{ "aboutHtml": "

GPT-4o Transcribe è il modello di conversione da voce a testo di OpenAI basato su GPT-4o. L’input è audio con indicazioni testuali facoltative e l’output è testo riconosciuto. È distinto dall’edizione GPT-4o Mini Transcribe e da GPT-4o Transcribe Diarize, il modello specializzato nell’identificazione dei parlanti. Usate questo profilo per preparare una registrazione testuale fedele del materiale parlato, mantenendo disponibile l’audio di origine per le verifiche e il lavoro editoriale successivo.

Input di file e preparazione del materiale lungo

La guida alla trascrizione di OpenAI documenta caricamenti fino a 25 MB. L’attuale documentazione dell’endpoint accetta FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV e WebM e consiglia metadati del file che ne identifichino il formato, compresi un nome con estensione e un tipo di contenuto appropriato. Per una registrazione più grande, la compressione o parti ordinate di 25 MB o meno seguono le indicazioni del produttore per l’input lungo. Evitate una divisione a metà frase e conservate la posizione di ogni parte nella registrazione completa.

Per un’intervista, associate ogni file di input alla registrazione e al passaggio che copre. Per una presentazione tecnica, preparate i nomi dei prodotti, le sigle e il vocabolario del settore pertinenti come contesto, poi verificate quelle grafie rispetto a ciò che il parlante ha effettivamente detto. Per una spiegazione registrata con valori numerici, esaminate la trascrizione insieme alla fonte prima di trasformarla in una procedura scritta. Il primo risultato desiderato è la voce riconosciuta in forma di testo; un rapporto sintetico o un documento tradotto può essere preparato da quel testo come passaggio separato.

Prompt specifici della registrazione e scelta della lingua

La guida del produttore include esplicitamente GPT-4o Transcribe nel supporto dei prompt. Un prompt può fornire grafie corrette, contesto di un segmento precedente e preferenze per punteggiatura, maiuscole, riempitivi o sistema di scrittura. La documentazione indica che deve corrispondere alla lingua della registrazione. Una descrizione breve e pertinente dell’argomento e del vocabolario offre alla trascrizione un contesto utile, senza trattare termini non pronunciati come output obbligatorio.

Questo profilo supporta l’indicazione singolare di lingua language, documentata nel formato ISO 639-1. Fornire la lingua effettiva di input può aiutare il riconoscimento. I campi più recenti keywords e languages al plurale di GPT Transcribe appartengono a quel modello denominato separatamente e non vanno presunti disponibili per GPT-4o Transcribe. Mantenete l’impostazione della lingua legata alla voce che state trascrivendo e preservate la formulazione originale prima di traduzioni o riscritture stilistiche successive.

Formato del risultato, probabilità e output specializzati

L’attuale documentazione dell’endpoint indica JSON come formato di risposta supportato per GPT-4o Transcribe. Il risultato contiene il testo riconosciuto e i logaritmi facoltativi delle probabilità dei token possono essere richiesti con quel formato JSON. I dati di probabilità descrivono la scelta dei token da parte del modello. Possono indicare quali passaggi richiedono un esame, ma è il confronto con l’audio a stabilire se la trascrizione riproduce un nome, un numero o una frase difficile.

Il risultato JSON del profilo standard non fornisce formati nativi di sottotitoli, tempi dettagliati delle singole parole o assegnazioni dei parlanti. OpenAI documenta altre scelte di modelli e formati quando servono quegli output; GPT-4o Transcribe Diarize è l’edizione distinta per identificare i parlanti. Per un’attività di sottotitolazione, conservate una trascrizione verificata per una fase di sincronizzazione adatta. Per una conversazione, non inventate nomi dei parlanti soltanto perché un paragrafo della trascrizione sembra cambiare argomento o voce.

Risultati in streaming da un file completato

La guida di OpenAI alla conversione da voce a testo indica che le integrazioni GPT-4o Transcribe esistenti supportano lo streaming dei file. L’applicazione fornisce prima la registrazione, poi riceve il testo della trascrizione mentre quella registrazione viene elaborata e conserva il risultato completato. Questo trasmette in streaming la trascrizione di una registrazione completata, anziché accettare l’audio del microfono mentre arriva. La scheda precisa del modello elenca anche le famiglie di endpoint di trascrizione e Realtime; il comportamento delle sessioni specifico del modello deve restare associato a questo profilo, senza essere mutuato da un modello più recente con streaming continuo.

Limiti del modello e verifica del risultato finale

Le specifiche attuali di GPT-4o Transcribe indicano una finestra di contesto di 16 000 token, un output massimo di 2 000 token e conoscenze aggiornate al 1 giugno 2024. Questi limiti di token non sono una durata audio fissa e non sostituiscono le regole di preparazione della trascrizione di file. Per una registrazione estesa, conservate l’ordine della fonte e il contesto precedente pertinente, poi verificate che il testo completato raggiunga la fine di ogni segmento previsto.

Una trascrizione finale utile può diventare materiale d’intervista consultabile tramite ricerca, una fonte per documentazione tecnica o il testo per un successivo processo di sottotitolazione. Verificate vocabolario incerto, quantità, punteggiatura, accenti e parlato sovrapposto rispetto alla registrazione. Mantenete il testo riconosciuto distinto dalle correzioni o dai riepiloghi successivi e conservate il collegamento alla fonte attraverso gli identificatori del processo di lavoro circostante. Il modello fornisce una registrazione testuale; una preparazione attenta dell’input e la verifica della fonte determinano se è adatta all’uso successivo.

", "aboutText": "GPT-4o Transcribe è il modello di conversione da voce a testo di OpenAI basato su GPT-4o. L’input è audio con indicazioni testuali facoltative e l’output è testo riconosciuto. È distinto dall’edizione GPT-4o Mini Transcribe e da GPT-4o Transcribe Diarize, il modello specializzato nell’identificazione dei parlanti. Usate questo profilo per preparare una registrazione testuale fedele del materiale parlato, mantenendo disponibile l’audio di origine per le verifiche e il lavoro editoriale successivo.\n\n### Input di file e preparazione del materiale lungo\n\nLa guida alla trascrizione di OpenAI documenta caricamenti fino a 25 MB. L’attuale documentazione dell’endpoint accetta FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV e WebM e consiglia metadati del file che ne identifichino il formato, compresi un nome con estensione e un tipo di contenuto appropriato. Per una registrazione più grande, la compressione o parti ordinate di 25 MB o meno seguono le indicazioni del produttore per l’input lungo. Evitate una divisione a metà frase e conservate la posizione di ogni parte nella registrazione completa.\n\nPer un’intervista, associate ogni file di input alla registrazione e al passaggio che copre. Per una presentazione tecnica, preparate i nomi dei prodotti, le sigle e il vocabolario del settore pertinenti come contesto, poi verificate quelle grafie rispetto a ciò che il parlante ha effettivamente detto. Per una spiegazione registrata con valori numerici, esaminate la trascrizione insieme alla fonte prima di trasformarla in una procedura scritta. Il primo risultato desiderato è la voce riconosciuta in forma di testo; un rapporto sintetico o un documento tradotto può essere preparato da quel testo come passaggio separato.\n\n### Prompt specifici della registrazione e scelta della lingua\n\nLa guida del produttore include esplicitamente GPT-4o Transcribe nel supporto dei prompt. Un prompt può fornire grafie corrette, contesto di un segmento precedente e preferenze per punteggiatura, maiuscole, riempitivi o sistema di scrittura. La documentazione indica che deve corrispondere alla lingua della registrazione. Una descrizione breve e pertinente dell’argomento e del vocabolario offre alla trascrizione un contesto utile, senza trattare termini non pronunciati come output obbligatorio.\n\nQuesto profilo supporta l’indicazione singolare di lingua language, documentata nel formato ISO 639-1. Fornire la lingua effettiva di input può aiutare il riconoscimento. I campi più recenti keywords e languages al plurale di GPT Transcribe appartengono a quel modello denominato separatamente e non vanno presunti disponibili per GPT-4o Transcribe. Mantenete l’impostazione della lingua legata alla voce che state trascrivendo e preservate la formulazione originale prima di traduzioni o riscritture stilistiche successive.\n\n### Formato del risultato, probabilità e output specializzati\n\nL’attuale documentazione dell’endpoint indica JSON come formato di risposta supportato per GPT-4o Transcribe. Il risultato contiene il testo riconosciuto e i logaritmi facoltativi delle probabilità dei token possono essere richiesti con quel formato JSON. I dati di probabilità descrivono la scelta dei token da parte del modello. Possono indicare quali passaggi richiedono un esame, ma è il confronto con l’audio a stabilire se la trascrizione riproduce un nome, un numero o una frase difficile.\n\nIl risultato JSON del profilo standard non fornisce formati nativi di sottotitoli, tempi dettagliati delle singole parole o assegnazioni dei parlanti. OpenAI documenta altre scelte di modelli e formati quando servono quegli output; GPT-4o Transcribe Diarize è l’edizione distinta per identificare i parlanti. Per un’attività di sottotitolazione, conservate una trascrizione verificata per una fase di sincronizzazione adatta. Per una conversazione, non inventate nomi dei parlanti soltanto perché un paragrafo della trascrizione sembra cambiare argomento o voce.\n\n### Risultati in streaming da un file completato\n\nLa guida di OpenAI alla conversione da voce a testo indica che le integrazioni GPT-4o Transcribe esistenti supportano lo streaming dei file. L’applicazione fornisce prima la registrazione, poi riceve il testo della trascrizione mentre quella registrazione viene elaborata e conserva il risultato completato. Questo trasmette in streaming la trascrizione di una registrazione completata, anziché accettare l’audio del microfono mentre arriva. La scheda precisa del modello elenca anche le famiglie di endpoint di trascrizione e Realtime; il comportamento delle sessioni specifico del modello deve restare associato a questo profilo, senza essere mutuato da un modello più recente con streaming continuo.\n\n### Limiti del modello e verifica del risultato finale\n\nLe specifiche attuali di GPT-4o Transcribe indicano una finestra di contesto di 16 000 token, un output massimo di 2 000 token e conoscenze aggiornate al 1 giugno 2024. Questi limiti di token non sono una durata audio fissa e non sostituiscono le regole di preparazione della trascrizione di file. Per una registrazione estesa, conservate l’ordine della fonte e il contesto precedente pertinente, poi verificate che il testo completato raggiunga la fine di ogni segmento previsto.\n\nUna trascrizione finale utile può diventare materiale d’intervista consultabile tramite ricerca, una fonte per documentazione tecnica o il testo per un successivo processo di sottotitolazione. Verificate vocabolario incerto, quantità, punteggiatura, accenti e parlato sovrapposto rispetto alla registrazione. Mantenete il testo riconosciuto distinto dalle correzioni o dai riepiloghi successivi e conservate il collegamento alla fonte attraverso gli identificatori del processo di lavoro circostante. Il modello fornisce una registrazione testuale; una preparazione attenta dell’input e la verifica della fonte determinano se è adatta all’uso successivo.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "af1f327c956aecda4e39bdf6b2d4106bbd72a146ce34e879d9b766f6002aa6c5", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "
O

OpenAI: GPT-4o Transcribe

OpenAI /openai/gpt-4o-transcribe

Introduzione

GPT-4o Transcribe converte l’audio in testo usando le capacità di riconoscimento vocale GPT-4o di OpenAI. Supporta prompt contestuali, un’indicazione della lingua di input, trascrizioni JSON, output del file in streaming e logaritmi facoltativi delle probabilità dei token per verificare formulazioni incerte.

Input accettati
Audio
Risultati
Testo
Informazioni sul modello

Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.

GPT-4o Transcribe è il modello di conversione da voce a testo di OpenAI basato su GPT-4o. L’input è audio con indicazioni testuali facoltative e l’output è testo riconosciuto. È distinto dall’edizione GPT-4o Mini Transcribe e da GPT-4o Transcribe Diarize, il modello specializzato nell’identificazione dei parlanti. Usate questo profilo per preparare una registrazione testuale fedele del materiale parlato, mantenendo disponibile l’audio di origine per le verifiche e il lavoro editoriale successivo.

Input di file e preparazione del materiale lungo

La guida alla trascrizione di OpenAI documenta caricamenti fino a 25 MB. L’attuale documentazione dell’endpoint accetta FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV e WebM e consiglia metadati del file che ne identifichino il formato, compresi un nome con estensione e un tipo di contenuto appropriato. Per una registrazione più grande, la compressione o parti ordinate di 25 MB o meno seguono le indicazioni del produttore per l’input lungo. Evitate una divisione a metà frase e conservate la posizione di ogni parte nella registrazione completa.

Per un’intervista, associate ogni file di input alla registrazione e al passaggio che copre. Per una presentazione tecnica, preparate i nomi dei prodotti, le sigle e il vocabolario del settore pertinenti come contesto, poi verificate quelle grafie rispetto a ciò che il parlante ha effettivamente detto. Per una spiegazione registrata con valori numerici, esaminate la trascrizione insieme alla fonte prima di trasformarla in una procedura scritta. Il primo risultato desiderato è la voce riconosciuta in forma di testo; un rapporto sintetico o un documento tradotto può essere preparato da quel testo come passaggio separato.

Prompt specifici della registrazione e scelta della lingua

La guida del produttore include esplicitamente GPT-4o Transcribe nel supporto dei prompt. Un prompt può fornire grafie corrette, contesto di un segmento precedente e preferenze per punteggiatura, maiuscole, riempitivi o sistema di scrittura. La documentazione indica che deve corrispondere alla lingua della registrazione. Una descrizione breve e pertinente dell’argomento e del vocabolario offre alla trascrizione un contesto utile, senza trattare termini non pronunciati come output obbligatorio.

Questo profilo supporta l’indicazione singolare di lingua language, documentata nel formato ISO 639-1. Fornire la lingua effettiva di input può aiutare il riconoscimento. I campi più recenti keywords e languages al plurale di GPT Transcribe appartengono a quel modello denominato separatamente e non vanno presunti disponibili per GPT-4o Transcribe. Mantenete l’impostazione della lingua legata alla voce che state trascrivendo e preservate la formulazione originale prima di traduzioni o riscritture stilistiche successive.

Formato del risultato, probabilità e output specializzati

L’attuale documentazione dell’endpoint indica JSON come formato di risposta supportato per GPT-4o Transcribe. Il risultato contiene il testo riconosciuto e i logaritmi facoltativi delle probabilità dei token possono essere richiesti con quel formato JSON. I dati di probabilità descrivono la scelta dei token da parte del modello. Possono indicare quali passaggi richiedono un esame, ma è il confronto con l’audio a stabilire se la trascrizione riproduce un nome, un numero o una frase difficile.

Il risultato JSON del profilo standard non fornisce formati nativi di sottotitoli, tempi dettagliati delle singole parole o assegnazioni dei parlanti. OpenAI documenta altre scelte di modelli e formati quando servono quegli output; GPT-4o Transcribe Diarize è l’edizione distinta per identificare i parlanti. Per un’attività di sottotitolazione, conservate una trascrizione verificata per una fase di sincronizzazione adatta. Per una conversazione, non inventate nomi dei parlanti soltanto perché un paragrafo della trascrizione sembra cambiare argomento o voce.

Risultati in streaming da un file completato

La guida di OpenAI alla conversione da voce a testo indica che le integrazioni GPT-4o Transcribe esistenti supportano lo streaming dei file. L’applicazione fornisce prima la registrazione, poi riceve il testo della trascrizione mentre quella registrazione viene elaborata e conserva il risultato completato. Questo trasmette in streaming la trascrizione di una registrazione completata, anziché accettare l’audio del microfono mentre arriva. La scheda precisa del modello elenca anche le famiglie di endpoint di trascrizione e Realtime; il comportamento delle sessioni specifico del modello deve restare associato a questo profilo, senza essere mutuato da un modello più recente con streaming continuo.

Limiti del modello e verifica del risultato finale

Le specifiche attuali di GPT-4o Transcribe indicano una finestra di contesto di 16 000 token, un output massimo di 2 000 token e conoscenze aggiornate al 1 giugno 2024. Questi limiti di token non sono una durata audio fissa e non sostituiscono le regole di preparazione della trascrizione di file. Per una registrazione estesa, conservate l’ordine della fonte e il contesto precedente pertinente, poi verificate che il testo completato raggiunga la fine di ogni segmento previsto.

Una trascrizione finale utile può diventare materiale d’intervista consultabile tramite ricerca, una fonte per documentazione tecnica o il testo per un successivo processo di sottotitolazione. Verificate vocabolario incerto, quantità, punteggiatura, accenti e parlato sovrapposto rispetto alla registrazione. Mantenete il testo riconosciuto distinto dalle correzioni o dai riepiloghi successivi e conservate il collegamento alla fonte attraverso gli identificatori del processo di lavoro circostante. Il modello fornisce una registrazione testuale; una preparazione attenta dell’input e la verifica della fonte determinano se è adatta all’uso successivo.

Disponibile in Ailoot · input e metodi

Ailoot Ultra · Trascrizione POST /v1/audio/transcriptions
Tipi di input
audio
Tipi di output
text
CampoTipoRequisitoValori e limitiPredefinito
CampomodelTipostringRequisitoObbligatorioValori e limiti
openai/gpt-4o-transcribe
Predefinito—
Campoinput_audioTipoobjectRequisitoObbligatorioValori e limitiPredefinito—
Parametri e ciclo di vita del metodo
ParametroContratto
Parametrocontent_typeContrattoapplication/json
ParametrorequiredContrattomodel, input_audio
Parametromaterial_typesContrattoaudio
Parametromaterial_conditionsContrattoL'esempio legge il tuo file PCM WAV reale e non vuoto, codifica tutti i byte del file in base64 e invia input_audio.format con valore wav.

Ciclo di vita: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · task_id esatto di un record multimediale esistente di tua proprietà

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Tariffe

Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.

Modalità rapida
Non specificato Quando è selezionata la modalità rapida
Modalità flex
Non specificato Quando è selezionata la modalità flex
Sforzo massimo di ragionamento
Non specificato Quando lo sforzo massimo di ragionamento usa l'adeguamento predefinito (default)

Tariffe Ailoot

Prezzi per configurazione

Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.

ConfigurazioneListino delle tariffeUnità di fatturazioneCosto
ConfigurazioneTariffe base dei tokenListino delle tariffeTariffa baseUnità di fatturazione—Costo
Input · Token in input — / 1K token
Output · Token in output — / 1K token
Input · Lettura dalla cache — / 1K token
Input · Scrittura nella cache — / 1K token
Input · Scrittura nella cache, 1 ora — / 1K token
Configurazionetoken di inputListino delle tariffe—Unità di fatturazione/ 1K tokenCosto
Input $0.005 / 1K token
Configurazionetoken di outputListino delle tariffe—Unità di fatturazione/ 1K tokenCosto
Output $0.02 / 1K token

Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →

Esempi di richieste

Ailoot Ultra · Trascrizione

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-4o-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.\n

Ricevi e salva i risultati

Ailoot Ultra · Trascrizione

Corpo completo della risposta originale, stato e intestazioni inoltrate. Questo gestore non aggiunge alcuna struttura JSON universale, campo di testo o struttura contenitore dell'attività.

Conserva tutti i risultati completati

Conserva ogni risposta, file e parte di contenuto restituiti per intero.

Conserva la risposta completa e gli header, ogni output effettivo, gli identificatori originali restituiti e tutti i campi di utilizzo. Recupera l'operazione originale senza inviare nuovamente la richiesta di creazione.

Se occorre verificare la risposta originale

Conserva l'X-Client-Request-ID effettivo e la risposta completa. Consulta le risorse originali di tua proprietà e i relativi URL firmati esatti del contenuto; non inviare mai nuovamente una creazione dall'esito incerto.

Campi della risposta
CampoTipo
Campotext (when present)Tipo
Campousage (when present)Tipo
Errori e passaggi successivi
RispostaCondizionePassaggio successivo
Risposta400 · invalid_request_errorCondizioneIl corpo JSON o l'ID canonico esplicito del modello non è valido.Passaggio successivoConserva la risposta e correggi il campo della richiesta indicato.
Risposta401 · authentication_errorCondizioneLa chiave API Ailoot non è valida.Passaggio successivoUsa la tua chiave API Ailoot autorizzata.
Risposta403 · permission_errorCondizioneIl gruppo della chiave non è autorizzato a utilizzare questo metodo.Passaggio successivoConserva i dettagli dell'errore restituiti.
Risposta404 · not_found_errorCondizioneIl metodo selezionato non dispone di una rotta autorizzata all'utilizzo.Passaggio successivoConserva i dettagli dell'errore restituiti.
Risposta422 · price_unavailableCondizioneLa tariffa accettata non può ottenere la quantità in ingresso o il limite richiesto.Passaggio successivoConserva la risposta; usa la rappresentazione dell'input richiesta dalla tariffa accettata.
Risposta503 · CondizioneL'archiviazione richiesta, la rotta, il prezzo del metodo o la riserva dell'importo non sono disponibili.Passaggio successivoConserva l'intera risposta originale. Una riserva dell'importo dall'esito incerto non autorizza un nuovo invio.
Risposta502 · server_errorCondizioneIl risultato originale, i dati di utilizzo o il conguaglio dell'addebito richiedono una verifica.Passaggio successivoConserva l'ID effettivo della richiesta e la risposta originale. Consulta il record esistente di tua proprietà; non inviare nuovamente la richiesta di creazione.

Alias

Alias del modello

Ailoot Ultra openai/gpt-4o-transcribe

Alias dei percorsi dei metodi

Usa i percorsi dei metodi indicati sopra.

ID di chiamata correlati

openai/gpt-4o-transcribe

", "method_identity": { "effective_request_model_id": "openai/gpt-4o-transcribe", "fmt": "transcriptions", "http": "POST", "path": "/v1/audio/transcriptions", "request_model_id": "openai/gpt-4o-transcribe", "route_label": "Ultra" }, "method_key": "Ultra|transcriptions|/v1/audio/transcriptions|openai%2Fgpt-4o-transcribe", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "errors": [ { "code": null, "condition": "Il corpo JSON o l'ID canonico esplicito del modello non è valido.", "http_status": 400, "recovery": "Conserva la risposta e correggi il campo della richiesta indicato.", "type": "invalid_request_error" }, { "code": null, "condition": "La chiave API Ailoot non è valida.", "http_status": 401, "recovery": "Usa la tua chiave API Ailoot autorizzata.", "type": "authentication_error" }, { "code": null, "condition": "Il gruppo della chiave non è autorizzato a utilizzare questo metodo.", "http_status": 403, "recovery": "Conserva i dettagli dell'errore restituiti.", "type": "permission_error" }, { "code": null, "condition": "Il metodo selezionato non dispone di una rotta autorizzata all'utilizzo.", "http_status": 404, "recovery": "Conserva i dettagli dell'errore restituiti.", "type": "not_found_error" }, { "code": null, "condition": "La tariffa accettata non può ottenere la quantità in ingresso o il limite richiesto.", "http_status": 422, "recovery": "Conserva la risposta; usa la rappresentazione dell'input richiesta dalla tariffa accettata.", "type": "price_unavailable" }, { "code": null, "condition": "L'archiviazione richiesta, la rotta, il prezzo del metodo o la riserva dell'importo non sono disponibili.", "http_status": 503, "recovery": "Conserva l'intera risposta originale. Una riserva dell'importo dall'esito incerto non autorizza un nuovo invio.", "type": null }, { "code": null, "condition": "Il risultato originale, i dati di utilizzo o il conguaglio dell'addebito richiedono una verifica.", "http_status": 502, "operation_id_source": "actual X-Client-Request-ID", "recovery": "Conserva l'ID effettivo della richiesta e la risposta originale. Consulta il record esistente di tua proprietà; non inviare nuovamente la richiesta di creazione.", "response_headers": { "x-should-retry": "false" }, "type": "server_error" } ], "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "exact task_id from an existing owned media record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Conserva l'X-Client-Request-ID effettivo e la risposta completa. Consulta le risorse originali di tua proprietà e i relativi URL firmati esatti del contenuto; non inviare mai nuovamente una creazione dall'esito incerto." }, "outputs": { "all_results": "Conserva la risposta completa e gli header, ogni output effettivo, gli identificatori originali restituiti e tutti i campi di utilizzo. Recupera l'operazione originale senza inviare nuovamente la richiesta di creazione.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "Corpo completo della risposta originale, stato e intestazioni inoltrate. Questo gestore non aggiunge alcuna struttura JSON universale, campo di testo o struttura contenitore dell'attività." }, "parameters": [ { "default_known": false, "enum": [ "openai/gpt-4o-transcribe" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "name": "input_audio", "required": true, "type": "object" } ], "request_schema": { "properties": { "input_audio": { "properties": { "data": { "contentEncoding": "base64", "type": "string" }, "format": { "type": "string" } }, "required": [ "data", "format" ], "type": "object" }, "model": { "enum": [ "openai/gpt-4o-transcribe" ], "type": "string" } }, "required": [ "model", "input_audio" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": true, "body": { "input_audio": { "data": "${BASE64_ACTUAL_WAV_BYTES}", "format": "wav" }, "model": "openai/gpt-4o-transcribe" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_conditions": [ "L'esempio legge il tuo file PCM WAV reale e non vuoto, codifica tutti i byte del file in base64 e invia input_audio.format con valore wav." ], "material_types": [ "audio" ], "required": [ "model", "input_audio" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "task_id esatto di un record multimediale esistente di tua proprietà", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain the actual X-Client-Request-ID and complete response. Read the original owned assets and their exact signed content URLs; never resubmit an uncertain creation." }, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "Complete original response body, status and forwarded headers. No universal JSON shape, text field or task envelope is added by this handler." } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "input token", "units": [ { "amount": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "output token", "units": [ { "amount": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ] } ], "examples": [ { "code": "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-4o-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.\n", "label": "curl · actual WAV file and complete original result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "The example reads your actual nonempty PCM WAV file, encodes the complete file bytes as base64 and sends input_audio.format as wav.", "The format value in the example is the documented recipe; no model-specific format list, limit or default is asserted.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Trascrizione", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "audio_transcriptions", "out": null, "output": [ "text" ], "path": "/v1/audio/transcriptions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "input_token": 5e-06, "output_token": 2e-05 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "input token", "units": [ { "amount": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "output token", "units": [ { "amount": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ] } ], "request_model_id": "openai/gpt-4o-transcribe", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ] } } ], "model_id": "openai/gpt-4o-transcribe", "nativeProvenance": { "input_facts_canonical_sha256": "9a80630bfb761b9d0b18a7eeb35505f14435cb56d3be7b07e63bbf459d74c89f", "input_html_sha256": "5a3037c0e18a647d14ab8073305b14459bc83441249c635e2eb32c6d43be97d4", "private_audit_sha256": "21836b9b6fc53c899435f7b64206ada4181044b176494a5cdb8153aab975d67e", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/it/openai-gpt-4o-transcribe/", "description": "GPT-4o Transcribe converte l’audio in testo usando le capacità di riconoscimento vocale GPT-4o di OpenAI. Supporta prompt contestuali, un’indicazione della lingua di input, trascrizioni JSON, output del file in streaming e logaritmi facoltativi delle probabilità dei token per verificare formulazioni incerte.", "locale": "it", "md_url": "https://ailoot.ai/models/it/openai-gpt-4o-transcribe/index.md", "title": "OpenAI: GPT-4o Transcribe — Ailoot", "url": "https://ailoot.ai/models/it/openai-gpt-4o-transcribe/" }, "rawModel": { "about": "GPT-4o Transcribe è il modello di conversione da voce a testo di OpenAI basato su GPT-4o. L’input è audio con indicazioni testuali facoltative e l’output è testo riconosciuto. È distinto dall’edizione GPT-4o Mini Transcribe e da GPT-4o Transcribe Diarize, il modello specializzato nell’identificazione dei parlanti. Usate questo profilo per preparare una registrazione testuale fedele del materiale parlato, mantenendo disponibile l’audio di origine per le verifiche e il lavoro editoriale successivo.\n\n### Input di file e preparazione del materiale lungo\n\nLa guida alla trascrizione di OpenAI documenta caricamenti fino a 25 MB. L’attuale documentazione dell’endpoint accetta FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV e WebM e consiglia metadati del file che ne identifichino il formato, compresi un nome con estensione e un tipo di contenuto appropriato. Per una registrazione più grande, la compressione o parti ordinate di 25 MB o meno seguono le indicazioni del produttore per l’input lungo. Evitate una divisione a metà frase e conservate la posizione di ogni parte nella registrazione completa.\n\nPer un’intervista, associate ogni file di input alla registrazione e al passaggio che copre. Per una presentazione tecnica, preparate i nomi dei prodotti, le sigle e il vocabolario del settore pertinenti come contesto, poi verificate quelle grafie rispetto a ciò che il parlante ha effettivamente detto. Per una spiegazione registrata con valori numerici, esaminate la trascrizione insieme alla fonte prima di trasformarla in una procedura scritta. Il primo risultato desiderato è la voce riconosciuta in forma di testo; un rapporto sintetico o un documento tradotto può essere preparato da quel testo come passaggio separato.\n\n### Prompt specifici della registrazione e scelta della lingua\n\nLa guida del produttore include esplicitamente GPT-4o Transcribe nel supporto dei prompt. Un prompt può fornire grafie corrette, contesto di un segmento precedente e preferenze per punteggiatura, maiuscole, riempitivi o sistema di scrittura. La documentazione indica che deve corrispondere alla lingua della registrazione. Una descrizione breve e pertinente dell’argomento e del vocabolario offre alla trascrizione un contesto utile, senza trattare termini non pronunciati come output obbligatorio.\n\nQuesto profilo supporta l’indicazione singolare di lingua language, documentata nel formato ISO 639-1. Fornire la lingua effettiva di input può aiutare il riconoscimento. I campi più recenti keywords e languages al plurale di GPT Transcribe appartengono a quel modello denominato separatamente e non vanno presunti disponibili per GPT-4o Transcribe. Mantenete l’impostazione della lingua legata alla voce che state trascrivendo e preservate la formulazione originale prima di traduzioni o riscritture stilistiche successive.\n\n### Formato del risultato, probabilità e output specializzati\n\nL’attuale documentazione dell’endpoint indica JSON come formato di risposta supportato per GPT-4o Transcribe. Il risultato contiene il testo riconosciuto e i logaritmi facoltativi delle probabilità dei token possono essere richiesti con quel formato JSON. I dati di probabilità descrivono la scelta dei token da parte del modello. Possono indicare quali passaggi richiedono un esame, ma è il confronto con l’audio a stabilire se la trascrizione riproduce un nome, un numero o una frase difficile.\n\nIl risultato JSON del profilo standard non fornisce formati nativi di sottotitoli, tempi dettagliati delle singole parole o assegnazioni dei parlanti. OpenAI documenta altre scelte di modelli e formati quando servono quegli output; GPT-4o Transcribe Diarize è l’edizione distinta per identificare i parlanti. Per un’attività di sottotitolazione, conservate una trascrizione verificata per una fase di sincronizzazione adatta. Per una conversazione, non inventate nomi dei parlanti soltanto perché un paragrafo della trascrizione sembra cambiare argomento o voce.\n\n### Risultati in streaming da un file completato\n\nLa guida di OpenAI alla conversione da voce a testo indica che le integrazioni GPT-4o Transcribe esistenti supportano lo streaming dei file. L’applicazione fornisce prima la registrazione, poi riceve il testo della trascrizione mentre quella registrazione viene elaborata e conserva il risultato completato. Questo trasmette in streaming la trascrizione di una registrazione completata, anziché accettare l’audio del microfono mentre arriva. La scheda precisa del modello elenca anche le famiglie di endpoint di trascrizione e Realtime; il comportamento delle sessioni specifico del modello deve restare associato a questo profilo, senza essere mutuato da un modello più recente con streaming continuo.\n\n### Limiti del modello e verifica del risultato finale\n\nLe specifiche attuali di GPT-4o Transcribe indicano una finestra di contesto di 16 000 token, un output massimo di 2 000 token e conoscenze aggiornate al 1 giugno 2024. Questi limiti di token non sono una durata audio fissa e non sostituiscono le regole di preparazione della trascrizione di file. Per una registrazione estesa, conservate l’ordine della fonte e il contesto precedente pertinente, poi verificate che il testo completato raggiunga la fine di ogni segmento previsto.\n\nUna trascrizione finale utile può diventare materiale d’intervista consultabile tramite ricerca, una fonte per documentazione tecnica o il testo per un successivo processo di sottotitolazione. Verificate vocabolario incerto, quantità, punteggiatura, accenti e parlato sovrapposto rispetto alla registrazione. Mantenete il testo riconosciuto distinto dalle correzioni o dai riepiloghi successivi e conservate il collegamento alla fonte attraverso gli identificatori del processo di lavoro circostante. Il modello fornisce una registrazione testuale; una preparazione attenta dell’input e la verifica della fonte determinano se è adatta all’uso successivo.", "alias_of": null, "aliases": [], "author": "OpenAI", "capabilities": { "context_length": 128000, "manufacturer_input": [ "audio" ], "manufacturer_output": [ "transcription" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "Tutte le tariffe della configurazione sono riportate nei dettagli." } ], "ctx": null, "formats": [ "transcriptions" ], "id": "openai/gpt-4o-transcribe", "input": [ "audio" ], "kind": "audio", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "errors": [ { "code": null, "condition": "Il corpo JSON o l'ID canonico esplicito del modello non è valido.", "http_status": 400, "recovery": "Conserva la risposta e correggi il campo della richiesta indicato.", "type": "invalid_request_error" }, { "code": null, "condition": "La chiave API Ailoot non è valida.", "http_status": 401, "recovery": "Usa la tua chiave API Ailoot autorizzata.", "type": "authentication_error" }, { "code": null, "condition": "Il gruppo della chiave non è autorizzato a utilizzare questo metodo.", "http_status": 403, "recovery": "Conserva i dettagli dell'errore restituiti.", "type": "permission_error" }, { "code": null, "condition": "Il metodo selezionato non dispone di una rotta autorizzata all'utilizzo.", "http_status": 404, "recovery": "Conserva i dettagli dell'errore restituiti.", "type": "not_found_error" }, { "code": null, "condition": "La tariffa accettata non può ottenere la quantità in ingresso o il limite richiesto.", "http_status": 422, "recovery": "Conserva la risposta; usa la rappresentazione dell'input richiesta dalla tariffa accettata.", "type": "price_unavailable" }, { "code": null, "condition": "L'archiviazione richiesta, la rotta, il prezzo del metodo o la riserva dell'importo non sono disponibili.", "http_status": 503, "recovery": "Conserva l'intera risposta originale. Una riserva dell'importo dall'esito incerto non autorizza un nuovo invio.", "type": null }, { "code": null, "condition": "Il risultato originale, i dati di utilizzo o il conguaglio dell'addebito richiedono una verifica.", "http_status": 502, "operation_id_source": "actual X-Client-Request-ID", "recovery": "Conserva l'ID effettivo della richiesta e la risposta originale. Consulta il record esistente di tua proprietà; non inviare nuovamente la richiesta di creazione.", "response_headers": { "x-should-retry": "false" }, "type": "server_error" } ], "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "exact task_id from an existing owned media record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Conserva l'X-Client-Request-ID effettivo e la risposta completa. Consulta le risorse originali di tua proprietà e i relativi URL firmati esatti del contenuto; non inviare mai nuovamente una creazione dall'esito incerto." }, "outputs": { "all_results": "Conserva la risposta completa e gli header, ogni output effettivo, gli identificatori originali restituiti e tutti i campi di utilizzo. Recupera l'operazione originale senza inviare nuovamente la richiesta di creazione.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "Corpo completo della risposta originale, stato e intestazioni inoltrate. Questo gestore non aggiunge alcuna struttura JSON universale, campo di testo o struttura contenitore dell'attività." }, "parameters": [ { "default_known": false, "enum": [ "openai/gpt-4o-transcribe" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "name": "input_audio", "required": true, "type": "object" } ], "request_schema": { "properties": { "input_audio": { "properties": { "data": { "contentEncoding": "base64", "type": "string" }, "format": { "type": "string" } }, "required": [ "data", "format" ], "type": "object" }, "model": { "enum": [ "openai/gpt-4o-transcribe" ], "type": "string" } }, "required": [ "model", "input_audio" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": true, "body": { "input_audio": { "data": "${BASE64_ACTUAL_WAV_BYTES}", "format": "wav" }, "model": "openai/gpt-4o-transcribe" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_conditions": [ "L'esempio legge il tuo file PCM WAV reale e non vuoto, codifica tutti i byte del file in base64 e invia input_audio.format con valore wav." ], "material_types": [ "audio" ], "required": [ "model", "input_audio" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "task_id esatto di un record multimediale esistente di tua proprietà", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain the actual X-Client-Request-ID and complete response. Read the original owned assets and their exact signed content URLs; never resubmit an uncertain creation." }, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "Complete original response body, status and forwarded headers. No universal JSON shape, text field or task envelope is added by this handler." } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "input token", "units": [ { "amount": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "output token", "units": [ { "amount": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ] } ], "examples": [ { "code": "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-4o-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.\n", "label": "curl · actual WAV file and complete original result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "The example reads your actual nonempty PCM WAV file, encodes the complete file bytes as base64 and sends input_audio.format as wav.", "The format value in the example is the documented recipe; no model-specific format list, limit or default is asserted.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Trascrizione", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "audio_transcriptions", "out": null, "output": [ "text" ], "path": "/v1/audio/transcriptions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "input_token": 5e-06, "output_token": 2e-05 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "input token", "units": [ { "amount": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "output token", "units": [ { "amount": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ] } ], "request_model_id": "openai/gpt-4o-transcribe", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.005000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000005", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.02000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.00002", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ] } ], "model_aliases": [ { "canonical_model_id": "openai/gpt-4o-transcribe", "request_model_id": "openai/gpt-4o-transcribe", "route_label": "Ultra" } ], "name": "OpenAI: GPT-4o Transcribe", "price": { "in": null, "in_label": null, "out": 0.02, "out_label": "/ 1K tokens", "sort_in": null, "sort_out": 0.02, "varies": true }, "short": "GPT-4o Transcribe converte l’audio in testo usando le capacità di riconoscimento vocale GPT-4o di OpenAI. Supporta prompt contestuali, un’indicazione della lingua di input, trascrizioni JSON, output del file in streaming e logaritmi facoltativi delle probabilità dei token per verificare formulazioni incerte." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "GPT-4o Transcribe converte l’audio in testo usando le capacità di riconoscimento vocale GPT-4o di OpenAI. Supporta prompt contestuali, un’indicazione della lingua di input, trascrizioni JSON, output del file in streaming e logaritmi facoltativi delle probabilità dei token per verificare formulazioni incerte.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "6d9dae7fe0d8c0425d6389e4a9c924ec2b9cc5c454eefbba0f3b3b184a97c07f", "renderer_sha256": "3be1a96012c3c76b38a7b9bea6a57c0def38c56103737bee6a5e77aaa75e488a" }, "sourceRevision": "51c4b78525f3de50a9d5f6f5f7ed005f51989c423634324bbd8531953a02771a" }