OpenAI: GPT-4o Transcribe
GPT-4o Transcribe ממיר שמע לטקסט באמצעות יכולות זיהוי הדיבור של GPT-4o מבית OpenAI. הוא תומך בפרומפטים להקשר, ברמז לשפת הקלט, בתמלילי JSON, בפלט קובץ מוזרם ובאפשרות להחזיר הסתברויות לוגריתמיות של טוקנים לצורך בדיקת ניסוח לא ודאי.
על המודל
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
GPT-4o Transcribe הוא מודל הדיבור לטקסט של OpenAI המופעל באמצעות GPT-4o. הקלט שלו הוא שמע עם הנחיה טקסטואלית אופציונלית, והפלט שלו הוא טקסט שזוהה. הוא נפרד ממהדורת GPT-4o Mini Transcribe ומ־GPT-4o Transcribe Diarize, המודל המתמחה בסימון דוברים. השתמשו בתצורה זו להכנת תיעוד טקסטואלי נאמן של חומר מדובר, תוך שמירת הקלטת המקור זמינה לבדיקה ולעבודה עריכתית בהמשך.
קלט קבצים והכנת חומר ארוך
מדריך התמלול של OpenAI מתעד העלאות של עד 25 MB. ההפניה הנוכחית לנקודת הקצה מקבלת FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV ו־WebM וממליצה על מטא־נתונים של הקובץ המזהים את הפורמט, לרבות שם קובץ עם סיומת וסוג תוכן מתאים. להקלטה גדולה יותר, דחיסה או חלקים מסודרים בגודל 25 MB או פחות תואמים להנחיות היצרן לקלט ארוך יותר. הימנעו מחיתוך באמצע משפט ושמרו את מיקומו של כל חלק בהקלטה המלאה.
לריאיון, קשרו כל קובץ קלט להקלטה ולקטע שהוא מכסה. למצגת טכנית, הכינו את שמות המוצרים, ראשי התיבות ואוצר המילים המקצועי הרלוונטיים כהקשר, ואז בדקו את האיות מול מה שהדובר אמר בפועל. להסבר מוקלט עם ערכים מספריים, בדקו את התמליל לצד המקור לפני הפיכתו לנוהל כתוב. התוצר הראשון הרצוי הוא דיבור שזוהה בצורת טקסט; אפשר להכין מטקסט זה דוח מקוצר או מסמך מתורגם כשלב נפרד.
פרומפטים ייחודיים להקלטה ובחירת שפה
מדריך היצרן כולל במפורש את GPT-4o Transcribe בתמיכה בפרומפטים. פרומפט יכול לספק איות נכון, הקשר ממקטע קודם והעדפות לפיסוק, לרישיות, למילות מילוי או למערכת כתב. לפי ההפניה, עליו להתאים לשפת ההקלטה. תיאור קצר ורלוונטי של הנושא ואוצר המילים נותן לתמלול הקשר שימושי, מבלי להתייחס למונחים שלא נאמרו כאל פלט נדרש.
תצורה זו תומכת ברמז שפה יחיד, language, המתועד בצורת ISO 639-1. ציון שפת הקלט בפועל עשוי לסייע לזיהוי. השדות החדשים יותר keywords ו־languages ברבים של GPT Transcribe שייכים למודל בעל השם הנפרד, ואין להניח שהם קיימים ב־GPT-4o Transcribe. קשרו את הגדרת השפה לדיבור שאתם מתמללים ושמרו את הניסוח המקורי לפני כל תרגום או שכתוב סגנוני מאוחרים יותר.
פורמט תוצאה, הסתברויות ופלטים מיוחדים
ההפניה הנוכחית לנקודת הקצה מתעדת JSON כפורמט התשובה הנתמך של GPT-4o Transcribe. התוצאה מכילה טקסט שזוהה, ואפשר לבקש הסתברויות לוגריתמיות אופציונליות של טוקנים בפורמט JSON זה. נתוני ההסתברות מתארים את בחירת הטוקנים של המודל. הם יכולים לסייע בזיהוי קטעים הדורשים בדיקה, אך השוואה לשמע קובעת אם התמליל משחזר שם, מספר או ביטוי קשים.
תוצאת JSON של התצורה הרגילה אינה מספקת פורמטי כתוביות מובנים, חותמות זמן מפורטות למילים או שיוכי דוברים. OpenAI מתעדת אפשרויות אחרות של מודל ופורמט כאשר פלטים אלה דרושים; GPT-4o Transcribe Diarize הוא המהדורה הנפרדת לסימון דוברים. למשימת כתוביות, שמרו תמליל שנבדק עבור שלב תזמון מתאים. לשיחה, אל תמציאו שמות דוברים רק מפני שפסקה בתמליל נראית כאילו הנושא או הקול בה משתנים.
תוצאות מוזרמות מקובץ שהושלם
מדריך הדיבור לטקסט של OpenAI מציין ששילובי GPT-4o Transcribe קיימים תומכים בהזרמת קבצים. היישום מספק תחילה את ההקלטה, ואז מקבל טקסט תמלול בזמן עיבודה ושומר את התוצאה שהושלמה. זו הזרמת תמליל של הקלטה שהושלמה, ולא קבלה של שמע ממיקרופון תוך כדי הגעתו. כרטיס המודל המדויק מציין גם משפחות נקודות קצה לתמלול ול־Realtime; התנהגות מפגש ייחודית למודל צריכה להישאר משויכת לתצורה זו, ולא להילקח ממודל חדש יותר של הזרמה רציפה.
מגבלות המודל ובדיקת התוצר הסופי
מפרט GPT-4o Transcribe הנוכחי כולל חלון הקשר של 16,000 טוקנים, פלט מרבי של 2,000 טוקנים ומועד סיום עדכון הידע ב־1 ביוני 2024. מגבלות טוקנים אלה אינן משך שמע קבוע ואינן מחליפות את כללי ההכנה לתמלול קבצים. להקלטה ממושכת, שמרו את סדר המקור ואת ההקשר הקודם הרלוונטי, ואז אמתו שהטקסט שהושלם מגיע לסוף כל מקטע מיועד.
תמליל סופי שימושי יכול להפוך לחומר ריאיון שניתן לחפש בו, למקור לתיעוד טכני או לנוסח לתהליך כתוביות מאוחר יותר. בדקו אוצר מילים לא ודאי, כמויות, פיסוק, מבטאים ודיבור חופף מול ההקלטה. הפרידו בין הטקסט שזוהה לבין תיקונים או סיכומים מאוחרים יותר, ושמרו את הקישור למקור באמצעות מזהים בתהליך העבודה שסביבו. המודל מספק תיעוד טקסטואלי; הכנת קלט ובדיקת מקור מוקפדות קובעות אם תיעוד זה מתאים לשימוש הבא.
Ailoot Ultra · תמלול POST /v1/audio/transcriptions openai/gpt-4o-transcribe
openai/gpt-4o-transcribeהתחלה
GPT-4o Transcribe ממיר שמע לטקסט באמצעות יכולות זיהוי הדיבור של GPT-4o מבית OpenAI. הוא תומך בפרומפטים להקשר, ברמז לשפת הקלט, בתמלילי JSON, בפלט קובץ מוזרם ובאפשרות להחזיר הסתברויות לוגריתמיות של טוקנים לצורך בדיקת ניסוח לא ודאי.
- 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 |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות openai/gpt-4o-transcribe | ברירת מחדל— |
שדהinput_audio | סוגobject | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
פרמטרים ומחזור חיים של השיטה
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, input_audio |
פרמטרmaterial_types | מפרטaudio |
פרמטרmaterial_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 $0.005 / 1K טוקנים |
| תצורהטוקן פלט | טבלת תעריפים— | יחידת חיוב/ 1K טוקנים | חיוב פלט $0.02 / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
דוגמאות לבקשות
Ailoot Ultra · תמלול
set -eu
: "${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-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}/contentGET /v1/media/assetsGET /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 |
|---|---|
שדהtext (when present) | סוג |
שדהusage (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-transcribe
כינויים לנתיבי שיטות
השתמשו בנתיבי השיטות המוצגים למעלה.
מזהי מודלים קשורים IDs
FAQ · OpenAI: GPT-4o Transcribe
- אילו קלטים ותוצאות זמינים?
POST /v1/audio/transcriptions·openai/gpt-4o-transcribe:audio→text- באילו שדות הבקשה משתמשת?
POST /v1/audio/transcriptions·openai/gpt-4o-transcribe:model,input_audio