Source: https://ailoot.ai/models/hu/openai-gpt-4o-transcribe/
Canonical: https://ailoot.ai/models/hu/openai-gpt-4o-transcribe/
Language: hu

# OpenAI: GPT-4o Transcribe

[Markdown](https://ailoot.ai/models/hu/openai-gpt-4o-transcribe/index.md) · [JSON](https://ailoot.ai/models/hu/openai-gpt-4o-transcribe/facts.json)

## [OpenAI: GPT-4o Transcribe](https://ailoot.ai/models/hu/openai-gpt-4o-transcribe/)

A GPT-4o Transcribe az OpenAI GPT-4o beszédfelismerési képességeivel alakítja szöveggé a hangot. Kontextust adó utasításokat, bemeneti nyelvi jelzést, JSON-átiratokat, streamelt fájlkimenetet és a bizonytalanul felismert megfogalmazások ellenőrzéséhez opcionális tokenenkénti logaritmikus valószínűségeket támogat.

- [**Ailoot Ultra · Hang átírása** `POST /v1/audio/transcriptions` `openai/gpt-4o-transcribe`](https://ailoot.ai/models/hu/openai-gpt-4o-transcribe/#method-0)

A modellről

Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.

A GPT-4o Transcribe az OpenAI GPT-4o alapú beszéd-szöveg modellje. Bemenete hang opcionális szöveges útmutatással, kimenete pedig felismert szöveg. Különbözik a GPT-4o Mini Transcribe kiadástól és a beszélőcímkézésre specializált GPT-4o Transcribe Diarize modelltől. A profilt a beszélt anyag hű szöveges rögzítéséhez használja, az ellenőrzéshez és későbbi szerkesztői munkához elérhető forrásfelvétellel.

#### Fájlbemenet és hosszú anyag előkészítése

Az OpenAI átírási útmutatója legfeljebb 25 MB-os feltöltéseket dokumentál. A jelenlegi végpontleírás FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV és WebM formátumot fogad, és a formátumot azonosító fájlmetaadatokat ajánl, többek között kiterjesztéssel ellátott fájlnevet és megfelelő tartalomtípust. Nagyobb felvételnél a tömörítés vagy a legfeljebb 25 MB-os, sorrendben tartott részek követik a gyártó hosszabb bemenetre vonatkozó útmutatását. Kerülje a mondat közepén történő felosztást, és őrizze meg minden rész helyét a teljes felvételben.

Interjúnál minden bemeneti fájlt kapcsoljon a felvételhez és az általa lefedett részhez. Műszaki bemutatónál a releváns termékneveket, rövidítéseket és szakterületi szókincset készítse elő kontextusként, majd az írásmódot ellenőrizze a beszélő által ténylegesen elmondottak alapján. Számértékeket tartalmazó felvett magyarázatnál az átiratot a forrással együtt vizsgálja meg, mielőtt írásos eljárássá alakítaná. Az első kívánt eredmény a felismert beszéd szöveges formája; ebből külön lépésként tömörített jelentés vagy lefordított dokumentum készíthető.

#### Felvételhez kötött utasítások és nyelvválasztás

A gyártó útmutatója kifejezetten a szöveges útmutatást támogató modellek közé sorolja a GPT-4o Transcribe modellt. Az utasítás helyes írásmódokat, előző szegmensből származó kontextust, valamint az írásjelekre, nagybetűkre, töltelékszavakra vagy írásrendszerre vonatkozó igényeket adhat meg. A leírás szerint a felvétel nyelvéhez kell igazodnia. A téma és a szókincs rövid, releváns leírása hasznos kontextust ad az átíráshoz anélkül, hogy az el nem hangzott kifejezéseket kötelező kimenetként kezelné.

Ez a profil az egyes számú language nyelvi jelzést támogatja, dokumentáltan ISO 639-1 formában. A tényleges bemeneti nyelv megadása segítheti a felismerést. A GPT Transcribe újabb keywords és többes számú languages mezői ahhoz a külön megnevezett modellhez tartoznak, és nem szabad feltételezni őket a GPT-4o Transcribe esetében. A nyelvbeállítást az átírandó beszédhez kösse, és az eredeti megfogalmazást őrizze meg minden későbbi fordítás vagy stilisztikai átdolgozás előtt.

#### Eredményformátum, valószínűségek és specializált kimenetek

A jelenlegi végpontleírás a JSON formátumot dokumentálja a GPT-4o Transcribe támogatott válaszformátumaként. Az eredmény felismert szöveget tartalmaz, és ezzel a JSON formátummal opcionális tokenenkénti logaritmikus valószínűségek is kérhetők. A valószínűségi adatok a modell tokenválasztását írják le. Jelezhetik, mely részek igényelnek vizsgálatot, de a hanggal való összehasonlítás állapítja meg, hogy az átirat helyesen ad-e vissza egy nehéz nevet, számot vagy kifejezést.

A szokásos profil JSON-eredménye nem biztosít natív feliratformátumokat, részletes szószintű időbélyegeket vagy beszélő-hozzárendelést. Az OpenAI más modell- és formátumválasztásokat dokumentál, ha ezekre a kimenetekre van szükség; a GPT-4o Transcribe Diarize a különálló beszélőcímkéző kiadás. Feliratozási feladathoz őrizzen meg egy ellenőrzött átiratot a megfelelő időzítési lépéshez. Beszélgetésnél ne találjon ki beszélőneveket pusztán azért, mert az átirat egy bekezdése látszólag témát vagy hangot vált.

#### Streamelt eredmények befejezett fájlból

Az OpenAI beszéd-szöveg útmutatója szerint a meglévő GPT-4o Transcribe integrációk támogatják a fájlstreamelést. Az alkalmazás először megadja a felvételt, majd a feldolgozása közben megkapja az átirat szövegét, és megőrzi a befejezett eredményt. Ez egy befejezett felvétel átiratát streameli, nem az éppen beérkező mikrofonhangot fogadja. A pontos modellkártya átírási és Realtime végpontcsaládokat is felsorol; a modellspecifikus munkamenet-viselkedést ehhez a profilhoz kell kötni, nem egy újabb, folyamatos streamelést végző modelltől átvenni.

#### Modellkorlátok és a végső eredmény ellenőrzése

A GPT-4o Transcribe jelenlegi specifikációja 16 000 tokenes kontextusablakot, legfeljebb 2 000 tokenes kimenetet és 2024. június 1-jei tudáshatárt sorol fel. Ezek a tokenkorlátok nem rögzített hangidőtartamot jelentenek, és nem helyettesítik a fájlátírás előkészítési szabályait. Hosszabb felvételnél őrizze meg a forrás sorrendjét és a releváns megelőző kontextust, majd ellenőrizze, hogy az elkészült szöveg eléri-e minden tervezett szegmens végét.

Egy hasznos végső átirat kereshető interjúanyag, műszaki dokumentáció forrása vagy egy későbbi feliratozási munkafolyamat szövege lehet. A bizonytalan szókincset, mennyiségeket, írásjeleket, akcentusokat és átfedő beszédet ellenőrizze a felvétel alapján. A felismert szöveget különítse el a későbbi javításoktól vagy összefoglalóktól, és a környező munkafolyamat azonosítóival őrizze meg a forráshoz vezető kapcsolatot. A modell szöveges feljegyzést ad; a gondos bemenet-előkészítés és a forrás ellenőrzése határozza meg, alkalmas-e ez a feljegyzés a következő felhasználásra.

**Ailoot Ultra · Hang átírása** `POST /v1/audio/transcriptions` `openai/gpt-4o-transcribe`

[`openai/gpt-4o-transcribe`](https://ailoot.ai/models/hu/#m=openai%2Fgpt-4o-transcribe&route=Ultra&caller=openai%2Fgpt-4o-transcribe&fmt=transcriptions)

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

### Kezdő lépések

A GPT-4o Transcribe az OpenAI GPT-4o beszédfelismerési képességeivel alakítja szöveggé a hangot. Kontextust adó utasításokat, bemeneti nyelvi jelzést, JSON-átiratokat, streamelt fájlkimenetet és a bizonytalanul felismert megfogalmazások ellenőrzéséhez opcionális tokenenkénti logaritmikus valószínűségeket támogat.

Elfogadott bemenetek

Hang

Eredmények

Szöveg

### Elérhető az Ailootban · bemenetek és metódusok

**Ailoot Ultra · Hang átírása** `POST /v1/audio/transcriptions`

Bemenet

`audio`

Kimenet

`text`

| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
| --- | --- | --- | --- | --- |
| Mező`model` | Típus`string` | KövetelményKötelező | Értékek és korlátok openai/gpt-4o-transcribe | Alapértelmezett— |
| Mező`input_audio` | Típus`object` | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |

Metódus paraméterei és életciklusa

| Paraméter | Szerződés |
| --- | --- |
| Paraméter`content_type` | Szerződésapplication/json |
| Paraméter`required` | Szerződésmodel, input\_audio |
| Paraméter`material_types` | Szerződésaudio |
| Paraméter`material_conditions` | SzerződésA példa beolvassa az Ön tényleges, nem üres PCM WAV-fájlját, a fájl teljes bájttartalmát base64 formában kódolja, és az input\_audio.format mezőt wav értékkel küldi el. |

Életciklus: `synchronous_result_then_owned_library`

`GET /v1/media/tasks/{task_id}` · pontos task\_id egy meglévő, Önhöz tartozó médiarekordból

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

`GET /v1/media/assets`

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

### Díjcsomagok

A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.

Gyors mód

Nincs megadva Ha a gyors mód van kiválasztva

Flex mód

Nincs megadva Ha a flex mód van kiválasztva

Maximális gondolkodási ráfordítás

Nincs megadva Ha a maximális gondolkodási ráfordításra a default beállításhoz tartozó korrekció vonatkozik

#### Ailoot-díjak

#### Árak beállításonként

Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.

| Beállítás | Díjtáblázat | Elszámolási egység | Díj |
| --- | --- | --- | --- |
| BeállításTokenek alapdíjai | DíjtáblázatAlapdíj | Elszámolási egység— | Díj Bemenet · Bemeneti tokenek **—** / 1K token Kimenet · Kimeneti tokenek **—** / 1K token Bemenet · Gyorsítótár olvasása **—** / 1K token Bemenet · Írás a gyorsítótárba **—** / 1K token Bemenet · Írás a gyorsítótárba, 1 óra **—** / 1K token |
| Beállításbemeneti token | Díjtáblázat— | Elszámolási egység/ 1K token | Díj Bemenet **$0.005** / 1K token |
| Beállításkimeneti token | Díjtáblázat— | Elszámolási egység/ 1K token | Díj Kimenet **$0.02** / 1K token |

Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. [A foglalás és az elszámolás működése →](https://ailoot.ai/docs/hu/billing/reserve/)

### Példakérések

#### Ailoot Ultra · Hang átírása

curl · tényleges WAV-fájl és a teljes eredeti eredmény

```bash
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.
```

### Eredmények fogadása és mentése

#### Ailoot Ultra · Hang átírása

A teljes eredeti választörzs, állapot és továbbított fejlécek. Ez a kezelő nem ad hozzá univerzális JSON-szerkezetet, szövegmezőt vagy feladatburkolót.

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

##### Őrizzen meg minden elkészült eredményt

Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.

Őrizze meg a teljes választ és a fejléceket, minden tényleges kimenetet, az eredetileg visszaadott azonosítókat és az összes használati adatmezőt. Az eredeti műveletet állítsa helyre, a létrehozási kérés újbóli beküldése nélkül.

##### Ha az eredeti választ ellenőrizni kell

Őrizze meg a tényleges X-Client-Request-ID értéket és a teljes választ. Kérdezze le az eredeti saját médiaállományokat és pontos aláírt tartalom-URL-címeiket; bizonytalan kimenetelű létrehozást soha ne küldjön be újra.

Válaszmezők

| Mező | Típus |
| --- | --- |
| Mező`text (when present)` | Típus |
| Mező`usage (when present)` | Típus |

Hibák és következő lépések

| Válasz | Feltétel | Következő lépés |
| --- | --- | --- |
| Válasz400 · `invalid_request_error` | FeltételA JSON-törzs vagy a kifejezetten megadott kanonikus modellazonosító érvénytelen. | Következő lépésŐrizze meg a választ, és javítsa a kérés megjelölt mezőjét. |
| Válasz401 · `authentication_error` | FeltételAz Ailoot API-kulcs érvénytelen. | Következő lépésHasználja az engedélyezett Ailoot API-kulcsát. |
| Válasz403 · `permission_error` | FeltételA kulcscsoport nem használhatja ezt a metódust. | Következő lépésŐrizze meg a visszaadott hiba részleteit. |
| Válasz404 · `not_found_error` | FeltételA kiválasztott metódushoz nincs engedélyezett útvonal. | Következő lépésŐrizze meg a visszaadott hiba részleteit. |
| Válasz422 · `price_unavailable` | FeltételAz elfogadott tarifa nem tudja meghatározni a szükséges bemeneti mennyiséget vagy korlátot. | Következő lépésŐrizze meg a választ; használja az elfogadott tarifa által megkövetelt bemeneti formátumot. |
| Válasz503 · `` | FeltételA szükséges tároló, útvonal, metódusár vagy összegzárolás nem érhető el. | Következő lépésŐrizze meg a teljes eredeti választ. A bizonytalan összegzárolás nem jogosít fel az újraküldésre. |
| Válasz502 · `server_error` | FeltételAz eredeti eredményt, a felhasználást vagy az elszámolást ellenőrizni kell. | Következő lépésŐrizze meg a tényleges kérésazonosítót és az eredeti választ. A meglévő saját rekordot kérdezze le; ne küldje be újra a létrehozási kérést. |

### Álnevek

#### Modell álnevei

**Ailoot Ultra** [`openai/gpt-4o-transcribe`](https://ailoot.ai/models/hu/#m=openai%2Fgpt-4o-transcribe&route=Ultra&caller=openai%2Fgpt-4o-transcribe&fmt=transcriptions)

#### Metódusútvonalak álnevei

Használja a fent látható metódusútvonalakat.

#### Kapcsolódó modellazonosítók

[`openai/gpt-4o-transcribe`](https://ailoot.ai/models/hu/#m=openai%2Fgpt-4o-transcribe&route=Ultra&caller=openai%2Fgpt-4o-transcribe&fmt=transcriptions)

FAQ · OpenAI: GPT-4o Transcribe

Milyen bemenetek és eredmények érhetők el?

`POST /v1/audio/transcriptions` · `openai/gpt-4o-transcribe`: `audio` → `text`

Mely mezőket használja a kérés?

`POST /v1/audio/transcriptions` · `openai/gpt-4o-transcribe`: `model`, `input_audio`

Csatlakoztassa az Ailootot a Claude Code-hoz, OpenCode-hoz, Hermeshez vagy saját alkalmazásához.

## A vállalat és projektportfóliója

A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben.

## Vásároljon tokeneket kedvezménnyel.

Előfizetési kedvezmény rendszeres munkához. Promókódok — akár 50% tokenvásárlási kedvezmény.

Előfizetés

Válasszon kedvezményes tarifát a rendszeres kéréseihez.

Promókód akár 50%-ig

Vásárláskor adja meg a kódot. Az ár az érvényes akció szerint újraszámolódik.

Költségek az előzményekben

Minden kéréshez megmarad a modell, a tokenek és az összeg.

[Előfizetés kiválasztása](https://ailoot.ai/docs/hu/billing/subscriptions/) · [Modellárak megtekintése](https://ailoot.ai/models/hu/)

## Csatlakoztassa az API-t az értékesített termékéhez.

SaaS, alkalmazások és botok — az Ailoot ajánlati feltételei és licencszerződése alapján. Viszonteladáshoz kérjen viszonteladói licencet.

Kereskedelmi alkalmazás

Építsen szöveg-, kép-, videó- és hanggenerálást szolgáltatása fizetős funkcióiba.

Viszonteladói licenc

Küldje el a projekt leírását és a hozzáférés módját. Kérjen írásos használati és viszonteladási feltételeket.

Dokumentumok a weboldalon

Az ajánlati feltételek, licencszerződés és adatkezelési szabályzat már a csatlakoztatás előtt elérhető.

[Viszonteladói licenc kérése](mailto:support@ailoot.ai) · [Ajánlati feltételek és licencszerződés](https://ailoot.ai/legal/offer?lang=hu)

## Ailoot · A vállalat és projektportfóliója





Az Ailoot felhalmozott működési tapasztalatra, széles ügyfélkörre, stabil szolgáltatásra és folyamatos KPI-ellenőrzésre épít.





A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben.





Az Ailoot ezt a működési tapasztalatot használja az ügyfelek termékeiben, ágenseiben, alkalmazásaiban és automatizálásaiban elérhető AI-funkciók API-hozzáféréséhez.