OpenAI: GPT Transcribe

GPT Transcribe mengubah rekaman ucapan menjadi teks dalam bahasa aslinya, dengan prompt kontekstual, petunjuk kata kunci literal, dan petunjuk beberapa bahasa. OpenAI mendokumentasikan transkripsi berkas lengkap, hasil berkas yang dialirkan, dan transkripsi setelah giliran audio Realtime dikomit.

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

Tentang model

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

GPT Transcribe adalah model ucapan-ke-teks OpenAI untuk berkas audio lengkap, transkrip berkas yang dialirkan, dan giliran audio yang dikomit dalam sesi Realtime. Model ini menerima audio dengan konteks teks opsional dan mengembalikan teks yang dikenali. Produsen memosisikannya untuk transkripsi akurat atas rekaman ucapan dalam bahasa aslinya, termasuk kosakata bidang tertentu, rekaman multibahasa, dan alih kode. Hasil yang berguna adalah transkrip yang tetap terhubung dengan rekaman, beserta metadata bahasa yang terdeteksi jika model dapat membuat prediksi yang andal.

Menyiapkan rekaman lengkap

Alur transkripsi berkas OpenAI menerima unggahan hingga 25 MB. Referensi endpoint saat ini mencantumkan format masukan FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV, dan WebM serta menyarankan metadata berkas yang memadai untuk mengenali formatnya, termasuk ekstensi nama berkas dan jenis konten yang sesuai. Untuk rekaman yang lebih besar, panduan menyarankan kompresi atau pemisahan menjadi berkas berukuran 25 MB atau kurang. Hindari memotong di tengah kalimat karena menghilangkan ucapan di sekitarnya dapat menurunkan akurasi pengenalan. Pertahankan urutan bagian dan posisinya dalam rekaman asli.

Untuk rapat, wawancara, atau presentasi yang direkam, berikan audio sebenarnya dan sebutkan topik serta istilah yang mungkin diucapkan. Hasil yang berguna adalah kata-kata yang dikenali, bukan ringkasan pembahasan berdasarkan dugaan. Simpan pengenal rekaman bersama teks yang dikembalikan agar orang yang memeriksa nama, angka, atau frasa yang meragukan dapat kembali ke sumber yang tepat. Transkrip kemudian dapat menjadi bahan untuk alur peringkasan, penerjemahan, atau penyuntingan yang terpisah.

Konteks, petunjuk kata kunci, dan bahasa yang diharapkan

Produsen membedakan tiga jenis panduan. Prompt memberikan konteks bebas tentang topik atau situasi rekaman. Kata kunci memberikan kata atau frasa literal yang diperkirakan ada dalam ucapan. Daftar languages menunjukkan bahasa lisan yang diharapkan. Untuk diskusi produk dwibahasa, jelaskan situasinya dalam prompt, cantumkan nama produk terkait sebagai kata kunci, dan berikan bahasa yang diharapkan. Semuanya merupakan petunjuk pengenalan, bukan instruksi untuk menyisipkan kosakata yang tidak diucapkan siapa pun.

GPT Transcribe menggunakan kolom jamak languages sebagai pengganti kolom tunggal language yang lebih lama; OpenAI menyatakan agar keduanya tidak dikirim bersamaan. Panduannya menerima kode ISO 639-1 yang didukung, kode ISO 639-3 tertentu, dan kode lokal bahasa Mandarin regional, sedangkan nilai yang tidak didukung atau salah format ditolak. Setiap kata kunci harus tetap dalam satu baris dan tidak boleh memuat tanda kurung sudut, karakter carriage return, atau line feed. Kata kunci yang tidak valid atau prompt yang terlalu panjang dapat menyebabkan seluruh permintaan ditolak. Jaga agar konteks tetap relevan dan periksa apakah nama yang dijadikan petunjuk benar-benar muncul dalam audio, alih-alih memperlakukan daftar petunjuk sebagai transkrip.

Keluaran JSON dan prediksi bahasa yang terdeteksi

Hasil berkas yang didokumentasikan berupa JSON yang memuat transkrip dan bahasa yang terdeteksi. Prediksi bahasa tersebut adalah keluaran model, bukan salinan petunjuk bahasa yang diberikan. Daftar bahasa kosong adalah hasil yang valid ketika model tidak dapat membuat prediksi yang andal; hasil itu tidak membuktikan bahwa rekamannya hening atau transkripsi gagal. Pisahkan teks yang dikenali dari metadata bahasa agar pemrosesan berikutnya dapat menggunakan masing-masing sesuai maknanya.

Mengalirkan transkrip berkas

Berkas lengkap dapat menghasilkan teks transkrip secara bertahap selama pemrosesan. OpenAI mendokumentasikan peristiwa transcript.text.delta untuk teks parsial dan transcript.text.done untuk transkrip berkas lengkap; peristiwa akhir juga menyertakan bahasa yang terdeteksi. Ini mengalirkan keluaran dari rekaman yang sudah diberikan. Cara ini berguna untuk menampilkan kemajuan pada unggahan panjang, sedangkan peristiwa akhir menetapkan teks yang harus disimpan sebagai hasil lengkap.

Giliran yang dikomit dalam sesi Realtime

GPT Transcribe juga memiliki alur Realtime khusus melalui WebSocket. Audio ditambahkan ke buffer masukan, lalu aplikasi secara eksplisit mengomit satu giliran audio. Transkripsi dimulai untuk potongan yang telah dikomit itu dan dapat mengeluarkan delta sebelum peristiwa penyelesaiannya, termasuk informasi bahasa yang terdeteksi. Model secara otomatis menggunakan giliran yang telah ditranskripsikan sebelumnya sebagai konteks dalam alur sesi produsen ini. Ini berbeda dari mengeluarkan teks takarir langsung secara terus-menerus saat audio mikrofon masuk; OpenAI menamai GPT Live Transcribe untuk alur berkelanjutan tersebut.

Untuk beberapa giliran, simpan pengenal item masukan bersama transkrip yang sesuai. OpenAI memperingatkan bahwa peristiwa penyelesaian dari giliran yang berbeda tidak harus tiba dalam urutan ucapan, jadi kaitkan setiap hasil akhir dengan masukan yang dikomit, alih-alih menyusun percakapan hanya berdasarkan waktu penyelesaian. Artefak yang berguna adalah transkrip berurutan yang dirangkai dari item akhir yang benar, dengan teks sementara diperlakukan sebagai kemajuan, bukan ujaran lengkap yang terpisah.

Keluaran khusus dan batasan substantif

Profil ini tidak menyediakan kontrak universal untuk takarir, stempel waktu, terjemahan, atau label pembicara. Panduan migrasi OpenAI membedakan kemampuan khusus tersebut: format takarir bawaan dan waktu per kata memerlukan model serta format yang kompatibel, sedangkan label pembicara menggunakan GPT-4o Transcribe Diarize. Hasil berkas GPT Transcribe berupa JSON, bukan pengganti langsung respons SRT, VTT, atau respons dengan stempel waktu terperinci. Kartu model yang tepat tidak memublikasikan batas numerik konteks atau keluaran maksimum, jadi jendela token model percakapan tidak boleh diasumsikan berlaku untuk transkripsi audio.

Periksa kosakata sulit, angka, aksen, kebisingan latar, dan pergantian bahasa terhadap rekaman. Pastikan petunjuk yang relevan meningkatkan pengenalan tanpa menyisipkan istilah yang tidak diucapkan dan bahwa transkrip akhir mencakup bagian akhir audio. Untuk hasil multibahasa, pertahankan kata-kata yang diucapkan sebelum menyiapkan versi terjemahan. Pemeriksaan ini menjadikan transkrip berguna sebagai bahan sumber sekaligus tetap membedakan dengan jelas petunjuk konteks, bahasa yang terdeteksi, dan ucapan yang dikenali.

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

openai/gpt-transcribe

OpenAI /openai/gpt-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-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
Konfigurasidetik audio masukan	Jadwal tarif—	Satuan penagihanper detik audio masukan	Biaya Masukan · detik audio masukan $0.00015 per detik audio masukan

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-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-transcribe

Alias jalur metode

Gunakan jalur metode yang ditampilkan di atas.

ID pemanggil terkait

openai/gpt-transcribe

FAQ · OpenAI: GPT Transcribe

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

OpenAI: GPT Transcribe