GPT Transcribe est le modèle de transcription de la parole d’OpenAI pour les fichiers audio complets, les transcriptions de fichiers diffusées progressivement et les tours audio explicitement clôturés dans les sessions Realtime. Il accepte de l’audio avec un contexte textuel facultatif et renvoie le texte reconnu. Le concepteur le présente pour la transcription précise de la parole enregistrée dans sa langue d’origine, notamment le vocabulaire spécialisé, les enregistrements multilingues et l’alternance entre langues. Sa sortie utile est une transcription qui reste liée à l’enregistrement, avec des métadonnées de langues détectées lorsque le modèle peut formuler une prédiction fiable.
Le processus de transcription de fichiers d’OpenAI accepte des envois jusqu’à 25 MB. La référence actuelle du point de terminaison répertorie les formats d’entrée FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV et WebM et recommande assez de métadonnées de fichier pour identifier le format, notamment une extension de nom de fichier et un type de contenu adaptés. Pour un enregistrement plus volumineux, le guide recommande de le compresser ou de le découper en fichiers de 25 MB ou moins. Évitez de couper au milieu d’une phrase, car retirer la parole environnante peut réduire la précision de reconnaissance. Gardez les parties dans l’ordre et conservez leurs positions dans l’enregistrement d’origine.
Pour une réunion, un entretien ou une présentation enregistrée, fournissez l’audio réel et indiquez le sujet ainsi que toute terminologie susceptible d’être prononcée. Un résultat utile restitue les paroles reconnues plutôt qu’un résumé déduit de la discussion. Conservez l’identifiant de l’enregistrement avec le texte renvoyé afin qu’une personne vérifiant un nom, un nombre ou une expression incertaine puisse revenir à la bonne source. Une transcription peut ensuite servir de matériau à un processus distinct de résumé, de traduction ou de traitement éditorial.
Le concepteur distingue trois types d’indications. Un prompt donne un contexte libre sur le sujet ou la situation de l’enregistrement. Les mots-clés donnent les mots ou expressions littéraux attendus dans la parole. Une liste de langues indique les langues parlées attendues. Pour une discussion bilingue sur un produit, décrivez la situation dans le prompt, répertoriez les noms de produits pertinents comme mots-clés et fournissez les langues attendues. Ce sont des indications de reconnaissance ; elles ne demandent pas d’insérer du vocabulaire que personne n’a prononcé.
GPT Transcribe utilise le champ pluriel languages à la place de l’ancien champ singulier language ; OpenAI indique de ne pas envoyer les deux. Son guide accepte les codes ISO 639-1 pris en charge, certains codes ISO 639-3 et des codes régionaux de locale chinoise, avec rejet des valeurs non prises en charge ou mal formées. Chaque mot-clé doit tenir sur une seule ligne et ne doit contenir ni chevron, ni retour chariot, ni saut de ligne. Un mot-clé invalide ou un prompt trop long peut entraîner le rejet de toute la requête. Gardez un contexte pertinent et vérifiez si les noms suggérés figurent réellement dans l’audio plutôt que de traiter la liste d’indications comme la transcription.
Le résultat de fichier documenté est un objet JSON contenant la transcription et les langues détectées. Ces prédictions de langues sont la sortie du modèle, sans être une copie des indications de langues fournies. Une liste de langues vide est un résultat valide lorsque le modèle ne peut pas formuler une prédiction fiable ; elle n’établit pas que l’enregistrement était silencieux ou que la transcription a échoué. Gardez le texte reconnu et les métadonnées de langue distincts afin que les traitements suivants puissent utiliser chaque élément selon sa signification.
Un fichier complet peut produire progressivement du texte transcrit pendant son traitement. OpenAI documente les événements transcript.text.delta pour le texte partiel et transcript.text.done pour la transcription complète du fichier ; l’événement final comprend aussi les langues détectées. Ce processus diffuse progressivement la sortie d’un enregistrement déjà fourni. Il permet d’afficher l’avancement d’un long envoi, tandis que l’événement final établit le texte à conserver comme résultat achevé.
GPT Transcribe possède aussi un processus Realtime spécialisé par WebSocket. L’audio est ajouté au tampon d’entrée, puis l’application marque explicitement la fin d’un tour audio. La transcription commence pour ce segment clôturé et peut émettre des fragments de texte avant son événement d’achèvement, avec des informations de langues détectées. Le modèle utilise automatiquement les tours déjà transcrits comme contexte dans ce processus de session du concepteur. Cela se distingue de l’émission continue de sous-titres en direct à mesure que l’audio du microphone arrive ; OpenAI nomme GPT Live Transcribe pour ce processus continu.
Pour plusieurs tours, conservez l’identifiant de l’élément d’entrée avec la transcription correspondante. OpenAI avertit que les événements d’achèvement de tours différents peuvent arriver dans un autre ordre que celui de la parole : associez donc chaque résultat final à son entrée clôturée plutôt que d’ordonner une conversation uniquement selon l’heure d’achèvement. Le résultat utile est une transcription ordonnée assemblée à partir des bons éléments finaux, le texte intermédiaire étant traité comme un avancement plutôt que comme un énoncé achevé distinct.
Ce profil ne fournit pas un contrat universel de sous-titres, d’horodatages, de traduction ou d’étiquettes de locuteurs. Le guide de migration d’OpenAI distingue ces capacités spécialisées : les formats de sous-titres pris en charge nativement et les repères temporels par mot nécessitent un modèle et un format compatibles, tandis que les étiquettes de locuteurs utilisent GPT-4o Transcribe Diarize. Le résultat de fichier de GPT Transcribe est JSON plutôt qu’une réponse directement substituable à SRT, VTT ou à des horodatages détaillés. Sa fiche de modèle exacte ne publie pas de valeur numérique de contexte ou de plafond de sortie : il ne faut donc pas supposer qu’une fenêtre de tokens de modèle de chat s’applique à la transcription audio.
Vérifiez le vocabulaire difficile, les nombres, les accents, le bruit de fond et les changements de langue par rapport à l’enregistrement. Vérifiez que les indications pertinentes ont amélioré la reconnaissance sans introduire de termes non prononcés et que la transcription finale comprend la fin de l’audio. Pour un résultat multilingue, préservez les paroles prononcées avant de préparer une version traduite. Ces vérifications rendent la transcription utile comme matériau source tout en distinguant clairement les indications de contexte, les langues détectées et la parole reconnue.
", "aboutText": "GPT Transcribe est le modèle de transcription de la parole d’OpenAI pour les fichiers audio complets, les transcriptions de fichiers diffusées progressivement et les tours audio explicitement clôturés dans les sessions Realtime. Il accepte de l’audio avec un contexte textuel facultatif et renvoie le texte reconnu. Le concepteur le présente pour la transcription précise de la parole enregistrée dans sa langue d’origine, notamment le vocabulaire spécialisé, les enregistrements multilingues et l’alternance entre langues. Sa sortie utile est une transcription qui reste liée à l’enregistrement, avec des métadonnées de langues détectées lorsque le modèle peut formuler une prédiction fiable.\n\n### Préparer un enregistrement complet\n\nLe processus de transcription de fichiers d’OpenAI accepte des envois jusqu’à 25 MB. La référence actuelle du point de terminaison répertorie les formats d’entrée FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV et WebM et recommande assez de métadonnées de fichier pour identifier le format, notamment une extension de nom de fichier et un type de contenu adaptés. Pour un enregistrement plus volumineux, le guide recommande de le compresser ou de le découper en fichiers de 25 MB ou moins. Évitez de couper au milieu d’une phrase, car retirer la parole environnante peut réduire la précision de reconnaissance. Gardez les parties dans l’ordre et conservez leurs positions dans l’enregistrement d’origine.\n\nPour une réunion, un entretien ou une présentation enregistrée, fournissez l’audio réel et indiquez le sujet ainsi que toute terminologie susceptible d’être prononcée. Un résultat utile restitue les paroles reconnues plutôt qu’un résumé déduit de la discussion. Conservez l’identifiant de l’enregistrement avec le texte renvoyé afin qu’une personne vérifiant un nom, un nombre ou une expression incertaine puisse revenir à la bonne source. Une transcription peut ensuite servir de matériau à un processus distinct de résumé, de traduction ou de traitement éditorial.\n\n### Contexte, indications de mots-clés et langues attendues\n\nLe concepteur distingue trois types d’indications. Un prompt donne un contexte libre sur le sujet ou la situation de l’enregistrement. Les mots-clés donnent les mots ou expressions littéraux attendus dans la parole. Une liste de langues indique les langues parlées attendues. Pour une discussion bilingue sur un produit, décrivez la situation dans le prompt, répertoriez les noms de produits pertinents comme mots-clés et fournissez les langues attendues. Ce sont des indications de reconnaissance ; elles ne demandent pas d’insérer du vocabulaire que personne n’a prononcé.\n\nGPT Transcribe utilise le champ pluriel languages à la place de l’ancien champ singulier language ; OpenAI indique de ne pas envoyer les deux. Son guide accepte les codes ISO 639-1 pris en charge, certains codes ISO 639-3 et des codes régionaux de locale chinoise, avec rejet des valeurs non prises en charge ou mal formées. Chaque mot-clé doit tenir sur une seule ligne et ne doit contenir ni chevron, ni retour chariot, ni saut de ligne. Un mot-clé invalide ou un prompt trop long peut entraîner le rejet de toute la requête. Gardez un contexte pertinent et vérifiez si les noms suggérés figurent réellement dans l’audio plutôt que de traiter la liste d’indications comme la transcription.\n\n### Sortie JSON et prédictions de langues détectées\n\nLe résultat de fichier documenté est un objet JSON contenant la transcription et les langues détectées. Ces prédictions de langues sont la sortie du modèle, sans être une copie des indications de langues fournies. Une liste de langues vide est un résultat valide lorsque le modèle ne peut pas formuler une prédiction fiable ; elle n’établit pas que l’enregistrement était silencieux ou que la transcription a échoué. Gardez le texte reconnu et les métadonnées de langue distincts afin que les traitements suivants puissent utiliser chaque élément selon sa signification.\n\n### Diffuser progressivement la transcription d’un fichier\n\nUn fichier complet peut produire progressivement du texte transcrit pendant son traitement. OpenAI documente les événements transcript.text.delta pour le texte partiel et transcript.text.done pour la transcription complète du fichier ; l’événement final comprend aussi les langues détectées. Ce processus diffuse progressivement la sortie d’un enregistrement déjà fourni. Il permet d’afficher l’avancement d’un long envoi, tandis que l’événement final établit le texte à conserver comme résultat achevé.\n\n### Tours audio explicitement clôturés dans les sessions Realtime\n\nGPT Transcribe possède aussi un processus Realtime spécialisé par WebSocket. L’audio est ajouté au tampon d’entrée, puis l’application marque explicitement la fin d’un tour audio. La transcription commence pour ce segment clôturé et peut émettre des fragments de texte avant son événement d’achèvement, avec des informations de langues détectées. Le modèle utilise automatiquement les tours déjà transcrits comme contexte dans ce processus de session du concepteur. Cela se distingue de l’émission continue de sous-titres en direct à mesure que l’audio du microphone arrive ; OpenAI nomme GPT Live Transcribe pour ce processus continu.\n\nPour plusieurs tours, conservez l’identifiant de l’élément d’entrée avec la transcription correspondante. OpenAI avertit que les événements d’achèvement de tours différents peuvent arriver dans un autre ordre que celui de la parole : associez donc chaque résultat final à son entrée clôturée plutôt que d’ordonner une conversation uniquement selon l’heure d’achèvement. Le résultat utile est une transcription ordonnée assemblée à partir des bons éléments finaux, le texte intermédiaire étant traité comme un avancement plutôt que comme un énoncé achevé distinct.\n\n### Sorties spécialisées et limites de fond\n\nCe profil ne fournit pas un contrat universel de sous-titres, d’horodatages, de traduction ou d’étiquettes de locuteurs. Le guide de migration d’OpenAI distingue ces capacités spécialisées : les formats de sous-titres pris en charge nativement et les repères temporels par mot nécessitent un modèle et un format compatibles, tandis que les étiquettes de locuteurs utilisent GPT-4o Transcribe Diarize. Le résultat de fichier de GPT Transcribe est JSON plutôt qu’une réponse directement substituable à SRT, VTT ou à des horodatages détaillés. Sa fiche de modèle exacte ne publie pas de valeur numérique de contexte ou de plafond de sortie : il ne faut donc pas supposer qu’une fenêtre de tokens de modèle de chat s’applique à la transcription audio.\n\nVérifiez le vocabulaire difficile, les nombres, les accents, le bruit de fond et les changements de langue par rapport à l’enregistrement. Vérifiez que les indications pertinentes ont amélioré la reconnaissance sans introduire de termes non prononcés et que la transcription finale comprend la fin de l’audio. Pour un résultat multilingue, préservez les paroles prononcées avant de préparer une version traduite. Ces vérifications rendent la transcription utile comme matériau source tout en distinguant clairement les indications de contexte, les langues détectées et la parole reconnue.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "89bcc911b3b9f878a15b69f41ac98a6f7525fa6b69e3f368e89ae9cc81b2d82c", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ch", "methods": [ { "html": "openai/gpt-transcribeGPT Transcribe transforme la parole enregistrée en texte dans sa langue d’origine, avec des prompts de contexte, des indications de mots-clés littéraux et des indications de plusieurs langues. OpenAI documente la transcription de fichiers complets, la diffusion progressive des résultats de fichiers et la transcription après clôture explicite de tours audio Realtime.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT Transcribe est le modèle de transcription de la parole d’OpenAI pour les fichiers audio complets, les transcriptions de fichiers diffusées progressivement et les tours audio explicitement clôturés dans les sessions Realtime. Il accepte de l’audio avec un contexte textuel facultatif et renvoie le texte reconnu. Le concepteur le présente pour la transcription précise de la parole enregistrée dans sa langue d’origine, notamment le vocabulaire spécialisé, les enregistrements multilingues et l’alternance entre langues. Sa sortie utile est une transcription qui reste liée à l’enregistrement, avec des métadonnées de langues détectées lorsque le modèle peut formuler une prédiction fiable.
Le processus de transcription de fichiers d’OpenAI accepte des envois jusqu’à 25 MB. La référence actuelle du point de terminaison répertorie les formats d’entrée FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV et WebM et recommande assez de métadonnées de fichier pour identifier le format, notamment une extension de nom de fichier et un type de contenu adaptés. Pour un enregistrement plus volumineux, le guide recommande de le compresser ou de le découper en fichiers de 25 MB ou moins. Évitez de couper au milieu d’une phrase, car retirer la parole environnante peut réduire la précision de reconnaissance. Gardez les parties dans l’ordre et conservez leurs positions dans l’enregistrement d’origine.
Pour une réunion, un entretien ou une présentation enregistrée, fournissez l’audio réel et indiquez le sujet ainsi que toute terminologie susceptible d’être prononcée. Un résultat utile restitue les paroles reconnues plutôt qu’un résumé déduit de la discussion. Conservez l’identifiant de l’enregistrement avec le texte renvoyé afin qu’une personne vérifiant un nom, un nombre ou une expression incertaine puisse revenir à la bonne source. Une transcription peut ensuite servir de matériau à un processus distinct de résumé, de traduction ou de traitement éditorial.
Le concepteur distingue trois types d’indications. Un prompt donne un contexte libre sur le sujet ou la situation de l’enregistrement. Les mots-clés donnent les mots ou expressions littéraux attendus dans la parole. Une liste de langues indique les langues parlées attendues. Pour une discussion bilingue sur un produit, décrivez la situation dans le prompt, répertoriez les noms de produits pertinents comme mots-clés et fournissez les langues attendues. Ce sont des indications de reconnaissance ; elles ne demandent pas d’insérer du vocabulaire que personne n’a prononcé.
GPT Transcribe utilise le champ pluriel languages à la place de l’ancien champ singulier language ; OpenAI indique de ne pas envoyer les deux. Son guide accepte les codes ISO 639-1 pris en charge, certains codes ISO 639-3 et des codes régionaux de locale chinoise, avec rejet des valeurs non prises en charge ou mal formées. Chaque mot-clé doit tenir sur une seule ligne et ne doit contenir ni chevron, ni retour chariot, ni saut de ligne. Un mot-clé invalide ou un prompt trop long peut entraîner le rejet de toute la requête. Gardez un contexte pertinent et vérifiez si les noms suggérés figurent réellement dans l’audio plutôt que de traiter la liste d’indications comme la transcription.
Le résultat de fichier documenté est un objet JSON contenant la transcription et les langues détectées. Ces prédictions de langues sont la sortie du modèle, sans être une copie des indications de langues fournies. Une liste de langues vide est un résultat valide lorsque le modèle ne peut pas formuler une prédiction fiable ; elle n’établit pas que l’enregistrement était silencieux ou que la transcription a échoué. Gardez le texte reconnu et les métadonnées de langue distincts afin que les traitements suivants puissent utiliser chaque élément selon sa signification.
Un fichier complet peut produire progressivement du texte transcrit pendant son traitement. OpenAI documente les événements transcript.text.delta pour le texte partiel et transcript.text.done pour la transcription complète du fichier ; l’événement final comprend aussi les langues détectées. Ce processus diffuse progressivement la sortie d’un enregistrement déjà fourni. Il permet d’afficher l’avancement d’un long envoi, tandis que l’événement final établit le texte à conserver comme résultat achevé.
GPT Transcribe possède aussi un processus Realtime spécialisé par WebSocket. L’audio est ajouté au tampon d’entrée, puis l’application marque explicitement la fin d’un tour audio. La transcription commence pour ce segment clôturé et peut émettre des fragments de texte avant son événement d’achèvement, avec des informations de langues détectées. Le modèle utilise automatiquement les tours déjà transcrits comme contexte dans ce processus de session du concepteur. Cela se distingue de l’émission continue de sous-titres en direct à mesure que l’audio du microphone arrive ; OpenAI nomme GPT Live Transcribe pour ce processus continu.
Pour plusieurs tours, conservez l’identifiant de l’élément d’entrée avec la transcription correspondante. OpenAI avertit que les événements d’achèvement de tours différents peuvent arriver dans un autre ordre que celui de la parole : associez donc chaque résultat final à son entrée clôturée plutôt que d’ordonner une conversation uniquement selon l’heure d’achèvement. Le résultat utile est une transcription ordonnée assemblée à partir des bons éléments finaux, le texte intermédiaire étant traité comme un avancement plutôt que comme un énoncé achevé distinct.
Ce profil ne fournit pas un contrat universel de sous-titres, d’horodatages, de traduction ou d’étiquettes de locuteurs. Le guide de migration d’OpenAI distingue ces capacités spécialisées : les formats de sous-titres pris en charge nativement et les repères temporels par mot nécessitent un modèle et un format compatibles, tandis que les étiquettes de locuteurs utilisent GPT-4o Transcribe Diarize. Le résultat de fichier de GPT Transcribe est JSON plutôt qu’une réponse directement substituable à SRT, VTT ou à des horodatages détaillés. Sa fiche de modèle exacte ne publie pas de valeur numérique de contexte ou de plafond de sortie : il ne faut donc pas supposer qu’une fenêtre de tokens de modèle de chat s’applique à la transcription audio.
Vérifiez le vocabulaire difficile, les nombres, les accents, le bruit de fond et les changements de langue par rapport à l’enregistrement. Vérifiez que les indications pertinentes ont amélioré la reconnaissance sans introduire de termes non prononcés et que la transcription finale comprend la fin de l’audio. Pour un résultat multilingue, préservez les paroles prononcées avant de préparer une version traduite. Ces vérifications rendent la transcription utile comme matériau source tout en distinguant clairement les indications de contexte, les langues détectées et la parole reconnue.
POST /v1/audio/transcriptionsaudiotext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites openai/gpt-transcribe | Par défaut— |
Champinput_audio | Typeobject | ExigenceObligatoire | Valeurs et limites | Par défaut— |
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, input_audio |
Paramètrematerial_types | Contrataudio |
Paramètrematerial_conditions | ContratL’exemple lit votre fichier PCM WAV réel et non vide, encode l’intégralité de ses octets 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 provenant d’un enregistrement multimédia existant dont vous êtes propriétaire
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Unité de facturation | Coût |
|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Unité de facturation— | Coût Entrée · Tokens en entrée — / 1K tokens Sortie · Tokens en sortie — / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| Configurationseconde d’audio en entrée | Barème tarifaire— | Unité de facturationpar seconde d’audio en entrée | Coût Entrée · seconde d’audio en entrée $0.00015 par seconde d’audio en entrée |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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-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.\nCorps complet de la réponse d’origine, état et en-têtes transmis. Ce gestionnaire n’ajoute aucune structure JSON universelle, aucun champ texte ni aucune enveloppe de tâche.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}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.
Conservez le X-Client-Request-ID réel et la réponse complète. Consultez les ressources d’origine dont vous êtes propriétaire et leurs liens de contenu signés exacts ; ne renvoyez jamais une demande de création incertaine.
| Champ | Type |
|---|---|
Champtext (when present) | Type |
Champusage (when present) | Type |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionLe corps JSON ou l’identifiant canonique explicite du modèle est invalide. | Étape suivanteConservez la réponse et corrigez le champ indiqué dans la requête. |
Réponse401 · authentication_error | ConditionLa clé API Ailoot est invalide. | Étape suivanteUtilisez votre clé API Ailoot autorisée. |
Réponse403 · permission_error | ConditionLe groupe de la clé n’autorise pas cette méthode. | Étape suivanteConservez les détails de l’erreur renvoyée. |
Réponse404 · not_found_error | ConditionLa méthode sélectionnée ne dispose d’aucune route autorisée. | Étape suivanteConservez les détails de l’erreur renvoyée. |
Réponse422 · price_unavailable | ConditionLe tarif accepté ne peut pas déterminer la quantité d’entrée requise ou sa borne. | Étape suivanteConservez la réponse ; utilisez la représentation d’entrée requise par le tarif accepté. |
Réponse503 · | ConditionLe stockage, la route, le tarif de la méthode ou la réservation requis est indisponible. | Étape suivanteConservez la réponse d’origine complète. Une réservation incertaine n’autorise pas le renvoi de la demande. |
Réponse502 · server_error | ConditionLe résultat d’origine, la consommation ou la facturation définitive nécessite une vérification. | Étape suivanteConservez l’identifiant réel de la requête et la réponse d’origine. Consultez l’enregistrement existant dont vous êtes propriétaire ; ne renvoyez pas la demande de création. |
Ailoot Ultra openai/gpt-transcribe
Utilisez les chemins de méthode indiqués ci-dessus.