{
  "aboutHtml": "<p>Whisper large-v3 — шамамен 1.55 миллиард параметрі бар, OpenAI жариялаған сөйлеуді тану бақылау нүктесі. Бұл — көптілді encoder-decoder моделі: аудио кодтағышқа түседі, ал декодтағыш мәтін мен міндетке қатысты токендерді болжайды. Негізгі міндеттері — сөйлеуді бастапқы тілде транскрипциялау және сөйлеуді ағылшын тіліне аудару. Бұл — орналастырылған қызметтің модель идентификаторынан немесе сол қызметтің жүктеу және жауап пішімі ережелерінен бөлек ұсталатын ашық салмақты модель сәйкестігі.</p><p>Large-v3 бұрынғы үлкен Whisper бақылау нүктелерінің архитектурасын аталған екі өзгеріспен сақтайды: спектрограмма кірісі 80 орнына 128 Mel-жиілік ұяшығын қолданады және кантон тілі токенін қосады. Өндірушінің модель картасы әлсіз таңбаланған бір миллион сағат аудиода және Whisper large-v2 көмегімен псевдотаңбаланған төрт миллион сағат аудиода оқытуды сипаттайды. Бұл қоспа екі оқыту эпохасы бойы қолданылған. Шығарылым — Whisper тобындағы барлық модельдің жалпы атауы емес, нақты large-v3 бақылау нүктесі.</p><p>Құжатталған инференс үдерісі әдепкі бойынша транскрипция жасап, жазбада сөйленген тілді сақтайды. Ол бастапқы тілді автоматты анықтай алады немесе белгілі тіл таңдауын қабылдайды. Аудару үшін көптілді үлкен модель ағылшын емес сөйлеуден ағылшынша мәтін береді. Міндетті анық таңдаңыз: бастапқы тілдегі транскрипт пен ағылшын аудармасы — бөлек материалдар. Сұхбат үшін бастапқы тілдегі тұжырымды сақтаңыз; ағылшынша анықтамалық құжат үшін қажетті нәтиже айтылған мазмұнның аудармасы екенін көрсетіңіз.</p><p>Аудионы дайындау — кіріс жолының бөлігі. OpenAI жүктеушісі жазбаны моно толқын пішініне декодтап, 16 kHz жиілікке қайта дискреттейді. Модельдің акустикалық қабылдау өрісі — 30 секунд. Бұл — өңдеу терезесі, толық сұхбаттың немесе дәрістің ең үлкен ұзақтығы емес. Ұзын материал инференсі жылжымалы терезелермен ретімен жүре алады немесе ұзын жазбаны қабаттасқан бөліктерге бөліп, транскрипттерін біріктіре алады. Өндірушінің модель картасы дәлдік басым болса ретті өңдеуді, ал бір ұзын жазбаны тез аяқтау маңыздырақ болса бөліктермен өңдеуді сипаттайды.</p><p>Жарияланған конфигурация жеке декодтау тізбегі үшін 448 декодтағыш орнын көрсетеді. Ұзынырақ жазбалар бұл санды әмбебап транскрипт шегі деп қабылдау арқылы емес, ұзын материал үдерісімен өңделеді. Құжатталған үдеріс танылған мәтінмен қатар сегмент немесе сөз деңгейіндегі уақыт белгілерін қайтара алады. Бұл уақыт нәтижелері жазбада навигация жасауға және субтитр дайындауға пайдалы, ал соңғы субтитр контейнері немесе транскрипт файлының пішімі — бөлек нәтиже пішімдеу таңдауы. Транскрипт бастапқы материалмен сәйкестендірілетін болса, аудионы дайындағанда жазбаның уақытын сақтаңыз.</p><p>Whisper-дің көзделген рөлі — сөйлеуді тану және аудару. Дәріс транскрипті, сұхбат жазбасы немесе іздеуге болатын ауызша материал жинағы — практикалық нәтижелер; қысқаша мазмұндау немесе түсіндіру кейін мәтінмен жұмыс істейтін басқа қадам болуы мүмкін. Модель картасы сөйлеушілерді сенімді автоматты жіктеуді немесе диаризацияны негізгі бақылау нүктесінің стандартты нәтижесі ретінде бекітпейді. Міндетке сөйлеуші белгілері керек болса, бұл талапты дәл транскрипт бар деп мәлімдеуден бөлек орындау қажет. Пайдалы тапсырма бастапқы тілді, транскрипция ма әлде ағылшын аудармасы ма керегін және уақыт деректері қажет пе екенін көрсетеді.</p><p>Елеулі шектеулерге айтылмаған ойдан шығарылған мәтін және қайталанатын мәтін кіреді; олар шулы деректерде әлсіз бақылаумен оқытуға және sequence-to-sequence құрылымына байланысты. Тану сапасы тілдерге, акценттерге және диалектілерге қарай өзгереді; оқыту материалы аз жерде нәтиже әлсіздеу. Сондықтан жарамдылықты бағалау үлгісінде шу, арнайы сөздік және қабаттасқан сөйлеу болуы тиіс. Есімдерді, мөлшерлерді және маңызды тұжырымдарды жазбамен салыстырып, жатық транскриптті әр сөз естілді деген дәлел деп қабылдамай, сөйлеу жоқ үзінділерді немесе қайталанған жолдарды тексеріңіз.</p><p>Толық нәтиже танылған мәтінді, оның тілін және сұралған уақыт деректерін бастапқы жазбаға сілтемемен бірге сақтайды. Транскрипцияны кейінгі редакциялаудан бөлек ұстаңыз: жариялауға түзетілген транскрипт қыстырма сөздерді алып тастауы мүмкін, ал танылған транскрипт модельдің нақты қайтарғанын сақтайды. Large-v3 сәйкестігі мен аудару мүмкіндігін жылдамырақ Turbo шығарылымынан да бөлек ұстау керек. Нақты өңдеу жылдамдығы тілге, сөйлеу қарқынына, жабдыққа және инференс әдісіне тәуелді; бақылау нүктесінің атауының өзі орналастырылған қызметтің нақты кідірісін, ең үлкен жүктеу көлемін немесе қосылған қолданба бағытын білдірмейді.</p>",
  "aboutText": "Whisper large-v3 — шамамен 1.55 миллиард параметрі бар, OpenAI жариялаған сөйлеуді тану бақылау нүктесі. Бұл — көптілді encoder-decoder моделі: аудио кодтағышқа түседі, ал декодтағыш мәтін мен міндетке қатысты токендерді болжайды. Негізгі міндеттері — сөйлеуді бастапқы тілде транскрипциялау және сөйлеуді ағылшын тіліне аудару. Бұл — орналастырылған қызметтің модель идентификаторынан немесе сол қызметтің жүктеу және жауап пішімі ережелерінен бөлек ұсталатын ашық салмақты модель сәйкестігі.\n\nLarge-v3 бұрынғы үлкен Whisper бақылау нүктелерінің архитектурасын аталған екі өзгеріспен сақтайды: спектрограмма кірісі 80 орнына 128 Mel-жиілік ұяшығын қолданады және кантон тілі токенін қосады. Өндірушінің модель картасы әлсіз таңбаланған бір миллион сағат аудиода және Whisper large-v2 көмегімен псевдотаңбаланған төрт миллион сағат аудиода оқытуды сипаттайды. Бұл қоспа екі оқыту эпохасы бойы қолданылған. Шығарылым — Whisper тобындағы барлық модельдің жалпы атауы емес, нақты large-v3 бақылау нүктесі.\n\nҚұжатталған инференс үдерісі әдепкі бойынша транскрипция жасап, жазбада сөйленген тілді сақтайды. Ол бастапқы тілді автоматты анықтай алады немесе белгілі тіл таңдауын қабылдайды. Аудару үшін көптілді үлкен модель ағылшын емес сөйлеуден ағылшынша мәтін береді. Міндетті анық таңдаңыз: бастапқы тілдегі транскрипт пен ағылшын аудармасы — бөлек материалдар. Сұхбат үшін бастапқы тілдегі тұжырымды сақтаңыз; ағылшынша анықтамалық құжат үшін қажетті нәтиже айтылған мазмұнның аудармасы екенін көрсетіңіз.\n\nАудионы дайындау — кіріс жолының бөлігі. OpenAI жүктеушісі жазбаны моно толқын пішініне декодтап, 16 kHz жиілікке қайта дискреттейді. Модельдің акустикалық қабылдау өрісі — 30 секунд. Бұл — өңдеу терезесі, толық сұхбаттың немесе дәрістің ең үлкен ұзақтығы емес. Ұзын материал инференсі жылжымалы терезелермен ретімен жүре алады немесе ұзын жазбаны қабаттасқан бөліктерге бөліп, транскрипттерін біріктіре алады. Өндірушінің модель картасы дәлдік басым болса ретті өңдеуді, ал бір ұзын жазбаны тез аяқтау маңыздырақ болса бөліктермен өңдеуді сипаттайды.\n\nЖарияланған конфигурация жеке декодтау тізбегі үшін 448 декодтағыш орнын көрсетеді. Ұзынырақ жазбалар бұл санды әмбебап транскрипт шегі деп қабылдау арқылы емес, ұзын материал үдерісімен өңделеді. Құжатталған үдеріс танылған мәтінмен қатар сегмент немесе сөз деңгейіндегі уақыт белгілерін қайтара алады. Бұл уақыт нәтижелері жазбада навигация жасауға және субтитр дайындауға пайдалы, ал соңғы субтитр контейнері немесе транскрипт файлының пішімі — бөлек нәтиже пішімдеу таңдауы. Транскрипт бастапқы материалмен сәйкестендірілетін болса, аудионы дайындағанда жазбаның уақытын сақтаңыз.\n\nWhisper-дің көзделген рөлі — сөйлеуді тану және аудару. Дәріс транскрипті, сұхбат жазбасы немесе іздеуге болатын ауызша материал жинағы — практикалық нәтижелер; қысқаша мазмұндау немесе түсіндіру кейін мәтінмен жұмыс істейтін басқа қадам болуы мүмкін. Модель картасы сөйлеушілерді сенімді автоматты жіктеуді немесе диаризацияны негізгі бақылау нүктесінің стандартты нәтижесі ретінде бекітпейді. Міндетке сөйлеуші белгілері керек болса, бұл талапты дәл транскрипт бар деп мәлімдеуден бөлек орындау қажет. Пайдалы тапсырма бастапқы тілді, транскрипция ма әлде ағылшын аудармасы ма керегін және уақыт деректері қажет пе екенін көрсетеді.\n\nЕлеулі шектеулерге айтылмаған ойдан шығарылған мәтін және қайталанатын мәтін кіреді; олар шулы деректерде әлсіз бақылаумен оқытуға және sequence-to-sequence құрылымына байланысты. Тану сапасы тілдерге, акценттерге және диалектілерге қарай өзгереді; оқыту материалы аз жерде нәтиже әлсіздеу. Сондықтан жарамдылықты бағалау үлгісінде шу, арнайы сөздік және қабаттасқан сөйлеу болуы тиіс. Есімдерді, мөлшерлерді және маңызды тұжырымдарды жазбамен салыстырып, жатық транскриптті әр сөз естілді деген дәлел деп қабылдамай, сөйлеу жоқ үзінділерді немесе қайталанған жолдарды тексеріңіз.\n\nТолық нәтиже танылған мәтінді, оның тілін және сұралған уақыт деректерін бастапқы жазбаға сілтемемен бірге сақтайды. Транскрипцияны кейінгі редакциялаудан бөлек ұстаңыз: жариялауға түзетілген транскрипт қыстырма сөздерді алып тастауы мүмкін, ал танылған транскрипт модельдің нақты қайтарғанын сақтайды. Large-v3 сәйкестігі мен аудару мүмкіндігін жылдамырақ Turbo шығарылымынан да бөлек ұстау керек. Нақты өңдеу жылдамдығы тілге, сөйлеу қарқынына, жабдыққа және инференс әдісіне тәуелді; бақылау нүктесінің атауының өзі орналастырылған қызметтің нақты кідірісін, ең үлкен жүктеу көлемін немесе қосылған қолданба бағытын білдірмейді.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "3fddfadd46b046bf987a7779e0e0fe5815630bbe87fef0d2ad1c215b540b4dde",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "kk",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">O</span><h2 id=\"sheet-title\">OpenAI: Whisper Large V3</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Жабу\">×</button></div><div class=\"idline\"><span>OpenAI /</span><code>openai/whisper-large-v3</code><button type=\"button\" id=\"copy-id\">ID көшіру</button></div><nav class=\"card-jump-nav\" aria-label=\"Модель карточкасының бөлімдері\"><button type=\"button\" data-card-jump=\"overview\">Бастау</button><button type=\"button\" data-card-jump=\"methods\">Кіріс деректері мен әдістер</button><button type=\"button\" data-card-jump=\"pricing\">Тарифтер</button><button type=\"button\" data-card-jump=\"examples\">Мысалдар</button><button type=\"button\" data-card-jump=\"results\">Нәтижелер</button><button type=\"button\" data-card-jump=\"aliases\">Балама атаулар</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"API әдістері\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Ultra|transcriptions|/v1/audio/transcriptions|openai%2Fwhisper-large-v3\">Тану</button></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-0\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">Бастау</h3><p class=\"mdesc-full\">Whisper large-v3 — транскрипцияға және сөйлеуді ағылшын тіліне аударуға арналған OpenAI-дың ашық салмақты көптілді сөйлеуді тану бақылау нүктесі. Ол жазылған сөйлеуді мәтінге айналдырады; тіл таңдау, уақыт белгілері және 30 секундтық акустикалық терезеден ұзын материалды өңдеу құжатталған.</p><dl class=\"card-io\" data-card-io><div><dt>Қабылданатын кіріс деректері</dt><dd>Аудио</dd></div><div><dt>Нәтижелер</dt><dd>transcription</dd></div></dl><details class=\"card-about\"><summary>Модель туралы</summary><p class=\"note-s\" data-model-method-boundary>Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.</p><div class=\"mabout\" id=\"m-about\"><p>Whisper large-v3 — шамамен 1.55 миллиард параметрі бар, OpenAI жариялаған сөйлеуді тану бақылау нүктесі. Бұл — көптілді encoder-decoder моделі: аудио кодтағышқа түседі, ал декодтағыш мәтін мен міндетке қатысты токендерді болжайды. Негізгі міндеттері — сөйлеуді бастапқы тілде транскрипциялау және сөйлеуді ағылшын тіліне аудару. Бұл — орналастырылған қызметтің модель идентификаторынан немесе сол қызметтің жүктеу және жауап пішімі ережелерінен бөлек ұсталатын ашық салмақты модель сәйкестігі.</p><p>Large-v3 бұрынғы үлкен Whisper бақылау нүктелерінің архитектурасын аталған екі өзгеріспен сақтайды: спектрограмма кірісі 80 орнына 128 Mel-жиілік ұяшығын қолданады және кантон тілі токенін қосады. Өндірушінің модель картасы әлсіз таңбаланған бір миллион сағат аудиода және Whisper large-v2 көмегімен псевдотаңбаланған төрт миллион сағат аудиода оқытуды сипаттайды. Бұл қоспа екі оқыту эпохасы бойы қолданылған. Шығарылым — Whisper тобындағы барлық модельдің жалпы атауы емес, нақты large-v3 бақылау нүктесі.</p><p>Құжатталған инференс үдерісі әдепкі бойынша транскрипция жасап, жазбада сөйленген тілді сақтайды. Ол бастапқы тілді автоматты анықтай алады немесе белгілі тіл таңдауын қабылдайды. Аудару үшін көптілді үлкен модель ағылшын емес сөйлеуден ағылшынша мәтін береді. Міндетті анық таңдаңыз: бастапқы тілдегі транскрипт пен ағылшын аудармасы — бөлек материалдар. Сұхбат үшін бастапқы тілдегі тұжырымды сақтаңыз; ағылшынша анықтамалық құжат үшін қажетті нәтиже айтылған мазмұнның аудармасы екенін көрсетіңіз.</p><p>Аудионы дайындау — кіріс жолының бөлігі. OpenAI жүктеушісі жазбаны моно толқын пішініне декодтап, 16 kHz жиілікке қайта дискреттейді. Модельдің акустикалық қабылдау өрісі — 30 секунд. Бұл — өңдеу терезесі, толық сұхбаттың немесе дәрістің ең үлкен ұзақтығы емес. Ұзын материал инференсі жылжымалы терезелермен ретімен жүре алады немесе ұзын жазбаны қабаттасқан бөліктерге бөліп, транскрипттерін біріктіре алады. Өндірушінің модель картасы дәлдік басым болса ретті өңдеуді, ал бір ұзын жазбаны тез аяқтау маңыздырақ болса бөліктермен өңдеуді сипаттайды.</p><p>Жарияланған конфигурация жеке декодтау тізбегі үшін 448 декодтағыш орнын көрсетеді. Ұзынырақ жазбалар бұл санды әмбебап транскрипт шегі деп қабылдау арқылы емес, ұзын материал үдерісімен өңделеді. Құжатталған үдеріс танылған мәтінмен қатар сегмент немесе сөз деңгейіндегі уақыт белгілерін қайтара алады. Бұл уақыт нәтижелері жазбада навигация жасауға және субтитр дайындауға пайдалы, ал соңғы субтитр контейнері немесе транскрипт файлының пішімі — бөлек нәтиже пішімдеу таңдауы. Транскрипт бастапқы материалмен сәйкестендірілетін болса, аудионы дайындағанда жазбаның уақытын сақтаңыз.</p><p>Whisper-дің көзделген рөлі — сөйлеуді тану және аудару. Дәріс транскрипті, сұхбат жазбасы немесе іздеуге болатын ауызша материал жинағы — практикалық нәтижелер; қысқаша мазмұндау немесе түсіндіру кейін мәтінмен жұмыс істейтін басқа қадам болуы мүмкін. Модель картасы сөйлеушілерді сенімді автоматты жіктеуді немесе диаризацияны негізгі бақылау нүктесінің стандартты нәтижесі ретінде бекітпейді. Міндетке сөйлеуші белгілері керек болса, бұл талапты дәл транскрипт бар деп мәлімдеуден бөлек орындау қажет. Пайдалы тапсырма бастапқы тілді, транскрипция ма әлде ағылшын аудармасы ма керегін және уақыт деректері қажет пе екенін көрсетеді.</p><p>Елеулі шектеулерге айтылмаған ойдан шығарылған мәтін және қайталанатын мәтін кіреді; олар шулы деректерде әлсіз бақылаумен оқытуға және sequence-to-sequence құрылымына байланысты. Тану сапасы тілдерге, акценттерге және диалектілерге қарай өзгереді; оқыту материалы аз жерде нәтиже әлсіздеу. Сондықтан жарамдылықты бағалау үлгісінде шу, арнайы сөздік және қабаттасқан сөйлеу болуы тиіс. Есімдерді, мөлшерлерді және маңызды тұжырымдарды жазбамен салыстырып, жатық транскриптті әр сөз естілді деген дәлел деп қабылдамай, сөйлеу жоқ үзінділерді немесе қайталанған жолдарды тексеріңіз.</p><p>Толық нәтиже танылған мәтінді, оның тілін және сұралған уақыт деректерін бастапқы жазбаға сілтемемен бірге сақтайды. Транскрипцияны кейінгі редакциялаудан бөлек ұстаңыз: жариялауға түзетілген транскрипт қыстырма сөздерді алып тастауы мүмкін, ал танылған транскрипт модельдің нақты қайтарғанын сақтайды. Large-v3 сәйкестігі мен аудару мүмкіндігін жылдамырақ Turbo шығарылымынан да бөлек ұстау керек. Нақты өңдеу жылдамдығы тілге, сөйлеу қарқынына, жабдыққа және инференс әдісіне тәуелді; бақылау нүктесінің атауының өзі орналастырылған қызметтің нақты кідірісін, ең үлкен жүктеу көлемін немесе қосылған қолданба бағытын білдірмейді.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · Сөйлеуді тану</b> <code>POST /v1/audio/transcriptions</code></summary><dl class=\"method-capabilities\"><div><dt>Кіріс</dt><dd><code>audio</code></dd></div><div><dt>Шығыс</dt><dd><code>transcription</code></dd></div><div><dt>Шығыс пішімі</dt><dd>json</dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Өріс</th><th>Түрі</th><th>Талап</th><th>Мәндер мен шектеулер</th><th>Әдепкі</th></tr></thead><tbody><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span><code>string</code></td><td data-cell-label=\"Талап\"><span class=\"card-cell-label\">Талап</span>Міндетті</td><td data-cell-label=\"Мәндер мен шектеулер\"><span class=\"card-cell-label\">Мәндер мен шектеулер</span><div>openai/whisper-large-v3</div></td><td data-cell-label=\"Әдепкі\" data-default=\"unspecified\"><span class=\"card-cell-label\">Әдепкі</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">input_audio</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span><code>object</code></td><td data-cell-label=\"Талап\"><span class=\"card-cell-label\">Талап</span>Міндетті</td><td data-cell-label=\"Мәндер мен шектеулер\"><span class=\"card-cell-label\">Мәндер мен шектеулер</span></td><td data-cell-label=\"Әдепкі\" data-default=\"unspecified\"><span class=\"card-cell-label\">Әдепкі</span>—</td></tr><tr data-parameter-availability=\"retained_official_STTRequest\"><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">language</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span><code>string</code></td><td data-cell-label=\"Талап\"><span class=\"card-cell-label\">Талап</span>Міндетті емес</td><td data-cell-label=\"Мәндер мен шектеулер\"><span class=\"card-cell-label\">Мәндер мен шектеулер</span></td><td data-cell-label=\"Әдепкі\" data-default=\"unspecified\"><span class=\"card-cell-label\">Әдепкі</span>—</td></tr><tr data-parameter-availability=\"retained_official_STTRequest\"><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">temperature</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span><code>number</code></td><td data-cell-label=\"Талап\"><span class=\"card-cell-label\">Талап</span>Міндетті емес</td><td data-cell-label=\"Мәндер мен шектеулер\"><span class=\"card-cell-label\">Мәндер мен шектеулер</span><div>Ең азы: 0</div><div>Ең көбі: 1</div></td><td data-cell-label=\"Әдепкі\" data-default=\"unspecified\"><span class=\"card-cell-label\">Әдепкі</span>—</td></tr><tr data-parameter-availability=\"retained_official_STTRequest\"><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">response_format</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span><code>string</code></td><td data-cell-label=\"Талап\"><span class=\"card-cell-label\">Талап</span>Міндетті емес</td><td data-cell-label=\"Мәндер мен шектеулер\"><span class=\"card-cell-label\">Мәндер мен шектеулер</span><div>json, verbose_json</div></td><td data-cell-label=\"Әдепкі\" data-default=\"known\"><span class=\"card-cell-label\">Әдепкі</span>json</td></tr><tr data-parameter-availability=\"retained_official_STTRequest\"><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">timestamp_granularities</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span><code>array</code></td><td data-cell-label=\"Талап\"><span class=\"card-cell-label\">Талап</span>Міндетті емес</td><td data-cell-label=\"Мәндер мен шектеулер\"><span class=\"card-cell-label\">Мәндер мен шектеулер</span></td><td data-cell-label=\"Әдепкі\" data-default=\"unspecified\"><span class=\"card-cell-label\">Әдепкі</span>—</td></tr><tr data-parameter-availability=\"retained_official_STTRequest\"><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">provider</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span><code>object</code></td><td data-cell-label=\"Талап\"><span class=\"card-cell-label\">Талап</span>Міндетті емес</td><td data-cell-label=\"Мәндер мен шектеулер\"><span class=\"card-cell-label\">Мәндер мен шектеулер</span></td><td data-cell-label=\"Әдепкі\" data-default=\"unspecified\"><span class=\"card-cell-label\">Әдепкі</span>—</td></tr></tbody></table></div><details class=\"card-about\" data-material-combinations><summary>Кіріс материалдарының үйлесімдері</summary><p class=\"note-s\"><b>speech_to_text</b> · Міндетті: actual matching-format audio file</p></details><details class=\"note-s\" data-method-contract><summary>Әдіс параметрлері мен өмірлік циклі</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Параметр</th><th>Параметр талаптары</th></tr></thead><tbody><tr><th data-cell-label=\"Параметр\" scope=\"row\"><span class=\"card-cell-label\">Параметр</span><code>content_types</code></th><td data-cell-label=\"Параметр талаптары\"><span class=\"card-cell-label\">Параметр талаптары</span>application/json, multipart/form-data</td></tr><tr><th data-cell-label=\"Параметр\" scope=\"row\"><span class=\"card-cell-label\">Параметр</span><code>required</code></th><td data-cell-label=\"Параметр талаптары\"><span class=\"card-cell-label\">Параметр талаптары</span>model, input_audio</td></tr><tr><th data-cell-label=\"Параметр\" scope=\"row\"><span class=\"card-cell-label\">Параметр</span><code>material_types</code></th><td data-cell-label=\"Параметр талаптары\"><span class=\"card-cell-label\">Параметр талаптары</span>audio</td></tr><tr><th data-cell-label=\"Параметр\" scope=\"row\"><span class=\"card-cell-label\">Параметр</span><code>JSON_audio</code></th><td data-cell-label=\"Параметр талаптары\"><span class=\"card-cell-label\">Параметр талаптары</span>base64 пішіміндегі нақты өңделмеген аудио байттары және оларға сәйкес пішім</td></tr><tr><th data-cell-label=\"Параметр\" scope=\"row\"><span class=\"card-cell-label\">Параметр</span><code>multipart_required</code></th><td data-cell-label=\"Параметр талаптары\"><span class=\"card-cell-label\">Параметр талаптары</span>model, file</td></tr><tr><th data-cell-label=\"Параметр\" scope=\"row\"><span class=\"card-cell-label\">Параметр</span><code>multipart_cap_bytes</code></th><td data-cell-label=\"Параметр талаптары\"><span class=\"card-cell-label\">Параметр талаптары</span>26214400</td></tr><tr><th data-cell-label=\"Параметр\" scope=\"row\"><span class=\"card-cell-label\">Параметр</span><code>optional_controls</code></th><td data-cell-label=\"Параметр талаптары\"><span class=\"card-cell-label\">Параметр талаптары</span>language, temperature, response_format, timestamp_granularities, provider</td></tr><tr><th data-cell-label=\"Параметр\" scope=\"row\"><span class=\"card-cell-label\">Параметр</span><code>default_response_format</code></th><td data-cell-label=\"Параметр талаптары\"><span class=\"card-cell-label\">Параметр талаптары</span>json</td></tr><tr><th data-cell-label=\"Параметр\" scope=\"row\"><span class=\"card-cell-label\">Параметр</span><code>optional_features</code></th><td data-cell-label=\"Параметр талаптары\"><span class=\"card-cell-label\">Параметр талаптары</span>Кеңейтілген шығыс, diarize/keyterms және URL арқылы берілетін не көлемді кірістірілген аудио үшін нақты модель мен жеткізушінің тиісті мүмкіндігі және тарифі қажет.</td></tr></tbody></table></div><p>Өмірлік цикл: <code>synchronous_result_then_owned_library</code></p><p class=\"note-s\"><code>GET /v1/media/tasks/{task_id}</code> · Нақты қайтарылған task_id немесе медиатека жазбасы</p><p class=\"note-s\"><code>GET /v1/media/assets/{asset_id}/content</code></p><p class=\"note-s\"><code>GET /v1/media/assets</code></p><p class=\"note-s\"><code>GET /v1/media/assets/{asset_id}</code></p><p class=\"note-s\">Дәл модельді және құжатталған кіріс өрістерін қолданыңыз.</p><p class=\"note-s\">Толық жауапты, әрбір нақты шығыс нәтижесін және бастапқы қайтарылған ID мәндерін сақтаңыз.</p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Тарифтер</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.</p><dl data-price-conditions><dt>Жылдам режим</dt><dd>Көрсетілмеген <span class=\"note-s\">Жылдам режим таңдалғанда</span></dd><dt>Икемді режим</dt><dd>Көрсетілмеген <span class=\"note-s\">flex режимі таңдалғанда</span></dd><dt>Ой қорытудың ең жоғары деңгейі</dt><dd>Көрсетілмеген <span class=\"note-s\">Ой қорыту деңгейі ең жоғары болып, default түзетуі қолданылғанда</span></dd></dl></div><div data-declared-tariff-pricing><h4>Ailoot мөлшерлемелері</h4><h4>Баптаулар бойынша бағалар</h4><p class=\"note-s\">Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.</p><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Баптау</th><th>Мөлшерлемелер кестесі</th><th>Есептеу бірлігі</th><th>Төлем</th></tr></thead><tbody><tr><th data-cell-label=\"Баптау\" scope=\"row\"><span class=\"card-cell-label\">Баптау</span>Токендердің базалық тарифтері</th><td data-cell-label=\"Мөлшерлемелер кестесі\"><span class=\"card-cell-label\">Мөлшерлемелер кестесі</span>Негізгі мөлшерлеме</td><td data-cell-label=\"Есептеу бірлігі\"><span class=\"card-cell-label\">Есептеу бірлігі</span>—</td><td data-cell-label=\"Төлем\"><span class=\"card-cell-label\">Төлем</span><div><span>Кіріс · Кіріс токендері</span> <b>—</b> <span class=\"price-unit\">/ 1K токен</span></div><div><span>Шығыс · Шығыс токендері</span> <b>—</b> <span class=\"price-unit\">/ 1K токен</span></div><div><span>Кіріс · Кэшті оқу</span> <b>—</b> <span class=\"price-unit\">/ 1K токен</span></div><div><span>Кіріс · Кэшке жазу</span> <b>—</b> <span class=\"price-unit\">/ 1K токен</span></div><div><span>Кіріс · Кэшке жазу, 1 сағ</span> <b>—</b> <span class=\"price-unit\">/ 1K токен</span></div></td></tr><tr><th data-cell-label=\"Баптау\" scope=\"row\"><span class=\"card-cell-label\">Баптау</span>Ultra</th><td data-cell-label=\"Мөлшерлемелер кестесі\"><span class=\"card-cell-label\">Мөлшерлемелер кестесі</span>—</td><td data-cell-label=\"Есептеу бірлігі\"><span class=\"card-cell-label\">Есептеу бірлігі</span>кіріс аудионың секунды үшін</td><td data-cell-label=\"Төлем\"><span class=\"card-cell-label\">Төлем</span><div><span>Кіріс · кіріс аудио секунды</span> <b>$0.000015</b> <span class=\"price-unit\">кіріс аудионың секунды үшін</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. <a href=\"/docs/kk/billing/reserve/\">Резервтеу мен төлемді есептеу тәртібі →</a></p><div data-declared-reference-pricing><h4>Анықтамалық тариф мәліметтері</h4><p class=\"note-s\">Модельдің анықтамалық кестелері әдіс таңдауын, баға есебін не төлемді өзгертпейді. Қолданыстағы төлемдер таңдалған Ailoot әдісінің мөлшерлемелерімен есептеледі.</p><details class=\"card-price-reference\" data-declared-reference-group data-client-selectable=\"false\"><summary>OpenAI: Whisper Large V3</summary><h4>Баптаулар бойынша бағалар</h4><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Баптау</th><th>Төлемді есептеу шарттары</th><th>Төлем</th></tr></thead><tbody><tr><th data-cell-label=\"Баптау\" scope=\"row\"><span class=\"card-cell-label\">Баптау</span>OpenAI: Whisper Large V3 · Әдепкі конфигурация</th><td data-cell-label=\"Төлемді есептеу шарттары\"><span class=\"card-cell-label\">Төлемді есептеу шарттары</span>Әдепкі баптау</td><td data-cell-label=\"Төлем\"><span class=\"card-cell-label\">Төлем</span><div><span>Кіріс · Кіріс аудио секундтары</span> <b>0,000015 $</b> <span class=\"price-unit\">кіріс аудионың секунды үшін</span></div></td></tr></tbody></table></div></details></div></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Сұрау мысалдары</h3><h4>Ailoot Ultra · Сөйлеуді тану</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Код нұсқалары\"><button class=\"cg-tab\" id=\"model-code-2185-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-2185-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl · төл пішімдегі дәл сұрау денесі және толық нәтиже</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Кодты көшіру\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-2185-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-2185-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\n: &quot;${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}&quot;\npython3 - &lt;&lt;&#39;PY_REQUEST&#39;\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ[&#39;AILOOT_AUDIO_FILE&#39;]).read_bytes()\nif not (audio[:4]==b&#39;RIFF&#39; and audio[8:12]==b&#39;WAVE&#39;): raise SystemExit(&#39;Supply an actual WAV audio file&#39;)\nif len(audio)&gt;26214400: raise SystemExit(&#39;Use a documented supported large-file flow&#39;)\nrequest={&#39;model&#39;: &#39;openai/whisper-large-v3&#39;, &#39;input_audio&#39;: {&#39;data&#39;: &#39;${BASE64_ACTUAL_WAV_BYTES}&#39;, &#39;format&#39;: &#39;wav&#39;}}\nrequest[&#39;input_audio&#39;][&#39;data&#39;]=base64.b64encode(audio).decode(&#39;ascii&#39;)\nPath(&#39;request.json&#39;).write_text(json.dumps(request,ensure_ascii=False),encoding=&#39;utf-8&#39;)\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\n  --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">Нәтижелерді алу және сақтау</h3><h4>Ailoot Ultra · Сөйлеуді тану</h4><p class=\"note-s\">json</p><ul class=\"card-result-paths\"><li><code>GET /v1/media/tasks/{task_id}</code></li><li><code>GET /v1/media/assets/{asset_id}/content</code></li><li><code>GET /v1/media/assets</code></li><li><code>GET /v1/media/assets/{asset_id}</code></li></ul><div class=\"card-result-process\" data-all-results><h5>Барлық дайын нәтижені сақтау</h5><p class=\"note-s\">Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.</p><p class=\"note-s\">Бастапқы JSON толық, барлық қолжетімді мәтін, сегменттер, сөздер, сөйлеушілер, уақыт белгілері және пайдалану деректері.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>Бастапқы жауапты тексеру қажет болса</h5><p class=\"note-s\">Бастапқы operation_id/X-Client-Request-ID мәндерін және бастапқы жауапты сақтаңыз. Қайта жібермей, иелігіңіздегі нақты тапсырма немесе ресурс жазбаларын оқыңыз; аудио күйін сұрауға арналған бөлек URL құрастырылмайды.</p></div><details class=\"card-about\" data-output-fields><summary>Жауап өрістері</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>Өріс</th><th>Түрі</th></tr></thead><tbody><tr><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">text</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span>string</td></tr><tr><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">usage</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span>object</td></tr><tr><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">segments[]</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span>object</td></tr><tr><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">words[]</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span>object</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Балама атаулар</h3><h4>Модельдердің балама атаулары</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=openai%2Fwhisper-large-v3&amp;route=Ultra&amp;caller=openai%2Fwhisper-large-v3&amp;fmt=transcriptions\"><code>openai/whisper-large-v3</code></a></span></p><h4>Әдіс жолдарының балама атаулары</h4><p class=\"note-s\">Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.</p><h4>Шақыруға арналған байланысты ID</h4><p class=\"note-s\"><a href=\"#m=openai%2Fwhisper-large-v3&amp;route=Ultra&amp;caller=openai%2Fwhisper-large-v3&amp;fmt=transcriptions\"><code>openai/whisper-large-v3</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "openai/whisper-large-v3",
        "fmt": "transcriptions",
        "http": "POST",
        "path": "/v1/audio/transcriptions",
        "request_model_id": "openai/whisper-large-v3",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|transcriptions|/v1/audio/transcriptions|openai%2Fwhisper-large-v3",
      "ordinal": 0,
      "rawMethod": {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Complete original JSON, all available text/segments/words/speakers/timestamps and usage.",
            "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 URL; never construct token"
                }
              ],
              "mode": "synchronous_result_then_owned_library",
              "operation_id_is_not_task_id": true,
              "status": [
                {
                  "http": "GET",
                  "id_source": "actual returned task_id or media library record",
                  "path": "/v1/media/tasks/{task_id}"
                }
              ],
              "unknown": "Бастапқы operation_id/X-Client-Request-ID мәндерін және бастапқы жауапты сақтаңыз. Қайта жібермей, иелігіңіздегі нақты тапсырма немесе ресурс жазбаларын оқыңыз; аудио күйін сұрауға арналған бөлек URL құрастырылмайды."
            },
            "material_combinations": [
              {
                "content_types": [
                  "application/json",
                  "multipart/form-data"
                ],
                "mode": "speech_to_text",
                "required": [
                  "actual matching-format audio file"
                ]
              }
            ],
            "outputs": {
              "all_results": "Бастапқы JSON толық, барлық қолжетімді мәтін, сегменттер, сөздер, сөйлеушілер, уақыт белгілері және пайдалану деректері.",
              "family": "transcription",
              "fields": [
                {
                  "name": "text",
                  "type": "string"
                },
                {
                  "name": "usage",
                  "type": "object"
                },
                {
                  "name": "segments[]",
                  "optional": true,
                  "type": "object"
                },
                {
                  "name": "words[]",
                  "optional": true,
                  "type": "object"
                }
              ],
              "format": "json"
            },
            "parameters": [
              {
                "availability": "source_interface",
                "enum": [
                  "openai/whisper-large-v3"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "data_encoding": "base64 raw actual audio bytes, not data URI",
                "fields": [
                  "data",
                  "format"
                ],
                "name": "input_audio",
                "required": true,
                "type": "object"
              },
              {
                "availability": "retained_official_STTRequest",
                "description": "ISO-639-1 code; omitted means auto-detection",
                "name": "language",
                "required": false,
                "type": "string"
              },
              {
                "availability": "retained_official_STTRequest",
                "maximum": 1,
                "minimum": 0,
                "name": "temperature",
                "required": false,
                "type": "number"
              },
              {
                "availability": "retained_official_STTRequest",
                "default": "json",
                "default_known": true,
                "description": "verbose_json requires exact model/provider support",
                "enum": [
                  "json",
                  "verbose_json"
                ],
                "enum_known": true,
                "name": "response_format",
                "required": false,
                "type": "string"
              },
              {
                "availability": "retained_official_STTRequest",
                "description": "Only used with supported verbose_json",
                "items": {
                  "enum": [
                    "segment",
                    "word"
                  ],
                  "type": "string"
                },
                "name": "timestamp_granularities",
                "required": false,
                "type": "array"
              },
              {
                "availability": "retained_official_STTRequest",
                "description": "Data policy and exact provider options; order/only/ignore are not applied to STT",
                "name": "provider",
                "required": false,
                "type": "object"
              }
            ],
            "request_schema": {
              "properties": {
                "input_audio": {
                  "properties": {
                    "data": {
                      "contentEncoding": "base64",
                      "type": "string"
                    },
                    "format": {
                      "enum": [
                        "wav",
                        "mp3",
                        "flac",
                        "m4a",
                        "ogg",
                        "webm",
                        "aac"
                      ],
                      "type": "string"
                    }
                  },
                  "required": [
                    "data",
                    "format"
                  ],
                  "type": "object"
                },
                "language": {
                  "description": "ISO-639-1 code; omitted means auto-detection",
                  "type": "string"
                },
                "model": {
                  "enum": [
                    "openai/whisper-large-v3"
                  ],
                  "type": "string"
                },
                "provider": {
                  "description": "Data policy and exact provider options; order/only/ignore are not applied to STT",
                  "properties": {
                    "data_collection": {
                      "enum": [
                        "allow",
                        "deny",
                        null
                      ],
                      "type": [
                        "string",
                        "null"
                      ]
                    },
                    "options": {
                      "type": "object"
                    },
                    "zdr": {
                      "type": [
                        "boolean",
                        "null"
                      ]
                    }
                  },
                  "type": "object"
                },
                "response_format": {
                  "default": "json",
                  "description": "verbose_json requires exact model/provider support",
                  "enum": [
                    "json",
                    "verbose_json"
                  ],
                  "type": "string"
                },
                "temperature": {
                  "maximum": 1,
                  "minimum": 0,
                  "type": "number"
                },
                "timestamp_granularities": {
                  "description": "Only used with supported verbose_json",
                  "items": {
                    "enum": [
                      "segment",
                      "word"
                    ],
                    "type": "string"
                  },
                  "type": "array"
                }
              },
              "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/whisper-large-v3"
              },
              "content_type": "application/json"
            }
          },
          "hints": [
            "Дәл модельді және құжатталған кіріс өрістерін қолданыңыз.",
            "Толық жауапты, әрбір нақты шығыс нәтижесін және бастапқы қайтарылған ID мәндерін сақтаңыз."
          ],
          "input": {
            "JSON_audio": "base64 пішіміндегі нақты өңделмеген аудио байттары және оларға сәйкес пішім",
            "content_types": [
              "application/json",
              "multipart/form-data"
            ],
            "default_response_format": "json",
            "material_types": [
              "audio"
            ],
            "multipart_cap_bytes": 26214400,
            "multipart_required": [
              "model",
              "file"
            ],
            "optional_controls": [
              "language",
              "temperature",
              "response_format",
              "timestamp_granularities",
              "provider"
            ],
            "optional_features": "Кеңейтілген шығыс, diarize/keyterms және URL арқылы берілетін не көлемді кірістірілген аудио үшін нақты модель мен жеткізушінің тиісті мүмкіндігі және тарифі қажет.",
            "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 URL; never construct token"
              }
            ],
            "mode": "synchronous_result_then_owned_library",
            "operation_id_is_not_task_id": true,
            "status": [
              {
                "http": "GET",
                "id_source": "Нақты қайтарылған task_id немесе медиатека жазбасы",
                "path": "/v1/media/tasks/{task_id}"
              }
            ],
            "unknown": "Retain original operation_id/X-Client-Request-ID and original response. Read actual owned task/asset records without resubmitting; no dedicated audio poll URL is constructed."
          },
          "method": {
            "http": "POST",
            "path": "/v1/audio/transcriptions"
          },
          "method_aliases": [],
          "operation_modes": [
            "speech_to_text"
          ],
          "output": {
            "all_results": "Complete original JSON, all available text/segments/words/speakers/timestamps and usage.",
            "family": "transcription",
            "format": "json"
          }
        },
        "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": {
              "quantity_basis": "actual physical units",
              "quoted_unit": "per audio input second"
            },
            "label": "Ultra",
            "units": [
              {
                "amount": "0.000015",
                "amount_unit": "usd_per_audio_input_second",
                "billing_input": true,
                "estimate_only": false,
                "key": "audio_input_second",
                "label": "audio input second",
                "native_amount_usd_per_unit": "0.000015",
                "native_quantity": 1,
                "public_unit_label": "per audio input second",
                "quantity": "1",
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "audio_input_second"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')\nif len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')\nrequest={'model': 'openai/whisper-large-v3', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}\nrequest['input_audio']['data']=base64.b64encode(audio).decode('ascii')\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# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n",
            "label": "curl · exact native body and complete result",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "transcriptions",
        "hints": [
          "Use the exact model and documented input fields.",
          "Keep the complete response, every actual output and original returned IDs."
        ],
        "http": "POST",
        "in": null,
        "input": [
          "audio"
        ],
        "label": "Распознавание речи",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "out": null,
        "output": [
          "transcription"
        ],
        "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": {
            "audio_input_second": 1.5e-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": {
              "quantity_basis": "actual physical units",
              "quoted_unit": "per audio input second"
            },
            "label": "Ultra",
            "units": [
              {
                "amount": "0.000015",
                "amount_unit": "usd_per_audio_input_second",
                "billing_input": true,
                "estimate_only": false,
                "key": "audio_input_second",
                "label": "audio input second",
                "native_amount_usd_per_unit": "0.000015",
                "native_quantity": 1,
                "public_unit_label": "per audio input second",
                "quantity": "1",
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "audio_input_second"
              }
            ]
          }
        ],
        "request_model_id": "openai/whisper-large-v3",
        "route_label": "Ultra",
        "status_reads": [
          "GET /v1/media/tasks/{task_id}",
          "GET /v1/media/assets/{asset_id}/content"
        ],
        "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": "0.000015",
            "amount_unit": "usd_per_audio_input_second",
            "billing_input": true,
            "estimate_only": false,
            "key": "audio_input_second",
            "label": "audio input second",
            "native_amount_usd_per_unit": "0.000015",
            "native_quantity": 1,
            "public_unit_label": "per audio input second",
            "quantity": "1",
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "audio_input_second"
          }
        ]
      }
    }
  ],
  "model_id": "openai/whisper-large-v3",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "5fef589699388331f805065896cb9c7a01d1edc00cfdb2b34768c87b0862105a",
    "input_html_sha256": "7e98815e0dbe3615ecc59cb66c06db0b46abe38fe797f92d95e770cbdfd6a83b",
    "private_audit_sha256": "7690aa98e9774f47dda27864cdb959693425ca801e247dadbbe3734ae421772e",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/kk/openai-whisper-large-v3/",
    "description": "Whisper large-v3 — транскрипцияға және сөйлеуді ағылшын тіліне аударуға арналған OpenAI-дың ашық салмақты көптілді сөйлеуді тану бақылау нүктесі. Ол жазылған сөйлеуді мәтінге айналдырады; тіл таңдау, уақыт белгілері және 30 секундтық акустикалық терезеден ұзын материалды өңдеу құжатталған.",
    "locale": "kk",
    "md_url": "https://ailoot.ai/models/kk/openai-whisper-large-v3/index.md",
    "title": "OpenAI: Whisper Large V3 — Ailoot",
    "url": "https://ailoot.ai/models/kk/openai-whisper-large-v3/"
  },
  "rawModel": {
    "about": "Whisper large-v3 — шамамен 1.55 миллиард параметрі бар, OpenAI жариялаған сөйлеуді тану бақылау нүктесі. Бұл — көптілді encoder-decoder моделі: аудио кодтағышқа түседі, ал декодтағыш мәтін мен міндетке қатысты токендерді болжайды. Негізгі міндеттері — сөйлеуді бастапқы тілде транскрипциялау және сөйлеуді ағылшын тіліне аудару. Бұл — орналастырылған қызметтің модель идентификаторынан немесе сол қызметтің жүктеу және жауап пішімі ережелерінен бөлек ұсталатын ашық салмақты модель сәйкестігі.\n\nLarge-v3 бұрынғы үлкен Whisper бақылау нүктелерінің архитектурасын аталған екі өзгеріспен сақтайды: спектрограмма кірісі 80 орнына 128 Mel-жиілік ұяшығын қолданады және кантон тілі токенін қосады. Өндірушінің модель картасы әлсіз таңбаланған бір миллион сағат аудиода және Whisper large-v2 көмегімен псевдотаңбаланған төрт миллион сағат аудиода оқытуды сипаттайды. Бұл қоспа екі оқыту эпохасы бойы қолданылған. Шығарылым — Whisper тобындағы барлық модельдің жалпы атауы емес, нақты large-v3 бақылау нүктесі.\n\nҚұжатталған инференс үдерісі әдепкі бойынша транскрипция жасап, жазбада сөйленген тілді сақтайды. Ол бастапқы тілді автоматты анықтай алады немесе белгілі тіл таңдауын қабылдайды. Аудару үшін көптілді үлкен модель ағылшын емес сөйлеуден ағылшынша мәтін береді. Міндетті анық таңдаңыз: бастапқы тілдегі транскрипт пен ағылшын аудармасы — бөлек материалдар. Сұхбат үшін бастапқы тілдегі тұжырымды сақтаңыз; ағылшынша анықтамалық құжат үшін қажетті нәтиже айтылған мазмұнның аудармасы екенін көрсетіңіз.\n\nАудионы дайындау — кіріс жолының бөлігі. OpenAI жүктеушісі жазбаны моно толқын пішініне декодтап, 16 kHz жиілікке қайта дискреттейді. Модельдің акустикалық қабылдау өрісі — 30 секунд. Бұл — өңдеу терезесі, толық сұхбаттың немесе дәрістің ең үлкен ұзақтығы емес. Ұзын материал инференсі жылжымалы терезелермен ретімен жүре алады немесе ұзын жазбаны қабаттасқан бөліктерге бөліп, транскрипттерін біріктіре алады. Өндірушінің модель картасы дәлдік басым болса ретті өңдеуді, ал бір ұзын жазбаны тез аяқтау маңыздырақ болса бөліктермен өңдеуді сипаттайды.\n\nЖарияланған конфигурация жеке декодтау тізбегі үшін 448 декодтағыш орнын көрсетеді. Ұзынырақ жазбалар бұл санды әмбебап транскрипт шегі деп қабылдау арқылы емес, ұзын материал үдерісімен өңделеді. Құжатталған үдеріс танылған мәтінмен қатар сегмент немесе сөз деңгейіндегі уақыт белгілерін қайтара алады. Бұл уақыт нәтижелері жазбада навигация жасауға және субтитр дайындауға пайдалы, ал соңғы субтитр контейнері немесе транскрипт файлының пішімі — бөлек нәтиже пішімдеу таңдауы. Транскрипт бастапқы материалмен сәйкестендірілетін болса, аудионы дайындағанда жазбаның уақытын сақтаңыз.\n\nWhisper-дің көзделген рөлі — сөйлеуді тану және аудару. Дәріс транскрипті, сұхбат жазбасы немесе іздеуге болатын ауызша материал жинағы — практикалық нәтижелер; қысқаша мазмұндау немесе түсіндіру кейін мәтінмен жұмыс істейтін басқа қадам болуы мүмкін. Модель картасы сөйлеушілерді сенімді автоматты жіктеуді немесе диаризацияны негізгі бақылау нүктесінің стандартты нәтижесі ретінде бекітпейді. Міндетке сөйлеуші белгілері керек болса, бұл талапты дәл транскрипт бар деп мәлімдеуден бөлек орындау қажет. Пайдалы тапсырма бастапқы тілді, транскрипция ма әлде ағылшын аудармасы ма керегін және уақыт деректері қажет пе екенін көрсетеді.\n\nЕлеулі шектеулерге айтылмаған ойдан шығарылған мәтін және қайталанатын мәтін кіреді; олар шулы деректерде әлсіз бақылаумен оқытуға және sequence-to-sequence құрылымына байланысты. Тану сапасы тілдерге, акценттерге және диалектілерге қарай өзгереді; оқыту материалы аз жерде нәтиже әлсіздеу. Сондықтан жарамдылықты бағалау үлгісінде шу, арнайы сөздік және қабаттасқан сөйлеу болуы тиіс. Есімдерді, мөлшерлерді және маңызды тұжырымдарды жазбамен салыстырып, жатық транскриптті әр сөз естілді деген дәлел деп қабылдамай, сөйлеу жоқ үзінділерді немесе қайталанған жолдарды тексеріңіз.\n\nТолық нәтиже танылған мәтінді, оның тілін және сұралған уақыт деректерін бастапқы жазбаға сілтемемен бірге сақтайды. Транскрипцияны кейінгі редакциялаудан бөлек ұстаңыз: жариялауға түзетілген транскрипт қыстырма сөздерді алып тастауы мүмкін, ал танылған транскрипт модельдің нақты қайтарғанын сақтайды. Large-v3 сәйкестігі мен аудару мүмкіндігін жылдамырақ Turbo шығарылымынан да бөлек ұстау керек. Нақты өңдеу жылдамдығы тілге, сөйлеу қарқынына, жабдыққа және инференс әдісіне тәуелді; бақылау нүктесінің атауының өзі орналастырылған қызметтің нақты кідірісін, ең үлкен жүктеу көлемін немесе қосылған қолданба бағытын білдірмейді.",
    "alias_of": null,
    "aliases": [],
    "author": "OpenAI",
    "available": null,
    "canonical_model": "openai/whisper-large-v3",
    "capabilities": {
      "context_length": 0,
      "manufacturer_input": [
        "audio"
      ],
      "manufacturer_output": [
        "transcription"
      ]
    },
    "card_routes": [
      {
        "label": "Ultra",
        "rates": [
          {
            "amount": "0.000015",
            "amount_unit": "usd_per_audio_input_second",
            "billing_input": true,
            "estimate_only": false,
            "key": "audio_input_second",
            "label": "audio input second",
            "native_amount_usd_per_unit": "0.000015",
            "native_quantity": 1,
            "public_unit_label": "per audio input second",
            "quantity": "1",
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "audio_input_second"
          }
        ],
        "summary": "Конфигурация бағалары туралы толық ақпарат — егжей-тегжейлі мәліметтерде."
      }
    ],
    "ctx": null,
    "declared_tariff_references": [
      {
        "client_selectable": false,
        "key": "ee57dbbfe5ae56bdd0d7",
        "label": "OpenAI: Whisper Large V3",
        "profiles": [
          {
            "basis": "",
            "dimensions": {
              "conditions": "Әдепкі баптау"
            },
            "label": "OpenAI: Whisper Large V3 · Әдепкі конфигурация",
            "units": [
              {
                "amount": "0.0000150",
                "amount_unit": "usd_per_exact_physical_unit",
                "billing_input": false,
                "key": "e474c121b23c5635611dfde4",
                "label": "Input audio seconds",
                "public_unit_label": "per input audio second",
                "quantity": "1",
                "rate_role": "declared_tariff_rate",
                "side": "in",
                "unit": "input_audio_second"
              }
            ]
          }
        ]
      }
    ],
    "entity_type": "model",
    "formats": [
      "transcriptions"
    ],
    "id": "openai/whisper-large-v3",
    "input": [
      "audio"
    ],
    "kind": "transcription",
    "max_out": null,
    "methods": [
      {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Complete original JSON, all available text/segments/words/speakers/timestamps and usage.",
            "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 URL; never construct token"
                }
              ],
              "mode": "synchronous_result_then_owned_library",
              "operation_id_is_not_task_id": true,
              "status": [
                {
                  "http": "GET",
                  "id_source": "actual returned task_id or media library record",
                  "path": "/v1/media/tasks/{task_id}"
                }
              ],
              "unknown": "Бастапқы operation_id/X-Client-Request-ID мәндерін және бастапқы жауапты сақтаңыз. Қайта жібермей, иелігіңіздегі нақты тапсырма немесе ресурс жазбаларын оқыңыз; аудио күйін сұрауға арналған бөлек URL құрастырылмайды."
            },
            "material_combinations": [
              {
                "content_types": [
                  "application/json",
                  "multipart/form-data"
                ],
                "mode": "speech_to_text",
                "required": [
                  "actual matching-format audio file"
                ]
              }
            ],
            "outputs": {
              "all_results": "Бастапқы JSON толық, барлық қолжетімді мәтін, сегменттер, сөздер, сөйлеушілер, уақыт белгілері және пайдалану деректері.",
              "family": "transcription",
              "fields": [
                {
                  "name": "text",
                  "type": "string"
                },
                {
                  "name": "usage",
                  "type": "object"
                },
                {
                  "name": "segments[]",
                  "optional": true,
                  "type": "object"
                },
                {
                  "name": "words[]",
                  "optional": true,
                  "type": "object"
                }
              ],
              "format": "json"
            },
            "parameters": [
              {
                "availability": "source_interface",
                "enum": [
                  "openai/whisper-large-v3"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "data_encoding": "base64 raw actual audio bytes, not data URI",
                "fields": [
                  "data",
                  "format"
                ],
                "name": "input_audio",
                "required": true,
                "type": "object"
              },
              {
                "availability": "retained_official_STTRequest",
                "description": "ISO-639-1 code; omitted means auto-detection",
                "name": "language",
                "required": false,
                "type": "string"
              },
              {
                "availability": "retained_official_STTRequest",
                "maximum": 1,
                "minimum": 0,
                "name": "temperature",
                "required": false,
                "type": "number"
              },
              {
                "availability": "retained_official_STTRequest",
                "default": "json",
                "default_known": true,
                "description": "verbose_json requires exact model/provider support",
                "enum": [
                  "json",
                  "verbose_json"
                ],
                "enum_known": true,
                "name": "response_format",
                "required": false,
                "type": "string"
              },
              {
                "availability": "retained_official_STTRequest",
                "description": "Only used with supported verbose_json",
                "items": {
                  "enum": [
                    "segment",
                    "word"
                  ],
                  "type": "string"
                },
                "name": "timestamp_granularities",
                "required": false,
                "type": "array"
              },
              {
                "availability": "retained_official_STTRequest",
                "description": "Data policy and exact provider options; order/only/ignore are not applied to STT",
                "name": "provider",
                "required": false,
                "type": "object"
              }
            ],
            "request_schema": {
              "properties": {
                "input_audio": {
                  "properties": {
                    "data": {
                      "contentEncoding": "base64",
                      "type": "string"
                    },
                    "format": {
                      "enum": [
                        "wav",
                        "mp3",
                        "flac",
                        "m4a",
                        "ogg",
                        "webm",
                        "aac"
                      ],
                      "type": "string"
                    }
                  },
                  "required": [
                    "data",
                    "format"
                  ],
                  "type": "object"
                },
                "language": {
                  "description": "ISO-639-1 code; omitted means auto-detection",
                  "type": "string"
                },
                "model": {
                  "enum": [
                    "openai/whisper-large-v3"
                  ],
                  "type": "string"
                },
                "provider": {
                  "description": "Data policy and exact provider options; order/only/ignore are not applied to STT",
                  "properties": {
                    "data_collection": {
                      "enum": [
                        "allow",
                        "deny",
                        null
                      ],
                      "type": [
                        "string",
                        "null"
                      ]
                    },
                    "options": {
                      "type": "object"
                    },
                    "zdr": {
                      "type": [
                        "boolean",
                        "null"
                      ]
                    }
                  },
                  "type": "object"
                },
                "response_format": {
                  "default": "json",
                  "description": "verbose_json requires exact model/provider support",
                  "enum": [
                    "json",
                    "verbose_json"
                  ],
                  "type": "string"
                },
                "temperature": {
                  "maximum": 1,
                  "minimum": 0,
                  "type": "number"
                },
                "timestamp_granularities": {
                  "description": "Only used with supported verbose_json",
                  "items": {
                    "enum": [
                      "segment",
                      "word"
                    ],
                    "type": "string"
                  },
                  "type": "array"
                }
              },
              "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/whisper-large-v3"
              },
              "content_type": "application/json"
            }
          },
          "hints": [
            "Дәл модельді және құжатталған кіріс өрістерін қолданыңыз.",
            "Толық жауапты, әрбір нақты шығыс нәтижесін және бастапқы қайтарылған ID мәндерін сақтаңыз."
          ],
          "input": {
            "JSON_audio": "base64 пішіміндегі нақты өңделмеген аудио байттары және оларға сәйкес пішім",
            "content_types": [
              "application/json",
              "multipart/form-data"
            ],
            "default_response_format": "json",
            "material_types": [
              "audio"
            ],
            "multipart_cap_bytes": 26214400,
            "multipart_required": [
              "model",
              "file"
            ],
            "optional_controls": [
              "language",
              "temperature",
              "response_format",
              "timestamp_granularities",
              "provider"
            ],
            "optional_features": "Кеңейтілген шығыс, diarize/keyterms және URL арқылы берілетін не көлемді кірістірілген аудио үшін нақты модель мен жеткізушінің тиісті мүмкіндігі және тарифі қажет.",
            "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 URL; never construct token"
              }
            ],
            "mode": "synchronous_result_then_owned_library",
            "operation_id_is_not_task_id": true,
            "status": [
              {
                "http": "GET",
                "id_source": "Нақты қайтарылған task_id немесе медиатека жазбасы",
                "path": "/v1/media/tasks/{task_id}"
              }
            ],
            "unknown": "Retain original operation_id/X-Client-Request-ID and original response. Read actual owned task/asset records without resubmitting; no dedicated audio poll URL is constructed."
          },
          "method": {
            "http": "POST",
            "path": "/v1/audio/transcriptions"
          },
          "method_aliases": [],
          "operation_modes": [
            "speech_to_text"
          ],
          "output": {
            "all_results": "Complete original JSON, all available text/segments/words/speakers/timestamps and usage.",
            "family": "transcription",
            "format": "json"
          }
        },
        "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": {
              "quantity_basis": "actual physical units",
              "quoted_unit": "per audio input second"
            },
            "label": "Ultra",
            "units": [
              {
                "amount": "0.000015",
                "amount_unit": "usd_per_audio_input_second",
                "billing_input": true,
                "estimate_only": false,
                "key": "audio_input_second",
                "label": "audio input second",
                "native_amount_usd_per_unit": "0.000015",
                "native_quantity": 1,
                "public_unit_label": "per audio input second",
                "quantity": "1",
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "audio_input_second"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')\nif len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')\nrequest={'model': 'openai/whisper-large-v3', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}\nrequest['input_audio']['data']=base64.b64encode(audio).decode('ascii')\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# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n",
            "label": "curl · exact native body and complete result",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "transcriptions",
        "hints": [
          "Use the exact model and documented input fields.",
          "Keep the complete response, every actual output and original returned IDs."
        ],
        "http": "POST",
        "in": null,
        "input": [
          "audio"
        ],
        "label": "Распознавание речи",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "out": null,
        "output": [
          "transcription"
        ],
        "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": {
            "audio_input_second": 1.5e-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": {
              "quantity_basis": "actual physical units",
              "quoted_unit": "per audio input second"
            },
            "label": "Ultra",
            "units": [
              {
                "amount": "0.000015",
                "amount_unit": "usd_per_audio_input_second",
                "billing_input": true,
                "estimate_only": false,
                "key": "audio_input_second",
                "label": "audio input second",
                "native_amount_usd_per_unit": "0.000015",
                "native_quantity": 1,
                "public_unit_label": "per audio input second",
                "quantity": "1",
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "audio_input_second"
              }
            ]
          }
        ],
        "request_model_id": "openai/whisper-large-v3",
        "route_label": "Ultra",
        "status_reads": [
          "GET /v1/media/tasks/{task_id}",
          "GET /v1/media/assets/{asset_id}/content"
        ],
        "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": "0.000015",
            "amount_unit": "usd_per_audio_input_second",
            "billing_input": true,
            "estimate_only": false,
            "key": "audio_input_second",
            "label": "audio input second",
            "native_amount_usd_per_unit": "0.000015",
            "native_quantity": 1,
            "public_unit_label": "per audio input second",
            "quantity": "1",
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "audio_input_second"
          }
        ]
      }
    ],
    "model_aliases": [
      {
        "canonical_model_id": "openai/whisper-large-v3",
        "request_model_id": "openai/whisper-large-v3",
        "route_label": "Ultra"
      }
    ],
    "name": "OpenAI: Whisper Large V3",
    "price": {
      "in": null,
      "in_label": null,
      "out": null,
      "out_label": null,
      "sort_in": null,
      "sort_out": null,
      "varies": true
    },
    "pricing_profiles": [
      {
        "applicability": {
          "client_selectable": false,
          "native_profile_selection_pending": true,
          "scope": "hosted_reference"
        },
        "dimensions": {
          "variant": null
        },
        "label": "Ultra",
        "units": [
          {
            "amount": "0.0000616666666666",
            "amount_unit": "usd_per_audio_input_second",
            "conditions": {
              "variant": null
            },
            "key": "pricing.prompt",
            "label": "prompt",
            "profile_index": 0,
            "quantity": "1",
            "rate_role": "binding_component_rate",
            "side": "in",
            "unit": "audio_input_second"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_not_separately_charged_output",
            "conditions": {
              "variant": null
            },
            "key": "pricing.completion",
            "label": "completion",
            "profile_index": 0,
            "quantity": "1",
            "rate_role": "binding_component_rate",
            "side": "out",
            "unit": "not_separately_charged_output"
          }
        ]
      }
    ],
    "public_id": "openai/whisper-large-v3",
    "short": "Whisper large-v3 — транскрипцияға және сөйлеуді ағылшын тіліне аударуға арналған OpenAI-дың ашық салмақты көптілді сөйлеуді тану бақылау нүктесі. Ол жазылған сөйлеуді мәтінге айналдырады; тіл таңдау, уақыт белгілері және 30 секундтық акустикалық терезеден ұзын материалды өңдеу құжатталған."
  },
  "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": "Whisper large-v3 — транскрипцияға және сөйлеуді ағылшын тіліне аударуға арналған OpenAI-дың ашық салмақты көптілді сөйлеуді тану бақылау нүктесі. Ол жазылған сөйлеуді мәтінге айналдырады; тіл таңдау, уақыт белгілері және 30 секундтық акустикалық терезеден ұзын материалды өңдеу құжатталған.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "a64cbd6ab787e62fe9ff94b03c1ffb7e157eb85db695748640f1332223cbe1f7",
    "renderer_sha256": "def3bb6e69c8ddb72f88ec6540bbe55d0e503790f964d84073ecda781b13bedf"
  },
  "sourceRevision": "23098e3601e3b5960d7e9bf8dabd34c38ef8604dee86d17f87f169d71996b282"
}