OpenAI: GPT-4o Transcribe

GPT-4o Transcribe mengubah audio menjadi teks menggunakan kemampuan pengenalan ucapan GPT-4o dari OpenAI. Model ini mendukung prompt kontekstual, petunjuk bahasa masukan, transkrip JSON, hasil file secara streaming, serta probabilitas log token opsional untuk meninjau kata-kata yang belum pasti.

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

Tentang model

Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.

GPT-4o Transcribe adalah model ucapan-ke-teks OpenAI yang didukung oleh GPT-4o. Masukannya berupa audio dengan panduan teks opsional, dan keluarannya berupa teks yang dikenali. Model ini berbeda dari edisi GPT-4o Mini Transcribe dan dari GPT-4o Transcribe Diarize, model khusus untuk pemberian label pembicara. Gunakan profil ini untuk menyiapkan catatan teks yang setia pada materi lisan, dengan rekaman sumber tersedia untuk ditinjau dan disunting kemudian.

Masukan file dan persiapan materi panjang

Panduan transkripsi OpenAI mendokumentasikan unggahan hingga 25 MB. Referensi endpoint saat ini menerima FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV, dan WebM serta menyarankan metadata file yang menunjukkan formatnya, termasuk nama file dengan ekstensi dan jenis konten yang sesuai. Untuk rekaman yang lebih besar, kompresi atau potongan berurutan berukuran 25 MB atau kurang mengikuti panduan produsen untuk masukan yang lebih panjang. Hindari memotong di tengah kalimat, dan pertahankan posisi setiap potongan dalam rekaman lengkap.

Untuk wawancara, hubungkan setiap file masukan dengan rekaman dan bagian yang dicakupnya. Untuk presentasi teknis, siapkan nama produk, akronim, dan kosakata bidang terkait sebagai konteks, lalu periksa ejaannya berdasarkan ucapan pembicara yang sebenarnya. Untuk rekaman penjelasan yang memuat nilai numerik, tinjau transkrip bersama sumber sebelum mengubahnya menjadi prosedur tertulis. Artefak pertama yang diinginkan adalah ucapan yang dikenali dalam bentuk teks; laporan ringkas atau dokumen terjemahan dapat disiapkan dari teks tersebut sebagai langkah terpisah.

Prompt khusus rekaman dan pemilihan bahasa

Panduan produsen secara eksplisit mencakup dukungan prompt untuk GPT-4o Transcribe. Prompt dapat memberikan ejaan yang benar, konteks dari segmen sebelumnya, serta preferensi tanda baca, kapitalisasi, kata pengisi, atau sistem tulisan. Referensi menyatakan bahwa bahasanya harus sesuai dengan bahasa rekaman. Deskripsi singkat yang relevan tentang topik dan kosakata memberi konteks yang berguna bagi transkripsi tanpa menganggap istilah yang tidak diucapkan sebagai keluaran wajib.

Profil ini mendukung petunjuk bahasa tunggal language, yang didokumentasikan dalam format ISO 639-1. Menyertakan bahasa masukan yang sebenarnya dapat membantu pengenalan. Field keywords dan languages jamak yang lebih baru milik GPT Transcribe merupakan bagian dari model dengan nama tersendiri itu dan tidak boleh diasumsikan berlaku untuk GPT-4o Transcribe. Sesuaikan pengaturan bahasa dengan ucapan yang ditranskripsikan, dan pertahankan kata-kata aslinya sebelum penerjemahan atau penulisan ulang gaya bahasa berikutnya.

Format hasil, probabilitas, dan keluaran khusus

Referensi endpoint saat ini mendokumentasikan JSON sebagai format respons yang didukung GPT-4o Transcribe. Hasilnya memuat teks yang dikenali, dan probabilitas log token opsional dapat diminta dengan format JSON tersebut. Data probabilitas menggambarkan pemilihan token oleh model. Data itu dapat membantu menentukan bagian yang perlu diperiksa, tetapi perbandingan dengan audio yang memastikan apakah transkrip mereproduksi nama, angka, atau frasa yang sulit.

Hasil JSON profil standar tidak menyediakan format subtitel bawaan, stempel waktu kata yang terperinci, atau penetapan pembicara. OpenAI mendokumentasikan pilihan model dan format lain ketika keluaran tersebut dibutuhkan; GPT-4o Transcribe Diarize merupakan edisi tersendiri untuk pemberian label pembicara. Untuk tugas pembuatan takarir, simpan transkrip yang telah diperiksa untuk langkah penentuan waktu yang sesuai. Untuk percakapan, jangan mengarang nama pembicara hanya karena suatu paragraf transkrip tampak berganti topik atau suara.

Hasil streaming dari file yang sudah lengkap

Panduan ucapan-ke-teks OpenAI menyatakan bahwa integrasi GPT-4o Transcribe yang sudah ada mendukung streaming file. Aplikasi terlebih dahulu menyerahkan rekaman, lalu menerima teks transkrip saat rekaman diproses dan menyimpan hasil lengkapnya. Cara ini menyiarkan transkrip rekaman yang sudah lengkap secara bertahap, alih-alih menerima audio mikrofon saat audio masuk. Kartu model yang tepat juga mencantumkan keluarga endpoint transkripsi dan Realtime; perilaku sesi khusus model harus tetap dikaitkan dengan profil ini dan tidak dipinjam dari model streaming berkelanjutan yang lebih baru.

Batas model dan pemeriksaan artefak akhir

Spesifikasi GPT-4o Transcribe saat ini mencantumkan jendela konteks 16000 token, keluaran maksimum 2000 token, dan batas pengetahuan 1 Juni 2024. Batas token tersebut bukan durasi audio yang tetap dan tidak menggantikan aturan persiapan transkripsi file. Untuk rekaman panjang, pertahankan urutan sumber serta konteks sebelumnya yang relevan, lalu pastikan teks lengkap mencapai akhir setiap segmen yang dimaksud.

Transkrip akhir yang berguna dapat menjadi materi wawancara yang dapat ditelusuri, sumber dokumentasi teknis, atau teks untuk alur pembuatan takarir berikutnya. Tinjau kosakata yang belum pasti, kuantitas, tanda baca, aksen, dan ucapan yang tumpang tindih berdasarkan rekaman. Bedakan teks yang dikenali dari koreksi atau ringkasan berikutnya, dan pertahankan kaitan dengan sumber melalui pengenal dalam alur kerja yang menggunakannya. Model menyediakan catatan teks; persiapan masukan dan peninjauan sumber yang cermat menentukan apakah catatan itu cocok untuk penggunaan selanjutnya.

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

openai/gpt-4o-transcribe

OpenAI /openai/gpt-4o-transcribe

Mulai

Masukan yang diterima: Audio
Hasil: Teks

Tersedia di Ailoot · masukan & metode

Ailoot Ultra · Transkripsi POST /v1/audio/transcriptions

Masukan: audio
Keluaran: text

Kolom	Jenis	Persyaratan	Nilai & batasan	Bawaan
Kolom`model`	Jenis`string`	PersyaratanWajib	Nilai & batasan openai/gpt-4o-transcribe	Bawaan—
Kolom`input_audio`	Jenis`object`	PersyaratanWajib	Nilai & batasan	Bawaan—

Parameter metode dan siklus hidup

Parameter	Kontrak
Parameter`content_type`	Kontrakapplication/json
Parameter`required`	Kontrakmodel, input_audio
Parameter`material_types`	Kontrakaudio
Parameter`material_conditions`	KontrakContoh ini membaca berkas PCM WAV Anda yang benar-benar ada dan tidak kosong, mengodekan seluruh byte berkas sebagai base64, lalu mengirim input_audio.format dengan nilai wav.

Siklus hidup: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · task_id persis dari catatan media milik Ailoot yang sudah ada

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Paket

Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.

Mode Fast: Tidak ditentukan Saat mode fast dipilih
Mode Flex: Tidak ditentukan Saat mode flex dipilih
Upaya penalaran maksimum: Tidak ditentukan Saat upaya penalaran maksimum menggunakan penyesuaian default

Tarif Ailoot

Harga menurut konfigurasi

Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.

Konfigurasi	Jadwal tarif	Satuan penagihan	Biaya
KonfigurasiTarif dasar token	Jadwal tarifTarif dasar	Satuan penagihan—	Biaya Masukan · Token masukan — / 1K token Keluaran · Token keluaran — / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token
Konfigurasitoken masukan	Jadwal tarif—	Satuan penagihan/ 1K token	Biaya Masukan $0.005 / 1K token
Konfigurasitoken keluaran	Jadwal tarif—	Satuan penagihan/ 1K token	Biaya Keluaran $0.02 / 1K token

Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →

Contoh permintaan

Ailoot Ultra · Transkripsi

curl · berkas WAV yang sebenarnya dan hasil asli secara lengkap

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.

Terima dan simpan hasil

Ailoot Ultra · Transkripsi

Isi respons asli secara utuh, status, dan header yang diteruskan. Handler ini tidak menambahkan struktur JSON universal, bidang teks, atau pembungkus tugas.

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

Simpan semua hasil yang selesai

Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.

Simpan respons dan header secara lengkap, setiap keluaran aktual, identifikator asli yang dikembalikan, dan semua kolom usage. Pulihkan operasi asli tanpa mengirim ulang permintaan pembuatan.

Jika respons asli perlu diperiksa

Simpan X-Client-Request-ID aktual dan respons secara utuh. Baca aset asli yang dimiliki beserta URL konten bertanda tangan yang persis; jangan pernah kirim ulang pembuatan yang statusnya belum pasti.

Kolom respons

Kolom	Jenis
Kolom`text (when present)`	Jenis
Kolom`usage (when present)`	Jenis

Kesalahan dan langkah berikutnya

Respons	Kondisi	Langkah berikutnya
Respons400 · `invalid_request_error`	KondisiIsi JSON atau ID model kanonis eksplisit tidak valid.	Langkah berikutnyaSimpan respons dan perbaiki bidang permintaan yang ditunjukkan.
Respons401 · `authentication_error`	KondisiKunci API Ailoot tidak valid.	Langkah berikutnyaGunakan kunci API Ailoot Anda yang diotorisasi.
Respons403 · `permission_error`	KondisiGrup kunci tidak mengizinkan metode ini.	Langkah berikutnyaSimpan rincian kesalahan yang dikembalikan.
Respons404 · `not_found_error`	KondisiMetode yang dipilih tidak memiliki rute yang diizinkan.	Langkah berikutnyaSimpan rincian kesalahan yang dikembalikan.
Respons422 · `price_unavailable`	KondisiTarif yang diterima tidak dapat memperoleh jumlah atau batas masukan yang diwajibkan.	Langkah berikutnyaSimpan respons; gunakan representasi masukan yang diwajibkan oleh tarif yang diterima.
Respons503 ·	KondisiPenyimpanan, rute, harga metode, atau pencadangan dana yang diperlukan tidak tersedia.	Langkah berikutnyaSimpan respons asli secara utuh. Pencadangan dana yang belum pasti tidak mengizinkan pengiriman ulang.
Respons502 · `server_error`	KondisiHasil awal, penggunaan, atau penyelesaian tagihan perlu diperiksa.	Langkah berikutnyaSimpan ID permintaan aktual dan respons asli. Baca catatan yang dimiliki yang sudah ada; jangan kirim ulang pembuatan.

Alias

Alias model

Ailoot Ultra openai/gpt-4o-transcribe

Alias jalur metode

Gunakan jalur metode yang ditampilkan di atas.

ID pemanggil terkait

openai/gpt-4o-transcribe

FAQ · OpenAI: GPT-4o Transcribe

Input dan hasil apa yang tersedia?: POST /v1/audio/transcriptions · openai/gpt-4o-transcribe: audio → text
Kolom apa yang digunakan permintaan?: POST /v1/audio/transcriptions · openai/gpt-4o-transcribe: model, input_audio

OpenAI: GPT-4o Transcribe