vide, encode tous les octets du fichier en base64 et envoie input_audio.format avec la valeur wav." ], "material_types": [ "audio" ], "required": [ "model", "input_audio" ] }, "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 content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "task_id exact d’un enregistrement média existant appartenant à votre compte", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain the actual X-Client-Request-ID and complete response. Read the original owned assets and their exact signed content URLs; never resubmit an uncertain creation." }, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "Complete original response body, status and forwarded headers. No universal JSON shape, text field or task envelope is added by this handler." } }, "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": "/ 1K tokens" }, "label": "input token", "units": [ { "amount": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "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" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "output token", "units": [ { "amount": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "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" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}\"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport base64, io, json, os, wave\nfrom pathlib import Path\naudio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):\n raise SystemExit('Supply your actual PCM WAV audio file')\nwith wave.open(io.BytesIO(audio), 'rb') as recording:\n if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:\n raise SystemExit('Supply a nonempty PCM WAV recording')\nrequest = {'model': 'openai/gpt-4o-transcribe', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}\nPath('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete original response, headers and actual X-Client-Request-ID.\n# Read existing owned records for recovery; do not resubmit an uncertain operation.\n", "label": "curl · actual WAV file and complete original result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "The example reads your actual nonempty PCM WAV file, encodes the complete file bytes as base64 and sends input_audio.format as wav.", "The format value in the example is the documented recipe; no model-specific format list, limit or default is asserted.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Transcription audio", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "audio_transcriptions", "out": null, "output": [ "text" ], "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": { "input_token": 5e-06, "output_token": 2e-05 } }, "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": "/ 1K tokens" }, "label": "input token", "units": [ { "amount": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "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" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "output token", "units": [ { "amount": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "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" } ] } ], "request_model_id": "openai/gpt-4o-transcribe", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}" ], "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": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "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": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "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" } ] } } ], "model_id": "openai/gpt-4o-transcribe", "nativeProvenance": { "input_facts_canonical_sha256": "18a392753e02fb0bc322d40bd9468e0cc00cd82aa291bfa005682e338f97e5f7", "input_html_sha256": "6365411be7e105f5a0ca5945c19d78046aff3a407773ac2c9093c07fbd431347", "private_audit_sha256": "041d9e4c3961270af59cb50011de93413efba3068cc313f2e8ee751ea36b66d2", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/fr-ca/openai-gpt-4o-transcribe/", "description": "GPT-4o Transcribe convertit l’audio en texte avec les capacités de reconnaissance vocale de GPT-4o d’OpenAI. Il prend en charge les consignes contextuelles, une indication de langue d’entrée, les transcriptions JSON, la sortie de fichier diffusée en continu et, en option, les logarithmes des probabilités des jetons pour examiner les formulations incertaines.", "locale": "fr-ca", "md_url": "https://ailoot.ai/models/fr-ca/openai-gpt-4o-transcribe/index.md", "title": "OpenAI: GPT-4o Transcribe — Ailoot", "url": "https://ailoot.ai/models/fr-ca/openai-gpt-4o-transcribe/" }, "rawModel": { "about": "GPT-4o Transcribe est le modèle de conversion de la parole en texte d’OpenAI basé sur GPT-4o. Son entrée est audio avec des indications textuelles facultatives, et sa sortie est le texte reconnu. Il est distinct de l’édition GPT-4o Mini Transcribe et de GPT-4o Transcribe Diarize, le modèle spécialisé d’identification des locuteurs. Utilisez ce profil pour préparer une transcription textuelle fidèle de la parole, en gardant l’enregistrement source disponible pour la revue et les travaux éditoriaux ultérieurs.\n\n### Entrée de fichier et préparation des contenus longs\n\nLe guide de transcription d’OpenAI documente des téléversements jusqu’à 25 MB. La référence actuelle du point de terminaison accepte FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV et WebM et recommande des métadonnées de fichier identifiant le format, notamment un nom de fichier doté d’une extension et un type de contenu approprié. Pour un enregistrement plus volumineux, la compression ou des parties ordonnées de 25 MB ou moins suivent les recommandations du fournisseur pour les entrées longues. Évitez un découpage au milieu d’une phrase et conservez la position de chaque partie dans l’enregistrement complet.\n\nPour un entretien, associez chaque fichier d’entrée à l’enregistrement et au passage qu’il couvre. Pour une présentation technique, préparez les noms de produits, les sigles et le vocabulaire du domaine pertinents comme contexte, puis vérifiez ces graphies au regard des paroles réellement prononcées. Pour une explication enregistrée avec des valeurs numériques, examinez la transcription avec la source avant d’en faire une procédure écrite. Le premier livrable souhaité est la parole reconnue sous forme de texte ; un rapport condensé ou un document traduit peut être préparé à partir de ce texte dans une étape distincte.\n\n### Consignes propres à l’enregistrement et choix de langue\n\nLe guide du fournisseur inclut explicitement GPT-4o Transcribe parmi les modèles prenant en charge les consignes. Une consigne peut fournir les graphies correctes, le contexte d’un segment précédent et les préférences de ponctuation, de majuscules, de mots de remplissage ou de système d’écriture. La référence indique qu’elle doit correspondre à la langue de l’enregistrement. Une description courte et pertinente du sujet et du vocabulaire donne à la transcription un contexte utile sans traiter des termes non prononcés comme une sortie obligatoire.\n\nCe profil prend en charge l’indication de langue language au singulier, documentée sous la forme ISO 639-1. Fournir la langue réelle d’entrée peut aider la reconnaissance. Les champs plus récents keywords et languages au pluriel de GPT Transcribe appartiennent à ce modèle nommé distinct et ne doivent pas être supposés disponibles pour GPT-4o Transcribe. Gardez le réglage de langue lié à la parole transcrite et préservez la formulation d’origine avant toute traduction ou reformulation stylistique ultérieure.\n\n### Format de résultat, probabilités et sorties spécialisées\n\nLa référence actuelle du point de terminaison documente JSON comme format de réponse pris en charge pour GPT-4o Transcribe. Le résultat contient le texte reconnu, et les logarithmes des probabilités des jetons peuvent être demandés en option avec ce format JSON. Les données de probabilité décrivent le choix de jetons du modèle. Elles peuvent aider à identifier les passages à examiner, mais une comparaison audio établit si la transcription reproduit un nom, un nombre ou une phrase difficile.\n\nLe résultat JSON du profil standard ne fournit pas de formats natifs de sous-titres, de repères temporels détaillés mot à mot ni d’attributions de locuteurs. OpenAI documente d’autres choix de modèles et de formats lorsque ces sorties sont nécessaires ; GPT-4o Transcribe Diarize est l’édition distincte d’identification des locuteurs. Pour une tâche de sous-titrage, conservez une transcription vérifiée pour une étape de synchronisation adaptée. Pour une conversation, n’inventez pas de noms de locuteurs simplement parce qu’un paragraphe de transcription semble changer de sujet ou de voix.\n\n### Résultats diffusés à partir d’un fichier terminé\n\nLe guide de conversion de la parole en texte d’OpenAI indique que les intégrations GPT-4o Transcribe existantes prennent en charge la diffusion de fichier en continu. L’application fournit d’abord l’enregistrement, puis reçoit le texte de transcription pendant le traitement de cet enregistrement et conserve le résultat terminé. Cela diffuse la transcription d’un enregistrement terminé plutôt que d’accepter l’audio du microphone au fil de son arrivée. La fiche exacte du modèle mentionne également les familles de points de terminaison de transcription et Realtime ; le comportement de session propre au modèle doit rester associé à ce profil plutôt que d’être emprunté à un modèle plus récent de diffusion continue.\n\n### Limites du modèle et vérification du livrable final\n\nLa spécification actuelle de GPT-4o Transcribe indique une fenêtre de contexte de 16 000 jetons, une sortie maximale de 2 000 jetons et une date limite des connaissances au 1er juin 2024. Ces limites de jetons ne sont pas une durée audio fixe et ne remplacent pas les règles de préparation de transcription de fichier. Pour un enregistrement prolongé, conservez l’ordre de la source et le contexte précédent pertinent, puis vérifiez que le texte terminé atteint la fin de chaque segment prévu.\n\nUne transcription finale utile peut devenir du contenu d’entretien dans lequel effectuer des recherches, une source de documentation technique ou le texte d’un processus ultérieur de sous-titrage. Examinez le vocabulaire incertain, les quantités, la ponctuation, les accents et les paroles qui se chevauchent au regard de l’enregistrement. Gardez le texte reconnu distinct des corrections ou résumés ultérieurs et conservez le lien à la source au moyen d’identifiants dans le processus environnant. Le modèle fournit une transcription textuelle ; une préparation soigneuse de l’entrée et une revue de la source déterminent si cette transcription convient à l’usage suivant.", "alias_of": null, "aliases": [], "author": "OpenAI", "capabilities": { "context_length": 128000, "manufacturer_input": [ "audio" ], "manufacturer_output": [ "transcription" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "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": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "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" } ], "summary": "La tarification complète de la configuration figure dans les détails." } ], "ctx": null, "formats": [ "transcriptions" ], "id": "openai/gpt-4o-transcribe", "input": [ "audio" ], "kind": "audio", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "errors": [ { "code": null, "condition": "Le corps JSON ou l’identifiant canonique explicite du modèle est invalide.", "http_status": 400, "recovery": "Conservez la réponse et corrigez le champ de demande indiqué.", "type": "invalid_request_error" }, { "code": null, "condition": "La clé API Ailoot est invalide.", "http_status": 401, "recovery": "Utilisez votre clé API Ailoot autorisée.", "type": "authentication_error" }, { "code": null, "condition": "Le groupe de la clé n’autorise pas cette méthode.", "http_status": 403, "recovery": "Conservez les détails d’erreur retournés.", "type": "permission_error" }, { "code": null, "condition": "La méthode sélectionnée ne possède aucune route autorisée.", "http_status": 404, "recovery": "Conservez les détails d’erreur retournés.", "type": "not_found_error" }, { "code": null, "condition": "Le tarif accepté ne peut pas obtenir la quantité d’entrée ou la borne dont il a besoin.", "http_status": 422, "recovery": "Conservez la réponse; utilisez la représentation d’entrée exigée par le tarif accepté.", "type": "price_unavailable" }, { "code": null, "condition": "Le stockage, la route, le tarif de la méthode ou la réservation requis n’est pas disponible.", "http_status": 503, "recovery": "Conservez la réponse d’origine complète. Une réservation incertaine n’autorise pas une nouvelle soumission.", "type": null }, { "code": null, "condition": "Le résultat d’origine, l’utilisation ou le règlement doit être vérifié.", "http_status": 502, "operation_id_source": "actual X-Client-Request-ID", "recovery": "Conservez l’identifiant réel de demande et la réponse d’origine. Consultez l’enregistrement existant appartenant à votre compte; ne soumettez pas de nouveau la demande de création.", "response_headers": { "x-should-retry": "false" }, "type": "server_error" } ], "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 content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "exact task_id from an existing owned media record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Conservez le X-Client-Request-ID réel et la réponse complète. Consultez les ressources d’origine appartenant à votre compte et leurs URL exactes de contenu signées; ne soumettez jamais de nouveau une création incertaine." }, "outputs": { "all_results": "Conservez la réponse complète et les en-têtes, chaque sortie effective, les identifiants initialement renvoyés et tous les champs d’utilisation. Récupérez l’opération d’origine sans soumettre à nouveau sa création.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "Corps de réponse d’origine complet, état et en-têtes transmis. Ce gestionnaire n’ajoute aucune structure JSON universelle, aucun champ de texte et aucune enveloppe de tâche." }, "parameters": [ { "default_known": false, "enum": [ "openai/gpt-4o-transcribe" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "name": "input_audio", "required": true, "type": "object" } ], "request_schema": { "properties": { "input_audio": { "properties": { "data": { "contentEncoding": "base64", "type": "string" }, "format": { "type": "string" } }, "required": [ "data", "format" ], "type": "object" }, "model": { "enum": [ "openai/gpt-4o-transcribe" ], "type": "string" } }, "required": [ "model", "input_audio" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": true, "body": { "input_audio": { "data": "${BASE64_ACTUAL_WAV_BYTES}", "format": "wav" }, "model": "openai/gpt-4o-transcribe" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_conditions": [ "L’exemple lit votre fichier PCM WAV réel et non vide, encode tous les octets du fichier en base64 et envoie input_audio.format avec la valeur wav." ], "material_types": [ "audio" ], "required": [ "model", "input_audio" ] }, "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 content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "task_id exact d’un enregistrement média existant appartenant à votre compte", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain the actual X-Client-Request-ID and complete response. Read the original owned assets and their exact signed content URLs; never resubmit an uncertain creation." }, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "Complete original response body, status and forwarded headers. No universal JSON shape, text field or task envelope is added by this handler." } }, "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": "/ 1K tokens" }, "label": "input token", "units": [ { "amount": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "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" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "output token", "units": [ { "amount": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "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" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}\"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport base64, io, json, os, wave\nfrom pathlib import Path\naudio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):\n raise SystemExit('Supply your actual PCM WAV audio file')\nwith wave.open(io.BytesIO(audio), 'rb') as recording:\n if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:\n raise SystemExit('Supply a nonempty PCM WAV recording')\nrequest = {'model': 'openai/gpt-4o-transcribe', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}\nPath('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete original response, headers and actual X-Client-Request-ID.\n# Read existing owned records for recovery; do not resubmit an uncertain operation.\n", "label": "curl · actual WAV file and complete original result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "The example reads your actual nonempty PCM WAV file, encodes the complete file bytes as base64 and sends input_audio.format as wav.", "The format value in the example is the documented recipe; no model-specific format list, limit or default is asserted.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Transcription audio", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "audio_transcriptions", "out": null, "output": [ "text" ], "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": { "input_token": 5e-06, "output_token": 2e-05 } }, "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": "/ 1K tokens" }, "label": "input token", "units": [ { "amount": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "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" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "output token", "units": [ { "amount": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "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" } ] } ], "request_model_id": "openai/gpt-4o-transcribe", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}" ], "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": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "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": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "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" } ] } ], "model_aliases": [ { "canonical_model_id": "openai/gpt-4o-transcribe", "request_model_id": "openai/gpt-4o-transcribe", "route_label": "Ultra" } ], "name": "OpenAI: GPT-4o Transcribe", "price": { "in": null, "in_label": null, "out": 0.02, "out_label": "/ 1K tokens", "sort_in": null, "sort_out": 0.02, "varies": true }, "short": "GPT-4o Transcribe convertit l’audio en texte avec les capacités de reconnaissance vocale de GPT-4o d’OpenAI. Il prend en charge les consignes contextuelles, une indication de langue d’entrée, les transcriptions JSON, la sortie de fichier diffusée en continu et, en option, les logarithmes des probabilités des jetons pour examiner les formulations incertaines." }, "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": "GPT-4o Transcribe convertit l’audio en texte avec les capacités de reconnaissance vocale de GPT-4o d’OpenAI. Il prend en charge les consignes contextuelles, une indication de langue d’entrée, les transcriptions JSON, la sortie de fichier diffusée en continu et, en option, les logarithmes des probabilités des jetons pour examiner les formulations incertaines.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "9eddb991a4db073371931563842ee599737fd7510bbf19ebcc3f3121f08cf438", "renderer_sha256": "98cb81b9c4ef4923c22e586170e7cdf67056351148a1666fb03dd6a4a26716a3" }, "sourceRevision": "fa336e7f1d8a28ef4667ca967ff1bd122299ef2b30ed272693c91cef470849a6" }