OpenAI: GPT-4o Mini Transcribe

GPT-4o Mini Transcribe è il modello di conversione da voce a testo di OpenAI basato su GPT-4o Mini. Accetta audio con indicazioni testuali facoltative e produce testo riconosciuto. È un modello distinto da GPT-4o Transcribe, che usa GPT-4o, e dal profilo GPT Transcribe più recente con i suoi campi separati per parole chiave e indicazioni multilingue. Il risultato utile qui è una trascrizione della voce originale della registrazione, preparata per ricerca, verifica o un passaggio successivo di elaborazione del contenuto.

Preparare la registrazione

La guida di OpenAI alla trascrizione di file accetta caricamenti audio fino a 25 MB. L’attuale documentazione dell’endpoint elenca FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV e WebM, con metadati sufficienti di nome del file e tipo di contenuto per identificarne il formato audio. Le registrazioni più grandi possono essere compresse o suddivise in parti di 25 MB o meno. Conservate i confini delle frasi durante la suddivisione e mantenete ogni parte associata alla registrazione di origine e alla sua posizione, affinché il testo possa essere assemblato nell’ordine corretto.

Per le note vocali, conservate una trascrizione identificabile per registrazione e verificate nomi o numeri prima di usare il testo per creare attività. Per un tutorial parlato, confrontate la formulazione riconosciuta con le istruzioni originali prima di modificarla per la pubblicazione. Indicazioni di preparazione utili individuano la lingua parlata e i termini che potrebbero essere riconosciuti male. Trascrivere le parole è il primo passaggio; un’interpretazione, un riepilogo o una traduzione può usare successivamente la trascrizione verificata.

Indicazioni del prompt e una sola indicazione di lingua

Le integrazioni GPT-4o Mini Transcribe esistenti supportano un prompt libero. OpenAI descrive prompt per nomi, sigle, vocabolario specifico della registrazione, punteggiatura, maiuscole, riempitivi e sistema di scrittura preferito. La documentazione dell’endpoint indica che il prompt deve corrispondere alla lingua dell’audio e può trasmettere il contesto di un segmento audio precedente. Includete grafie pertinenti o una descrizione breve dell’argomento, anziché chiedere a un prompt di trascrizione di comportarsi come un’istruzione chat senza restrizioni.

L’indicazione consolidata di lingua di questo modello usa il campo singolare language. La documentazione del produttore descrive un codice ISO 639-1 per la lingua di input, come en. I campi separati keywords e languages al plurale sono documentati per GPT Transcribe; non fanno parte di questo profilo Mini. Per una serie di registrazioni, conservate l’impostazione della lingua parlata prevista con ogni input, anziché interpretarla come richiesta di tradurre il risultato.

Risultato JSON e probabilità facoltative dei token

L’attuale documentazione dell’endpoint indica JSON come formato di risposta supportato per GPT-4o Mini Transcribe. La formulazione riconosciuta compare nel campo text. Se richiesti, i logaritmi delle probabilità dei token possono accompagnare la risposta JSON; questi valori descrivono le probabilità dei token del modello e possono aiutare a individuare materiale da esaminare più attentamente. Non stabiliscono che un nome, un numero o una frase corrisponda al suono. Usate la registrazione per decidere se correggere una parola dubbia.

Il profilo ordinario di trascrizione Mini non fornisce output nativi SRT, VTT, tempi dettagliati delle singole parole o identificazione dei parlanti attraverso quelle specifiche JSON. OpenAI documenta modelli e formati specializzati per quelle capacità. Se il risultato desiderato è una traccia di sottotitoli, conservate la trascrizione verificata per un processo separato di sincronizzazione, anziché presumere che un risultato soltanto testuale contenga già i confini dei sottotitoli.

Output di file in streaming e modalità documentate

La guida del produttore alla conversione da voce a testo afferma esplicitamente che le integrazioni GPT-4o Mini Transcribe esistenti supportano lo streaming dei file. Una registrazione completata può produrre testo parziale della trascrizione seguito da un risultato finale durante l’elaborazione. Conservate la trascrizione finale come risultato completato; la comparsa di testo parziale non significa che il processo per file stia ricevendo continuamente audio dal microfono dal vivo. La scheda del modello elenca separatamente le famiglie di endpoint di trascrizione e Realtime. Quelle interfacce del produttore non implicano che ogni campo di sessione di un diverso modello di trascrizione si applichi qui.

Contesto, capacità di output e verifiche utili

Le specifiche attuali del modello di OpenAI indicano una finestra di contesto di 16 000 token, un output massimo di 2 000 token e conoscenze aggiornate al 1 giugno 2024. Sono valori delle specifiche del modello, non una durata universale in minuti per una registrazione audio. La regola sulla dimensione dei file e una capacità in token descrivono vincoli diversi. Per materiale esteso, preparate la registrazione secondo il processo per file documentato, trasmettete il contesto pertinente tra le parti e verificate che il testo finale includa la fine della fonte.

Un risultato Mini Transcribe utile conserva la formulazione e la sua relazione con la registrazione, mantenendo i dati di probabilità facoltativi separati dalle correzioni editoriali. Esaminate vocabolario non familiare, accenti, rumore di fondo, cambi di lingua e parlato sovrapposto, tenendo disponibile l’audio originale. Quando rivedete il testo per migliorarne la leggibilità, distinguete quella versione editoriale dalla trascrizione riconosciuta, affinché gli utenti successivi possano sapere quale formulazione proviene dalla registrazione e quale è stata cambiata durante la preparazione.