A GPT Transcribe az OpenAI beszédből szöveget készítő modellje elkészült hangfájlokhoz, folyamatosan visszaadott fájlátiratokhoz és Realtime munkamenetek véglegesített hangfordulóihoz. Hangot fogad opcionális szöveges kontextussal, és felismert szöveget ad vissza. A készítő rögzített beszéd eredeti nyelvű pontos átírására szánja, szakterületi szókinccsel, többnyelvű felvételekkel és nyelvváltással együtt. Hasznos kimenete a felvételhez kötött átirat, felismert nyelvi metaadatokkal, amikor a modell megbízható előrejelzést tud adni.
Az OpenAI fájlátírási munkafolyamata legfeljebb 25 MB-os feltöltéseket fogad. A jelenlegi végpontreferencia FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV és WebM bemeneti formátumokat sorol fel, és a formátum azonosításához elegendő fájlmetaadatot ajánl, megfelelő fájlnévkiterjesztéssel és tartalomtípussal együtt. Nagyobb felvételnél az útmutató tömörítést vagy legfeljebb 25 MB-os fájlokra bontást javasol. Ne vágjon mondat közben, mert a környező beszéd eltávolítása pontatlanabb felismeréshez vezethet. Tartsa sorrendben a részeket, és őrizze meg az eredeti felvételen elfoglalt helyüket.
Megbeszéléshez, interjúhoz vagy rögzített prezentációhoz adja meg a tényleges hangot, és nevezze meg a témát, valamint a várhatóan elhangzó szakkifejezéseket. A hasznos eredmény a felismert megfogalmazás, nem a beszélgetésből kikövetkeztetett összefoglaló. A felvétel azonosítóját őrizze meg a visszaadott szöveggel együtt, hogy egy név, szám vagy bizonytalan mondatrész ellenőrzője visszatérhessen a megfelelő forráshoz. Az átirat ezután külön összefoglalási, fordítási vagy szerkesztési munkafolyamat anyaga lehet.
A készítő háromféle útmutatást különít el. Az utasítás szabad formájú kontextust ad a felvétel témájáról vagy környezetéről. A kulcsszavak a beszédben várható szó szerinti szavakat vagy kifejezéseket adják meg. A languages lista a várható beszélt nyelveket azonosítja. Kétnyelvű termékmegbeszéléshez az utasításban írja le a környezetet, a releváns termékneveket sorolja fel kulcsszóként, és adja meg a várható nyelveket. Ezek felismerési támpontok, nem utasítások arra, hogy a modell senki által ki nem mondott szókincset illesszen be.
A GPT Transcribe a többes számú languages mezőt használja a régebbi, egyes számú language helyett; az OpenAI szerint a kettőt nem szabad együtt elküldeni. Útmutatója támogatott ISO 639-1 kódokat, kiválasztott ISO 639-3 kódokat és regionális kínai nyelvváltozat-kódokat fogad el; a nem támogatott vagy hibás alakú értékeket elutasítja. Minden kulcsszónak egy sorban kell maradnia, és nem tartalmazhat csúcsos zárójelet, kocsivissza-karaktert vagy soremelést. Az érvénytelen kulcsszó vagy túl hosszú utasítás a teljes kérés elutasítását okozhatja. A kontextus maradjon releváns, és ellenőrizze, ténylegesen előfordulnak-e a megadott nevek a hangban, ne kezelje a támpontlistát átiratként.
A dokumentált fájleredmény az átiratot és a felismert nyelveket tartalmazó JSON. Ezek a nyelvi előrejelzések a modell kimenetei, nem a megadott nyelvi támpontok másolatai. Az üres nyelvlista érvényes eredmény, amikor a modell nem tud megbízható előrejelzést adni; nem igazolja, hogy a felvétel néma volt vagy az átírás sikertelen. A felismert szöveget és a nyelvi metaadatokat tartsa külön, hogy a későbbi feldolgozás mindkettőt a jelentésének megfelelően használhassa.
Az elkészült fájl feldolgozás közben fokozatosan adhat átírt szöveget. Az OpenAI transcript.text.delta eseményeket dokumentál a részleges szöveghez és transcript.text.done eseményt a teljes fájlátirathoz; a végső esemény a felismert nyelveket is tartalmazza. Ez egy már megadott felvétel kimenetét továbbítja folyamatosan. Hosszú feltöltés előrehaladásának megjelenítéséhez hasznos, míg a végső esemény határozza meg az elkészült eredményként megőrzendő szöveget.
A GPT Transcribe speciális Realtime munkafolyamattal is rendelkezik WebSocket kapcsolaton keresztül. A hang a bemeneti pufferhez kerül, majd az alkalmazás kifejezetten véglegesít egy hangfordulót. Az átírás ennél a véglegesített résznél kezdődik, és a befejezési esemény előtt részleges frissítéseket küldhet, felismert nyelvi információval együtt. Ebben a készítő által meghatározott munkamenet-folyamatban a modell automatikusan kontextusként használja a korábban átírt fordulókat. Ez különbözik az élő feliratszöveg folyamatos kibocsátásától, ahogyan a mikrofonhang megérkezik; az OpenAI erre a folyamatos munkafolyamatra a GPT Live Transcribe modellt nevezi meg.
Több fordulónál a bemeneti elem azonosítóját őrizze meg a hozzá tartozó átirattal együtt. Az OpenAI figyelmeztetése szerint a különböző fordulók befejezési eseményei nem feltétlenül a beszéd sorrendjében érkeznek, ezért minden végső eredményt a véglegesített bemenetéhez társítson, ne kizárólag befejezési idő alapján rendezze el a beszélgetést. A hasznos eredmény a megfelelő végső elemekből összeállított, sorrendbe rendezett átirat, a köztes szöveget előrehaladásként, nem külön befejezett megszólalásként kezelve.
Ez a profil nem biztosít univerzális felirat-, időbélyeg-, fordítási vagy beszélőcímkézési specifikációt. Az OpenAI migrációs útmutatója megkülönbözteti ezeket a speciális képességeket: a natív feliratformátumok és a szószintű időzítés kompatibilis modellt és formátumot igényelnek, míg a beszélőcímkék a GPT-4o Transcribe Diarize modellt használják. A GPT Transcribe fájleredménye JSON, nem közvetlenül behelyettesíthető SRT, VTT vagy részletes időbélyeges válasz. Konkrét modellkártyája nem közöl számszerű kontextus- vagy maximális kimeneti keretet, ezért hangátíráshoz nem szabad csevegőmodell-tokenablakot feltételezni.
A nehéz szókincset, számokat, akcentusokat, háttérzajt és nyelvváltásokat ellenőrizze a felvétel alapján. Nézze meg, hogy a releváns támpontok javították-e a felismerést el nem hangzott szavak bevezetése nélkül, és a végső átirat tartalmazza-e a hang végét. Többnyelvű eredménynél a fordított változat elkészítése előtt őrizze meg az elhangzott megfogalmazást. Ezek az ellenőrzések forrásanyagként hasznossá teszik az átiratot, miközben a kontextuális támpontok, a felismert nyelvek és a felismert beszéd világosan elkülönülnek.
", "aboutText": "A GPT Transcribe az OpenAI beszédből szöveget készítő modellje elkészült hangfájlokhoz, folyamatosan visszaadott fájlátiratokhoz és Realtime munkamenetek véglegesített hangfordulóihoz. Hangot fogad opcionális szöveges kontextussal, és felismert szöveget ad vissza. A készítő rögzített beszéd eredeti nyelvű pontos átírására szánja, szakterületi szókinccsel, többnyelvű felvételekkel és nyelvváltással együtt. Hasznos kimenete a felvételhez kötött átirat, felismert nyelvi metaadatokkal, amikor a modell megbízható előrejelzést tud adni.\n\n### Elkészült felvétel előkészítése\n\nAz OpenAI fájlátírási munkafolyamata legfeljebb 25 MB-os feltöltéseket fogad. A jelenlegi végpontreferencia FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV és WebM bemeneti formátumokat sorol fel, és a formátum azonosításához elegendő fájlmetaadatot ajánl, megfelelő fájlnévkiterjesztéssel és tartalomtípussal együtt. Nagyobb felvételnél az útmutató tömörítést vagy legfeljebb 25 MB-os fájlokra bontást javasol. Ne vágjon mondat közben, mert a környező beszéd eltávolítása pontatlanabb felismeréshez vezethet. Tartsa sorrendben a részeket, és őrizze meg az eredeti felvételen elfoglalt helyüket.\n\nMegbeszéléshez, interjúhoz vagy rögzített prezentációhoz adja meg a tényleges hangot, és nevezze meg a témát, valamint a várhatóan elhangzó szakkifejezéseket. A hasznos eredmény a felismert megfogalmazás, nem a beszélgetésből kikövetkeztetett összefoglaló. A felvétel azonosítóját őrizze meg a visszaadott szöveggel együtt, hogy egy név, szám vagy bizonytalan mondatrész ellenőrzője visszatérhessen a megfelelő forráshoz. Az átirat ezután külön összefoglalási, fordítási vagy szerkesztési munkafolyamat anyaga lehet.\n\n### Kontextus, kulcsszó-támpontok és várható nyelvek\n\nA készítő háromféle útmutatást különít el. Az utasítás szabad formájú kontextust ad a felvétel témájáról vagy környezetéről. A kulcsszavak a beszédben várható szó szerinti szavakat vagy kifejezéseket adják meg. A languages lista a várható beszélt nyelveket azonosítja. Kétnyelvű termékmegbeszéléshez az utasításban írja le a környezetet, a releváns termékneveket sorolja fel kulcsszóként, és adja meg a várható nyelveket. Ezek felismerési támpontok, nem utasítások arra, hogy a modell senki által ki nem mondott szókincset illesszen be.\n\nA GPT Transcribe a többes számú languages mezőt használja a régebbi, egyes számú language helyett; az OpenAI szerint a kettőt nem szabad együtt elküldeni. Útmutatója támogatott ISO 639-1 kódokat, kiválasztott ISO 639-3 kódokat és regionális kínai nyelvváltozat-kódokat fogad el; a nem támogatott vagy hibás alakú értékeket elutasítja. Minden kulcsszónak egy sorban kell maradnia, és nem tartalmazhat csúcsos zárójelet, kocsivissza-karaktert vagy soremelést. Az érvénytelen kulcsszó vagy túl hosszú utasítás a teljes kérés elutasítását okozhatja. A kontextus maradjon releváns, és ellenőrizze, ténylegesen előfordulnak-e a megadott nevek a hangban, ne kezelje a támpontlistát átiratként.\n\n### JSON kimenet és a felismert nyelv előrejelzései\n\nA dokumentált fájleredmény az átiratot és a felismert nyelveket tartalmazó JSON. Ezek a nyelvi előrejelzések a modell kimenetei, nem a megadott nyelvi támpontok másolatai. Az üres nyelvlista érvényes eredmény, amikor a modell nem tud megbízható előrejelzést adni; nem igazolja, hogy a felvétel néma volt vagy az átírás sikertelen. A felismert szöveget és a nyelvi metaadatokat tartsa külön, hogy a későbbi feldolgozás mindkettőt a jelentésének megfelelően használhassa.\n\n### Fájlátirat folyamatos visszaadása\n\nAz elkészült fájl feldolgozás közben fokozatosan adhat átírt szöveget. Az OpenAI transcript.text.delta eseményeket dokumentál a részleges szöveghez és transcript.text.done eseményt a teljes fájlátirathoz; a végső esemény a felismert nyelveket is tartalmazza. Ez egy már megadott felvétel kimenetét továbbítja folyamatosan. Hosszú feltöltés előrehaladásának megjelenítéséhez hasznos, míg a végső esemény határozza meg az elkészült eredményként megőrzendő szöveget.\n\n### Véglegesített fordulók Realtime munkamenetekben\n\nA GPT Transcribe speciális Realtime munkafolyamattal is rendelkezik WebSocket kapcsolaton keresztül. A hang a bemeneti pufferhez kerül, majd az alkalmazás kifejezetten véglegesít egy hangfordulót. Az átírás ennél a véglegesített résznél kezdődik, és a befejezési esemény előtt részleges frissítéseket küldhet, felismert nyelvi információval együtt. Ebben a készítő által meghatározott munkamenet-folyamatban a modell automatikusan kontextusként használja a korábban átírt fordulókat. Ez különbözik az élő feliratszöveg folyamatos kibocsátásától, ahogyan a mikrofonhang megérkezik; az OpenAI erre a folyamatos munkafolyamatra a GPT Live Transcribe modellt nevezi meg.\n\nTöbb fordulónál a bemeneti elem azonosítóját őrizze meg a hozzá tartozó átirattal együtt. Az OpenAI figyelmeztetése szerint a különböző fordulók befejezési eseményei nem feltétlenül a beszéd sorrendjében érkeznek, ezért minden végső eredményt a véglegesített bemenetéhez társítson, ne kizárólag befejezési idő alapján rendezze el a beszélgetést. A hasznos eredmény a megfelelő végső elemekből összeállított, sorrendbe rendezett átirat, a köztes szöveget előrehaladásként, nem külön befejezett megszólalásként kezelve.\n\n### Speciális kimenetek és érdemi korlátok\n\nEz a profil nem biztosít univerzális felirat-, időbélyeg-, fordítási vagy beszélőcímkézési specifikációt. Az OpenAI migrációs útmutatója megkülönbözteti ezeket a speciális képességeket: a natív feliratformátumok és a szószintű időzítés kompatibilis modellt és formátumot igényelnek, míg a beszélőcímkék a GPT-4o Transcribe Diarize modellt használják. A GPT Transcribe fájleredménye JSON, nem közvetlenül behelyettesíthető SRT, VTT vagy részletes időbélyeges válasz. Konkrét modellkártyája nem közöl számszerű kontextus- vagy maximális kimeneti keretet, ezért hangátíráshoz nem szabad csevegőmodell-tokenablakot feltételezni.\n\nA nehéz szókincset, számokat, akcentusokat, háttérzajt és nyelvváltásokat ellenőrizze a felvétel alapján. Nézze meg, hogy a releváns támpontok javították-e a felismerést el nem hangzott szavak bevezetése nélkül, és a végső átirat tartalmazza-e a hang végét. Többnyelvű eredménynél a fordított változat elkészítése előtt őrizze meg az elhangzott megfogalmazást. Ezek az ellenőrzések forrásanyagként hasznossá teszik az átiratot, miközben a kontextuális támpontok, a felismert nyelvek és a felismert beszéd világosan elkülönülnek.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "e501ac9948e717739454a8bc1fbae0efff9226420561496e89ca2971ac98e012", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "hu", "methods": [ { "html": "openai/gpt-transcribeA GPT Transcribe rögzített beszédet alakít szöveggé az eredeti nyelvén, kontextust adó utasításokkal, szó szerinti kulcsszó-támpontokkal és több nyelvi támponttal. Az OpenAI elkészült fájl átírását, fájleredmények folyamatos visszaadását és a Realtime hangfordulók véglegesítése utáni átírást dokumentálja.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A GPT Transcribe az OpenAI beszédből szöveget készítő modellje elkészült hangfájlokhoz, folyamatosan visszaadott fájlátiratokhoz és Realtime munkamenetek véglegesített hangfordulóihoz. Hangot fogad opcionális szöveges kontextussal, és felismert szöveget ad vissza. A készítő rögzített beszéd eredeti nyelvű pontos átírására szánja, szakterületi szókinccsel, többnyelvű felvételekkel és nyelvváltással együtt. Hasznos kimenete a felvételhez kötött átirat, felismert nyelvi metaadatokkal, amikor a modell megbízható előrejelzést tud adni.
Az OpenAI fájlátírási munkafolyamata legfeljebb 25 MB-os feltöltéseket fogad. A jelenlegi végpontreferencia FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV és WebM bemeneti formátumokat sorol fel, és a formátum azonosításához elegendő fájlmetaadatot ajánl, megfelelő fájlnévkiterjesztéssel és tartalomtípussal együtt. Nagyobb felvételnél az útmutató tömörítést vagy legfeljebb 25 MB-os fájlokra bontást javasol. Ne vágjon mondat közben, mert a környező beszéd eltávolítása pontatlanabb felismeréshez vezethet. Tartsa sorrendben a részeket, és őrizze meg az eredeti felvételen elfoglalt helyüket.
Megbeszéléshez, interjúhoz vagy rögzített prezentációhoz adja meg a tényleges hangot, és nevezze meg a témát, valamint a várhatóan elhangzó szakkifejezéseket. A hasznos eredmény a felismert megfogalmazás, nem a beszélgetésből kikövetkeztetett összefoglaló. A felvétel azonosítóját őrizze meg a visszaadott szöveggel együtt, hogy egy név, szám vagy bizonytalan mondatrész ellenőrzője visszatérhessen a megfelelő forráshoz. Az átirat ezután külön összefoglalási, fordítási vagy szerkesztési munkafolyamat anyaga lehet.
A készítő háromféle útmutatást különít el. Az utasítás szabad formájú kontextust ad a felvétel témájáról vagy környezetéről. A kulcsszavak a beszédben várható szó szerinti szavakat vagy kifejezéseket adják meg. A languages lista a várható beszélt nyelveket azonosítja. Kétnyelvű termékmegbeszéléshez az utasításban írja le a környezetet, a releváns termékneveket sorolja fel kulcsszóként, és adja meg a várható nyelveket. Ezek felismerési támpontok, nem utasítások arra, hogy a modell senki által ki nem mondott szókincset illesszen be.
A GPT Transcribe a többes számú languages mezőt használja a régebbi, egyes számú language helyett; az OpenAI szerint a kettőt nem szabad együtt elküldeni. Útmutatója támogatott ISO 639-1 kódokat, kiválasztott ISO 639-3 kódokat és regionális kínai nyelvváltozat-kódokat fogad el; a nem támogatott vagy hibás alakú értékeket elutasítja. Minden kulcsszónak egy sorban kell maradnia, és nem tartalmazhat csúcsos zárójelet, kocsivissza-karaktert vagy soremelést. Az érvénytelen kulcsszó vagy túl hosszú utasítás a teljes kérés elutasítását okozhatja. A kontextus maradjon releváns, és ellenőrizze, ténylegesen előfordulnak-e a megadott nevek a hangban, ne kezelje a támpontlistát átiratként.
A dokumentált fájleredmény az átiratot és a felismert nyelveket tartalmazó JSON. Ezek a nyelvi előrejelzések a modell kimenetei, nem a megadott nyelvi támpontok másolatai. Az üres nyelvlista érvényes eredmény, amikor a modell nem tud megbízható előrejelzést adni; nem igazolja, hogy a felvétel néma volt vagy az átírás sikertelen. A felismert szöveget és a nyelvi metaadatokat tartsa külön, hogy a későbbi feldolgozás mindkettőt a jelentésének megfelelően használhassa.
Az elkészült fájl feldolgozás közben fokozatosan adhat átírt szöveget. Az OpenAI transcript.text.delta eseményeket dokumentál a részleges szöveghez és transcript.text.done eseményt a teljes fájlátirathoz; a végső esemény a felismert nyelveket is tartalmazza. Ez egy már megadott felvétel kimenetét továbbítja folyamatosan. Hosszú feltöltés előrehaladásának megjelenítéséhez hasznos, míg a végső esemény határozza meg az elkészült eredményként megőrzendő szöveget.
A GPT Transcribe speciális Realtime munkafolyamattal is rendelkezik WebSocket kapcsolaton keresztül. A hang a bemeneti pufferhez kerül, majd az alkalmazás kifejezetten véglegesít egy hangfordulót. Az átírás ennél a véglegesített résznél kezdődik, és a befejezési esemény előtt részleges frissítéseket küldhet, felismert nyelvi információval együtt. Ebben a készítő által meghatározott munkamenet-folyamatban a modell automatikusan kontextusként használja a korábban átírt fordulókat. Ez különbözik az élő feliratszöveg folyamatos kibocsátásától, ahogyan a mikrofonhang megérkezik; az OpenAI erre a folyamatos munkafolyamatra a GPT Live Transcribe modellt nevezi meg.
Több fordulónál a bemeneti elem azonosítóját őrizze meg a hozzá tartozó átirattal együtt. Az OpenAI figyelmeztetése szerint a különböző fordulók befejezési eseményei nem feltétlenül a beszéd sorrendjében érkeznek, ezért minden végső eredményt a véglegesített bemenetéhez társítson, ne kizárólag befejezési idő alapján rendezze el a beszélgetést. A hasznos eredmény a megfelelő végső elemekből összeállított, sorrendbe rendezett átirat, a köztes szöveget előrehaladásként, nem külön befejezett megszólalásként kezelve.
Ez a profil nem biztosít univerzális felirat-, időbélyeg-, fordítási vagy beszélőcímkézési specifikációt. Az OpenAI migrációs útmutatója megkülönbözteti ezeket a speciális képességeket: a natív feliratformátumok és a szószintű időzítés kompatibilis modellt és formátumot igényelnek, míg a beszélőcímkék a GPT-4o Transcribe Diarize modellt használják. A GPT Transcribe fájleredménye JSON, nem közvetlenül behelyettesíthető SRT, VTT vagy részletes időbélyeges válasz. Konkrét modellkártyája nem közöl számszerű kontextus- vagy maximális kimeneti keretet, ezért hangátíráshoz nem szabad csevegőmodell-tokenablakot feltételezni.
A nehéz szókincset, számokat, akcentusokat, háttérzajt és nyelvváltásokat ellenőrizze a felvétel alapján. Nézze meg, hogy a releváns támpontok javították-e a felismerést el nem hangzott szavak bevezetése nélkül, és a végső átirat tartalmazza-e a hang végét. Többnyelvű eredménynél a fordított változat elkészítése előtt őrizze meg az elhangzott megfogalmazást. Ezek az ellenőrzések forrásanyagként hasznossá teszik az átiratot, miközben a kontextuális támpontok, a felismert nyelvek és a felismert beszéd világosan elkülönülnek.
POST /v1/audio/transcriptionsaudiotext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok openai/gpt-transcribe | Alapértelmezett— |
Mezőinput_audio | Típusobject | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, input_audio |
Paramétermaterial_types | Szerződésaudio |
Paramétermaterial_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}
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
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 hangmásodperc | Díjtáblázat— | Elszámolási egységbemeneti hangmásodpercenként | Díj Bemenet · bemeneti hangmásodperc $0.00015 bemeneti hangmásodpercenként |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${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.\nA 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}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}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.
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.
| Mező | Típus |
|---|---|
Mezőtext (when present) | Típus |
Mezőusage (when present) | Típus |
| 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. |
Ailoot Ultra openai/gpt-transcribe
Használja a fent látható metódusútvonalakat.