OpenAI: GPT-4o Mini Transcribe

GPT-4o Mini Transcribe — OpenAI компаниясының GPT-4o Mini негізіндегі сөйлеуді мәтінге айналдыру моделі. Ол аудионы JSON транскриптіне айналдырады, нақты жазбаға арналған мәтіндік нұсқаулар мен файл нәтижесін ағынмен беруді қолдайды және транскриптті мақсатты тексеру үшін токендік логарифмдік ықтималдықтарды қайтара алады.

Ailoot Ultra · Дыбысты мәтінге түсіру POST /v1/audio/transcriptions openai/gpt-4o-mini-transcribe

Модель туралы

Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.

GPT-4o Mini Transcribe — OpenAI компаниясының GPT-4o Mini негізіндегі сөйлеуді мәтінге айналдыру моделі. Ол қосымша мәтіндік нұсқауы бар аудионы қабылдап, танылған мәтін жасайды. Бұл GPT-4o қолданатын GPT-4o Transcribe моделінен және кілт сөздер мен көптілді нұсқауларға арналған бөлек өрістері бар жаңа GPT Transcribe профилінен өзгеше модель. Мұндағы пайдалы материал — іздеуге, тексеруге немесе мазмұнды өңдеудің келесі қадамына дайындалған, жазбадағы бастапқы сөздің транскрипті.

Жазбаны дайындау

OpenAI файл транскрипциясы нұсқаулығы 25 MB-қа дейінгі аудиожүктеулерді қабылдайды. Қазіргі соңғы нүкте анықтамасы аудиопішімді анықтауға жеткілікті файл атауы мен мазмұн түрінің метадеректерімен бірге FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV және WebM пішімдерін тізімдейді. Үлкен жазбаларды сығуға немесе 25 MB-тан аспайтын бөліктерге бөлуге болады. Бөлгенде сөйлем шекараларын сақтап, кейін мәтінді дұрыс ретпен жинау үшін әр бөлікті бастапқы жазбамен және оның орнымен байланыстырыңыз.

Дауыстық жазбалар үшін әр жазбаның жеке сәйкестендірілетін транскриптін сақтап, мәтіннен тапсырма жасамай тұрып есімдер мен сандарды тексеріңіз. Ауызша нұсқаулықта жариялауға өңдеуден бұрын танылған тұжырымды бастапқы нұсқаулармен салыстырыңыз. Пайдалы дайындау тапсырмасы сөйлеу тілін және қате естілуі мүмкін терминдерді анықтайды. Сөздерді мәтінге айналдыру — алғашқы қадам; түсіндірме, қорытынды немесе аударма содан кейін тексерілген транскриптті пайдалана алады.

Мәтіндік нұсқау және бір тілді көрсету

Қолданыстағы GPT-4o Mini Transcribe интеграциялары еркін мәтіндік нұсқауды қолдайды. OpenAI есімдер, қысқартулар, жазбаға тән сөздік, тыныс белгілері, бас әріптер, қыстырма сөздер және қалаған жазу жүйесі туралы нұсқауларды сипаттайды. Соңғы нүкте анықтамасы нұсқау аудио тіліне сай болуы тиіс екенін және алдыңғы аудиосегмент контекстін жеткізе алатынын айтады. Транскрипция нұсқауынан шектеусіз чат нұсқауы сияқты әрекет етуді сұрамай, тиісті жазылуларды немесе тақырыптың қысқа сипаттамасын қосыңыз.

Осы модельдің қалыптасқан тіл нұсқауы жекеше language өрісін пайдаланады. Өндіруші анықтамасы en сияқты ISO 639-1 кіріс тілінің кодын құжаттайды. Бөлек keywords және көпше languages өрістері GPT Transcribe үшін құжатталған; олар осы Mini профиліне кірмейді. Жазбалар қатарында көзделген сөйлеу тілінің баптауын нәтижені аудару сұрауы деп түсінбей, әр кіріспен бірге сақтаңыз.

JSON нәтижесі және қосымша токен ықтималдықтары

Қазіргі соңғы нүкте анықтамасы GPT-4o Mini Transcribe үшін қолдау көрсетілетін жауап пішімі ретінде JSON көрсетеді. Танылған тұжырым text өрісінде беріледі. Сұралса, JSON жауабына токендік логарифмдік ықтималдықтар қосыла алады; бұл мәндер модельдің токен ықтималдықтарын сипаттап, мұқият тексерілетін материалды анықтауға көмектеседі. Олар есімнің, санның немесе сөйлемнің дыбысқа сәйкес келетінін дәлелдемейді. Күмәнді сөзді түзету керегін жазба арқылы шешіңіз.

Кәдімгі Mini транскрипция профилі осы JSON спецификациясы арқылы өзіндік SRT, VTT, егжей-тегжейлі сөз уақыттары немесе сөйлеуші белгілері бар шығыс бермейді. OpenAI бұл мүмкіндіктерге арналған маманданған модельдер мен пішімдерді құжаттайды. Көзделген материал субтитр жолы болса, тек мәтіндік нәтиже субтитр шекараларын қамтиды деп санамай, тексерілген транскриптті бөлек уақыт белгілеу процесі үшін сақтаңыз.

Файл шығысын ағынмен беру және құжатталған режимдер

Өндірушінің сөйлеуді мәтінге айналдыру нұсқаулығы қолданыстағы GPT-4o Mini Transcribe интеграциялары файлды ағынмен өңдеуді қолдайтынын анық айтады. Аяқталған жазба өңделу барысында алдымен ішінара транскрипт мәтінін, кейін қорытынды нәтиже бере алады. Соңғы транскриптті аяқталған материал ретінде сақтаңыз; ішінара мәтіннің пайда болуы файл процесінің жанды микрофон аудиосын үздіксіз қабылдайтынын білдірмейді. Модель карточкасы транскрипция және Realtime соңғы нүкте отбасыларын бөлек тізімдейді. Бұл өндіруші интерфейстері басқа транскрипция моделінің барлық сессия өрістері осында қолданылатынын білдірмейді.

Контекст, шығыс көлемі және пайдалы тексерулер

OpenAI компаниясының қазіргі модель спецификациясы 16 000 токендік контекст терезесін, ең көбі 2 000 токен шығысты және білім шегін 2024 жылғы 1 маусым деп көрсетеді. Бұлар аудиожазбаның минутпен берілетін әмбебап ұзақтығы емес, модель спецификациясының көрсеткіштері. Файл өлшемі ережесі мен токен көлемі әртүрлі шектеулерді сипаттайды. Ұзын материалда жазбаны құжатталған файл процесіне сай дайындап, бөліктер арасында қажетті контексті жеткізіңіз және соңғы мәтінде дереккөздің соңы барын тексеріңіз.

Пайдалы Mini Transcribe нәтижесі тұжырымды және оның жазбамен байланысын сақтап, қосымша ықтималдық деректерін редакторлық түзетулерден бөлек ұстайды. Бейтаныс сөздікті, акценттерді, фондық шуды, тіл ауысуын және қатар сөйлеуді бастапқы аудиоға қолжетімділікті сақтай отырып тексеріңіз. Мәтінді оқуға ыңғайлау үшін өңдегенде, кейінгі пайдаланушылар қай тұжырымның жазбадан алынғанын және қайсысының дайындау кезінде өзгергенін ажыратуы үшін редакторлық нұсқаны танылған транскрипттен бөліңіз.

Ailoot Ultra · Дыбысты мәтінге түсіру POST /v1/audio/transcriptions openai/gpt-4o-mini-transcribe

openai/gpt-4o-mini-transcribe

OpenAI /openai/gpt-4o-mini-transcribe

Бастау

Қабылданатын кіріс деректері: Аудио
Нәтижелер: Мәтін

Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер

Ailoot Ultra · Дыбысты мәтінге түсіру POST /v1/audio/transcriptions

Кіріс: audio
Шығыс: text

Өріс	Түрі	Талап	Мәндер мен шектеулер	Әдепкі
Өріс`model`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер openai/gpt-4o-mini-transcribe	Әдепкі—
Өріс`input_audio`	Түрі`object`	ТалапМіндетті	Мәндер мен шектеулер	Әдепкі—

Әдіс параметрлері мен өмірлік циклі

Параметр	Параметр талаптары
Параметр`content_type`	Параметр талаптарыapplication/json
Параметр`required`	Параметр талаптарыmodel, input_audio
Параметр`material_types`	Параметр талаптарыaudio
Параметр`material_conditions`	Параметр талаптарыМысал сіздің нақты, бос емес PCM WAV файлыңызды оқып, файлдың барлық байтын base64 пішіміне кодтайды және input_audio.format өрісін wav мәнімен жібереді.

Өмірлік цикл: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · иелігіңіздегі бар медиа жазбасынан алынған дәл task_id

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Тарифтер

Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.

Жылдам режим: Көрсетілмеген Жылдам режим таңдалғанда
Икемді режим: Көрсетілмеген flex режимі таңдалғанда
Ой қорытудың ең жоғары деңгейі: Көрсетілмеген Ой қорыту деңгейі ең жоғары болып, default түзетуі қолданылғанда

Ailoot мөлшерлемелері

Баптаулар бойынша бағалар

Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.

Баптау	Мөлшерлемелер кестесі	Есептеу бірлігі	Төлем
БаптауТокендердің базалық тарифтері	Мөлшерлемелер кестесіНегізгі мөлшерлеме	Есептеу бірлігі—	Төлем Кіріс · Кіріс токендері — / 1K токен Шығыс · Шығыс токендері — / 1K токен Кіріс · Кэшті оқу — / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен
Баптаукіріс токені	Мөлшерлемелер кестесі—	Есептеу бірлігі/ 1K токен	Төлем Кіріс $0.0025 / 1K токен
Баптаушығыс токені	Мөлшерлемелер кестесі—	Есептеу бірлігі/ 1K токен	Төлем Шығыс $0.01 / 1K токен

Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →

Сұрау мысалдары

Ailoot Ultra · Дыбысты мәтінге түсіру

curl · нақты WAV файлы және бастапқы толық нәтиже

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"
export AILOOT_AUDIO_FILE
python3 - <<'PY_REQUEST'
import base64, io, json, os, wave
from pathlib import Path
audio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):
    raise SystemExit('Supply your actual PCM WAV audio file')
with wave.open(io.BytesIO(audio), 'rb') as recording:
    if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:
        raise SystemExit('Supply a nonempty PCM WAV recording')
request = {'model': 'openai/gpt-4o-mini-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.

Нәтижелерді алу және сақтау

Ailoot Ultra · Дыбысты мәтінге түсіру

Бастапқы жауаптың толық денесі, күйі және әрі қарай берілген тақырыптары. Бұл өңдегіш әмбебап JSON құрылымын, мәтін өрісін немесе тапсырманың сыртқы құрылымын қоспайды.

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

Барлық дайын нәтижені сақтау

Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.

Толық жауапты және тақырыптарды, алынған әрбір нәтижені, бастапқыда қайтарылған идентификаторларды және пайдалану туралы барлық өрістерді сақтаңыз. Жасау сұрауын қайта жібермей, бастапқы операцияны қалпына келтіріңіз.

Бастапқы жауапты тексеру қажет болса

Нақты X-Client-Request-ID мәнін және толық жауапты сақтаңыз. Иелігіңіздегі бастапқы ресурстарды және олардың қолтаңбасы бар дәл мазмұн URL мекенжайларын оқыңыз; нәтижесі белгісіз жасау сұрауын ешқашан қайта жібермеңіз.

Жауап өрістері

Өріс	Түрі
Өріс`text (when present)`	Түрі
Өріс`usage (when present)`	Түрі

Қателер және келесі қадамдар

Жауап	Шарт	Келесі қадам
Жауап400 · `invalid_request_error`	ШартJSON денесі немесе нақты канондық модель ID мәні жарамсыз.	Келесі қадамЖауапты сақтап, сұраудың көрсетілген өрісін түзетіңіз.
Жауап401 · `authentication_error`	ШартAiloot API кілті жарамсыз.	Келесі қадамПайдалануға рұқсат етілген Ailoot API кілтіңізді қолданыңыз.
Жауап403 · `permission_error`	ШартКілттің тобына бұл әдісті пайдалануға рұқсат берілмеген.	Келесі қадамҚайтарылған қатенің толық мәліметін сақтаңыз.
Жауап404 · `not_found_error`	ШартТаңдалған әдісте пайдалануға рұқсат етілген маршрут жоқ.	Келесі қадамҚайтарылған қатенің толық мәліметін сақтаңыз.
Жауап422 · `price_unavailable`	ШартҚабылданған тариф өзіне қажетті кіріс мөлшерін немесе шегін ала алмайды.	Келесі қадамЖауапты сақтаңыз; қабылданған тариф талап ететін кіріс пішімін пайдаланыңыз.
Жауап503 ·	ШартҚажетті қойма, маршрут, әдіс бағасы немесе қаражат резерві қолжетімді емес.	Келесі қадамБастапқы жауапты толық сақтаңыз. Нәтижесі белгісіз қаражат резерві сұрауды қайта жіберуге рұқсат бермейді.
Жауап502 · `server_error`	ШартБастапқы нәтижені, пайдалану деректерін немесе есеп айырысуды тексеру қажет.	Келесі қадамНақты сұрау ID мәнін және бастапқы жауапты сақтаңыз. Иелігіңіздегі бар жазбаны оқыңыз; жасау сұрауын қайта жібермеңіз.

Балама атаулар

Модельдердің балама атаулары

Ailoot Ultra openai/gpt-4o-mini-transcribe

Әдіс жолдарының балама атаулары

Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.

Шақыруға арналған байланысты ID

openai/gpt-4o-mini-transcribe

FAQ · OpenAI: GPT-4o Mini Transcribe

Қандай кіріс деректері мен нәтижелер қолжетімді?: POST /v1/audio/transcriptions · openai/gpt-4o-mini-transcribe: audio → text
Сұрау қандай өрістерді пайдаланады?: POST /v1/audio/transcriptions · openai/gpt-4o-mini-transcribe: model, input_audio

OpenAI: GPT-4o Mini Transcribe