OpenAI: GPT-4o Mini Transcribe

GPT-4o Mini Transcribe הוא מודל הדיבור לטקסט של OpenAI המופעל באמצעות GPT-4o Mini. הוא הופך שמע לתמליל JSON, תומך בפרומפטים טקסטואליים ייחודיים להקלטה ובתוצאות קבצים מוזרמות, ויכול להחזיר הסתברויות לוגריתמיות של טוקנים לבדיקה ממוקדת של התמליל.

Ailoot Ultra · תמלול POST /v1/audio/transcriptions openai/gpt-4o-mini-transcribe

על המודל

התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.

GPT-4o Mini Transcribe הוא מודל הדיבור לטקסט של OpenAI המופעל באמצעות GPT-4o Mini. הוא מקבל שמע עם הנחיה טקסטואלית אופציונלית ומפיק טקסט שזוהה. זהו מודל נפרד מ־GPT-4o Transcribe, המשתמש ב־GPT-4o, ומתצורת GPT Transcribe החדשה יותר עם השדות הנפרדים שלה למילות מפתח ולרמזי שפה מרובים. התוצר השימושי כאן הוא תמליל של הדיבור המקורי בהקלטה, המוכן לחיפוש, לבדיקה או לשלב מאוחר יותר של עיבוד תוכן.

הכנת ההקלטה

מדריך תמלול הקבצים של OpenAI מקבל העלאות שמע של עד 25 MB. ההפניה הנוכחית לנקודת הקצה כוללת FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV ו־WebM, עם מטא־נתונים מספקים של שם הקובץ וסוג התוכן לזיהוי פורמט השמע. אפשר לדחוס הקלטות גדולות יותר או לחלקן לחלקים של 25 MB או פחות. שמרו את גבולות המשפטים בעת החלוקה וקשרו כל חלק להקלטת המקור ולמיקומו, כדי שאפשר יהיה להרכיב את הטקסט בהמשך בסדר הנכון.

להערות קוליות, שמרו תמליל מזוהה אחד לכל הקלטה ובדקו שמות או מספרים לפני השימוש בטקסט ליצירת משימות. להדרכה מדוברת, השוו את הניסוח שזוהה להוראות המקוריות לפני עריכתו לפרסום. תדריך הכנה שימושי מזהה את השפה המדוברת ואת המונחים שעלולים להישמע באופן שגוי. תמלול המילים הוא השלב הראשון; פרשנות, סיכום או תרגום יכולים להשתמש בתמליל שנבדק לאחר מכן.

הנחיה בפרומפט ורמז שפה יחיד

שילובי GPT-4o Mini Transcribe קיימים תומכים בפרומפט בטקסט חופשי. OpenAI מתארת פרומפטים לשמות, לראשי תיבות, לאוצר מילים ייחודי להקלטה, לפיסוק, לרישיות, למילות מילוי ולמערכת הכתב המועדפת. לפי ההפניה לנקודת הקצה, הפרומפט צריך להתאים לשפת השמע ויכול לשאת הקשר ממקטע שמע קודם. כללו איות רלוונטי או תיאור קצר של הנושא, במקום לבקש מפרומפט תמלול להתנהג כהוראת צ׳אט ללא הגבלה.

רמז השפה הקיים של מודל זה משתמש בשדה היחיד language. הפניית היצרן מתעדת קוד שפת קלט לפי ISO 639-1, כגון en. השדות הנפרדים keywords ו־languages ברבים מתועדים עבור GPT Transcribe; הם אינם חלק מתצורת Mini זו. לסדרת הקלטות, שמרו עם כל קלט את הגדרת השפה המדוברת המיועדת במקום לפרש אותה כבקשה לתרגם את התוצאה.

תוצאת JSON והסתברויות טוקנים אופציונליות

ההפניה הנוכחית לנקודת הקצה מתעדת JSON כפורמט התשובה הנתמך של GPT-4o Mini Transcribe. הניסוח שזוהה מופיע בשדה text. אם התבקשו, הסתברויות לוגריתמיות של טוקנים יכולות להתלוות לתשובת JSON; ערכים אלה מתארים את הסתברויות הטוקנים של המודל ויכולים לסייע בזיהוי חומר לבדיקה מעמיקה יותר. הם אינם מוכיחים ששם, מספר או משפט תואמים לשמע. השתמשו בהקלטה כדי לקבוע אם יש לתקן מילה שנויה בספק.

תצורת תמלול Mini הרגילה אינה מספקת פלט מובנה של SRT, VTT, חותמות זמן מפורטות למילים או סימון דוברים באמצעות חוזה JSON זה. OpenAI מתעדת מודלים ופורמטים מיוחדים ליכולות אלה. אם התוצר המיועד הוא רצועת כתוביות, שמרו את התמליל שנבדק זמין לתהליך תזמון נפרד, במקום להניח שתוצאת טקסט בלבד כבר מכילה גבולות כתוביות.

הזרמת פלט קבצים ומצבים מתועדים

מדריך הדיבור לטקסט של היצרן מציין במפורש ששילובי GPT-4o Mini Transcribe קיימים תומכים בהזרמת קבצים. הקלטה שהושלמה יכולה להפיק טקסט תמלול חלקי ואחריו תוצאה סופית בזמן עיבודה. שמרו את התמליל הסופי כתוצר שהושלם; הופעת טקסט חלקי אינה אומרת שתהליך הקובץ מקבל באופן רציף שמע חי ממיקרופון. כרטיס המודל מציין בנפרד משפחות נקודות קצה לתמלול ול־Realtime. ממשקי יצרן אלה אינם מרמזים שכל שדה מפגש ממודל תמלול אחר חל כאן.

הקשר, מכסת פלט ובדיקות שימושיות

מפרט המודל הנוכחי של OpenAI כולל חלון הקשר של 16,000 טוקנים, פלט מרבי של 2,000 טוקנים ומועד סיום עדכון הידע ב־1 ביוני 2024. אלה נתוני מפרט המודל, ולא משך אוניברסלי בדקות להקלטת שמע. כלל גודל הקובץ ומכסת הטוקנים מתארים אילוצים שונים. לחומר ממושך, הכינו את ההקלטה לפי תהליך הקבצים המתועד, העבירו הקשר רלוונטי בין החלקים ובדקו שהטקסט הסופי כולל את סיום המקור.

תוצאת Mini Transcribe שימושית משמרת את הניסוח ואת הקשר שלו להקלטה, תוך שמירת נתוני הסתברות אופציונליים בנפרד מתיקונים עריכתיים. בדקו אוצר מילים לא מוכר, מבטאים, רעשי רקע, שינויי שפה ודיבור חופף כאשר השמע המקורי זמין. בעת עדכון הטקסט לשיפור הקריאות, הבדילו בין הגרסה הערוכה לבין התמליל שזוהה, כדי שמשתמשים בהמשך יוכלו לדעת איזה ניסוח הגיע מההקלטה ואיזה השתנה בזמן ההכנה.

Ailoot Ultra · תמלול POST /v1/audio/transcriptions openai/gpt-4o-mini-transcribe

openai/gpt-4o-mini-transcribe

OpenAI /openai/gpt-4o-mini-transcribe

התחלה

סוגי קלט נתמכים: שמע
תוצאות: טקסט

זמין ב-Ailoot · קלט ושיטות

Ailoot Ultra · תמלול POST /v1/audio/transcriptions

סוגי קלט: audio
סוגי פלט: text

שדה	סוג	דרישה	ערכים ומגבלות	ברירת מחדל
שדה`model`	סוג`string`	דרישהחובה	ערכים ומגבלות openai/gpt-4o-mini-transcribe	ברירת מחדל—
שדה`input_audio`	סוג`object`	דרישהחובה	ערכים ומגבלות	ברירת מחדל—

פרמטרים ומחזור חיים של השיטה

פרמטר	מפרט
פרמטר`content_type`	מפרטapplication/json
פרמטר`required`	מפרטmodel, input_audio
פרמטר`material_types`	מפרטaudio
פרמטר`material_conditions`	מפרטהדוגמה קוראת את קובץ ה־PCM WAV הממשי והלא ריק שלכם, מקודדת את כל הבתים של הקובץ ב־base64 ושולחת את input_audio.format בערך wav.

מחזור חיים: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · task_id המדויק מרשומת מדיה קיימת שבבעלותכם

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

תעריפים

מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.

מצב מהיר: לא צוין כאשר נבחר מצב מהיר
מצב Flex: לא צוין כאשר נבחר מצב flex
מאמץ חשיבה מרבי: לא צוין כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)

תעריפי Ailoot

מחירים לפי תצורה

התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.

תצורה	טבלת תעריפים	יחידת חיוב	חיוב
תצורהתעריפי בסיס לטוקנים	טבלת תעריפיםתעריף בסיס	יחידת חיוב—	חיוב קלט · טוקני קלט — / 1K טוקנים פלט · טוקני פלט — / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים
תצורהטוקן קלט	טבלת תעריפים—	יחידת חיוב/ 1K טוקנים	חיוב קלט $0.0025 / 1K טוקנים
תצורהטוקן פלט	טבלת תעריפים—	יחידת חיוב/ 1K טוקנים	חיוב פלט $0.01 / 1K טוקנים

לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →

דוגמאות לבקשות

Ailoot Ultra · תמלול

curl · קובץ WAV אמיתי והתוצאה המקורית המלאה

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"
export AILOOT_AUDIO_FILE
python3 - <<'PY_REQUEST'
import base64, io, json, os, wave
from pathlib import Path
audio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):
    raise SystemExit('Supply your actual PCM WAV audio file')
with wave.open(io.BytesIO(audio), 'rb') as recording:
    if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:
        raise SystemExit('Supply a nonempty PCM WAV recording')
request = {'model': 'openai/gpt-4o-mini-transcribe', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}
Path('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete original response, headers and actual X-Client-Request-ID.
# Read existing owned records for recovery; do not resubmit an uncertain operation.

קבלה ושמירה של תוצאות

Ailoot Ultra · תמלול

גוף התגובה המקורי במלואו, הסטטוס והכותרות שהועברו. המטפל הזה אינו מוסיף מבנה JSON אחיד, שדה טקסט או מעטפת משימה.

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

שמירת כל התוצאות שהושלמו

שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.

שמרו את התשובה המלאה ואת הכותרות, כל פלט שהתקבל בפועל, את המזהים המקוריים שהוחזרו ואת כל שדות השימוש. שחזרו את הפעולה המקורית בלי לשלוח שוב בקשת יצירה.

כשצריך לבדוק את התגובה המקורית

יש לשמור את X-Client-Request-ID הממשי ואת התגובה המלאה. יש לקרוא את הנכסים המקוריים שבבעלותכם ואת כתובות התוכן החתומות המדויקות שלהם; אין לשלוח שוב בקשת יצירה שתוצאתה אינה ודאית.

שדות התגובה

שדה	סוג
שדה`text (when present)`	סוג
שדה`usage (when present)`	סוג

שגיאות והשלבים הבאים

תגובה	תנאי	השלב הבא
תגובה⁦400⁩ · `invalid_request_error`	תנאיגוף ה־JSON או מזהה המודל הקנוני המפורש אינם תקפים.	השלב הבאיש לשמור את התגובה ולתקן את שדה הבקשה שצוין.
תגובה⁦401⁩ · `authentication_error`	תנאימפתח ה־API של Ailoot אינו תקף.	השלב הבאיש להשתמש במפתח ה־API המורשה שלכם של Ailoot.
תגובה⁦403⁩ · `permission_error`	תנאיהקבוצה של המפתח אינה מורשית להשתמש בשיטה הזו.	השלב הבאיש לשמור את פרטי השגיאה שהוחזרו.
תגובה⁦404⁩ · `not_found_error`	תנאילשיטה שנבחרה אין נתיב מאושר לשימוש.	השלב הבאיש לשמור את פרטי השגיאה שהוחזרו.
תגובה⁦422⁩ · `price_unavailable`	תנאילא ניתן להשיג עבור התעריף שהתקבל את כמות הקלט או את הגבול הנדרשים לו.	השלב הבאיש לשמור את התגובה; יש להשתמש בייצוג הקלט הנדרש בתעריף שהתקבל.
תגובה⁦503⁩ ·	תנאיהאחסון, הנתיב, מחיר השיטה או שריון הסכום הנדרשים אינם זמינים.	השלב הבאיש לשמור את התגובה המקורית המלאה. שריון סכום שמצבו אינו ודאי אינו מתיר שליחה חוזרת.
תגובה⁦502⁩ · `server_error`	תנאייש לבדוק את התוצאה המקורית, את נתוני השימוש או את השלמת החיוב.	השלב הבאיש לשמור את מזהה הבקשה הממשי ואת התגובה המקורית. יש לקרוא את הרשומה הקיימת שבבעלותכם; אין לשלוח שוב בקשת יצירה.

כינויים

כינויים למודל

Ailoot Ultra openai/gpt-4o-mini-transcribe

כינויים לנתיבי שיטות

השתמשו בנתיבי השיטות המוצגים למעלה.

מזהי מודלים קשורים IDs

openai/gpt-4o-mini-transcribe

FAQ · OpenAI: GPT-4o Mini Transcribe

אילו קלטים ותוצאות זמינים?: POST /v1/audio/transcriptions · openai/gpt-4o-mini-transcribe: audio → text
באילו שדות הבקשה משתמשת?: POST /v1/audio/transcriptions · openai/gpt-4o-mini-transcribe: model, input_audio

OpenAI: GPT-4o Mini Transcribe