Whisper large-v3-turbo, dar vadinamas Turbo, yra optimizuotas OpenAI transkripcijos modelis, kilęs iš Whisper large-v3. Jo dekoderis sumažintas nuo 32 sluoksnių iki keturių, o enkoderis išlaiko 32 sluoksnius. Išleistas modelis turi maždaug 809 milijonus parametrų. Gamintojo tikslas — greitesnis šnekos atpažinimas su nedideliu tikslumo kompromisu, o ne kitoks garso generavimo režimas. Įrašyta šneka yra įvestis, o atpažintas tekstas — rezultatas.
Pristatymo pranešime Turbo parengimas atskiriamas nuo atskirai distiliuoto Whisper modelio: Turbo papildomai derintas dvi mokymo epochas su daugiakalbiais transkripcijos duomenimis, neįtraukiant vertimo duomenų. Šis skirtumas svarbus praktiniam darbui. OpenAI saugykloje nurodoma, kad Turbo nemokytas versti neangliškos šnekos į anglų kalbą ir gali grąžinti originalią kalbą net tada, kai prašoma vertimo užduoties. Naudokite šį leidimą transkripcijai ta pačia kalba; vertimo reikalavimas priklauso kitam tinkamam modeliui arba atskiram žingsniui po transkripcijos.
Įrašo kalbos nustatymas ir aiškus kalbos pasirinkimas išlieka naudingi transkripcijos variantai. Jei įrašo kalba jau žinoma, nurodykite ją užduoties apraše; kitu atveju dokumentuota darbo eiga gali ją nustatyti. Prieš prašydami redakcinio tvarkymo išsaugokite vardus, kiekius ir ištartus žodžius. Susitikimo įrašo tekstą, interviu transkripciją ar paskaitos tekstą vėlesne operacija galima peržiūrėti paieškoje, anotuoti ar apibendrinti. Turbo atpažinimo užduoties negalima painioti su šnekos sinteze, balso imitavimu ar semantiniu įraše esančių žmonių vertinimu.
OpenAI garso įkėlimo priemonė dekoduoja įvesties failus į monofoninius ėminius 16 kHz dažniu, o modelis naudoja 30 sekundžių akustinį langą su 128 Mel dažnių juostomis. Ilgesniems įrašams reikia ilgos trukmės garso inferencijos. Nuoseklus apdorojimas eina per langus eilės tvarka; dalimis paremtas būdas transkribuoja persidengiančias dalis ir sujungia jų ribas. Modelio kortelėje pastarasis pristatomas kaip naudingas apdorojant vieną ilgą failą, kai pagrindinis prioritetas — kuo greičiau gauti rezultatą, o nuoseklus apdorojimas yra į tikslumą orientuota alternatyva. Nei langas, nei modelio pavadinimas nenustato fiksuoto maksimalaus failo dydžio įkėlimui į prieglobos paslaugą.
Tiksli Turbo konfigūracija nurodo 448 dekoderio pozicijas vienai dekodavimo sekai. Dokumentuota inferencijos darbo eiga kartu su transkripcija gali pateikti segmentų ar žodžių laikus; laiko žymos padeda naršyti ir vėliau formatuoti subtitrus. Jos automatiškai neprideda subtitrų failo formato ar patikimų kalbėtojų žymų. Nurodykite, ar reikia paprastos transkripcijos, ar segmentų su laiko žymomis, ir išlaikykite originalų įrašą prieinamą ginčytinoms ištraukoms tikrinti. Ilgų įrašų apdorojimas ir galutinis formatavimas yra atskiri nuo modelio kontrolinio taško tapatybės.
Turbo sumažina dekodavimo darbą, tačiau tikroji trukmė priklauso nuo aparatinės įrangos, įrašo ilgio, kalbos, kalbėjimo tempo ir inferencijos pasirinkimų. Gamintojas pažymi didesnį kai kurių kalbų, įskaitant tajų ir kantoniečių, kokybės pablogėjimą, o ne vienodą elgesį visur. Palyginkite būdingą ištrauką numatyta kalba prieš laikydami į greitį orientuotą kompromisą tinkamu visai medžiagai. Archyvo apdorojimo užduočiai į peržiūros imtį įtraukite sudėtingą žodyną, pauzes ir triukšmingas ar persidengiančias ištraukas, o ne vien aiškų pirmą sakinį.
Paskelbtoje kortelėje nurodomi reikšmingi Whisper atpažinimo ribotumai: prognozuotame tekste gali būti neištartų žodžių ir gali atsirasti pasikartojantis tekstas. Rezultatai skiriasi tarp kalbų, akcentų ir tarmių, ypač ten, kur ribota mokymo aprėptis. Kortelė nenustato bazinio modelio kalbėtojų atskyrimo ar klasifikavimo kaip patikimų standartinių galimybių. Praktinėje peržiūroje dėmesys skiriamas atitikčiai šaltiniui: svarbiems vardams ir skaičiams, praleistai šnekai, netikėtam tekstui tylos metu ir pasikartojimams. Įskaitoma transkripcija išlieka rezultatu, kurį reikia palyginti su įrašu, o ne tikslaus atpažinimo garantija.
Naudingas baigtas rezultatas yra transkripcija įrašo kalba su prašytomis laiko žymomis ir aiškia nuoroda į įrašą. Atpažintą versiją laikykite atskirai nuo redaguotos publikavimo versijos, kad pakeitimus būtų galima atsekti. Lygindami leidimus išsaugokite large-v3-turbo pavadinimą: tai nėra pilnas large-v3 modelis ir jis neturi tyliai perimti large-v3 vertimo į anglų kalbą užduoties. Ši atvirų svorių tapatybė taip pat neperima prieglobos whisper-1 paslaugos įkėlimo limitų, atsakymo konteinerių ar tiesioginio srautinio perdavimo pažadų. Rinkitės Turbo, kai dokumentuotas transkripcijos kompromisas tinka tikrajai medžiagai ir norimai rezultato gavimo trukmei.
", "aboutText": "Whisper large-v3-turbo, dar vadinamas Turbo, yra optimizuotas OpenAI transkripcijos modelis, kilęs iš Whisper large-v3. Jo dekoderis sumažintas nuo 32 sluoksnių iki keturių, o enkoderis išlaiko 32 sluoksnius. Išleistas modelis turi maždaug 809 milijonus parametrų. Gamintojo tikslas — greitesnis šnekos atpažinimas su nedideliu tikslumo kompromisu, o ne kitoks garso generavimo režimas. Įrašyta šneka yra įvestis, o atpažintas tekstas — rezultatas.\n\nPristatymo pranešime Turbo parengimas atskiriamas nuo atskirai distiliuoto Whisper modelio: Turbo papildomai derintas dvi mokymo epochas su daugiakalbiais transkripcijos duomenimis, neįtraukiant vertimo duomenų. Šis skirtumas svarbus praktiniam darbui. OpenAI saugykloje nurodoma, kad Turbo nemokytas versti neangliškos šnekos į anglų kalbą ir gali grąžinti originalią kalbą net tada, kai prašoma vertimo užduoties. Naudokite šį leidimą transkripcijai ta pačia kalba; vertimo reikalavimas priklauso kitam tinkamam modeliui arba atskiram žingsniui po transkripcijos.\n\nĮrašo kalbos nustatymas ir aiškus kalbos pasirinkimas išlieka naudingi transkripcijos variantai. Jei įrašo kalba jau žinoma, nurodykite ją užduoties apraše; kitu atveju dokumentuota darbo eiga gali ją nustatyti. Prieš prašydami redakcinio tvarkymo išsaugokite vardus, kiekius ir ištartus žodžius. Susitikimo įrašo tekstą, interviu transkripciją ar paskaitos tekstą vėlesne operacija galima peržiūrėti paieškoje, anotuoti ar apibendrinti. Turbo atpažinimo užduoties negalima painioti su šnekos sinteze, balso imitavimu ar semantiniu įraše esančių žmonių vertinimu.\n\nOpenAI garso įkėlimo priemonė dekoduoja įvesties failus į monofoninius ėminius 16 kHz dažniu, o modelis naudoja 30 sekundžių akustinį langą su 128 Mel dažnių juostomis. Ilgesniems įrašams reikia ilgos trukmės garso inferencijos. Nuoseklus apdorojimas eina per langus eilės tvarka; dalimis paremtas būdas transkribuoja persidengiančias dalis ir sujungia jų ribas. Modelio kortelėje pastarasis pristatomas kaip naudingas apdorojant vieną ilgą failą, kai pagrindinis prioritetas — kuo greičiau gauti rezultatą, o nuoseklus apdorojimas yra į tikslumą orientuota alternatyva. Nei langas, nei modelio pavadinimas nenustato fiksuoto maksimalaus failo dydžio įkėlimui į prieglobos paslaugą.\n\nTiksli Turbo konfigūracija nurodo 448 dekoderio pozicijas vienai dekodavimo sekai. Dokumentuota inferencijos darbo eiga kartu su transkripcija gali pateikti segmentų ar žodžių laikus; laiko žymos padeda naršyti ir vėliau formatuoti subtitrus. Jos automatiškai neprideda subtitrų failo formato ar patikimų kalbėtojų žymų. Nurodykite, ar reikia paprastos transkripcijos, ar segmentų su laiko žymomis, ir išlaikykite originalų įrašą prieinamą ginčytinoms ištraukoms tikrinti. Ilgų įrašų apdorojimas ir galutinis formatavimas yra atskiri nuo modelio kontrolinio taško tapatybės.\n\nTurbo sumažina dekodavimo darbą, tačiau tikroji trukmė priklauso nuo aparatinės įrangos, įrašo ilgio, kalbos, kalbėjimo tempo ir inferencijos pasirinkimų. Gamintojas pažymi didesnį kai kurių kalbų, įskaitant tajų ir kantoniečių, kokybės pablogėjimą, o ne vienodą elgesį visur. Palyginkite būdingą ištrauką numatyta kalba prieš laikydami į greitį orientuotą kompromisą tinkamu visai medžiagai. Archyvo apdorojimo užduočiai į peržiūros imtį įtraukite sudėtingą žodyną, pauzes ir triukšmingas ar persidengiančias ištraukas, o ne vien aiškų pirmą sakinį.\n\nPaskelbtoje kortelėje nurodomi reikšmingi Whisper atpažinimo ribotumai: prognozuotame tekste gali būti neištartų žodžių ir gali atsirasti pasikartojantis tekstas. Rezultatai skiriasi tarp kalbų, akcentų ir tarmių, ypač ten, kur ribota mokymo aprėptis. Kortelė nenustato bazinio modelio kalbėtojų atskyrimo ar klasifikavimo kaip patikimų standartinių galimybių. Praktinėje peržiūroje dėmesys skiriamas atitikčiai šaltiniui: svarbiems vardams ir skaičiams, praleistai šnekai, netikėtam tekstui tylos metu ir pasikartojimams. Įskaitoma transkripcija išlieka rezultatu, kurį reikia palyginti su įrašu, o ne tikslaus atpažinimo garantija.\n\nNaudingas baigtas rezultatas yra transkripcija įrašo kalba su prašytomis laiko žymomis ir aiškia nuoroda į įrašą. Atpažintą versiją laikykite atskirai nuo redaguotos publikavimo versijos, kad pakeitimus būtų galima atsekti. Lygindami leidimus išsaugokite large-v3-turbo pavadinimą: tai nėra pilnas large-v3 modelis ir jis neturi tyliai perimti large-v3 vertimo į anglų kalbą užduoties. Ši atvirų svorių tapatybė taip pat neperima prieglobos whisper-1 paslaugos įkėlimo limitų, atsakymo konteinerių ar tiesioginio srautinio perdavimo pažadų. Rinkitės Turbo, kai dokumentuotas transkripcijos kompromisas tinka tikrajai medžiagai ir norimai rezultato gavimo trukmei.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "b90afb941a923a91400d22a550bb7a04cfa924305ff6090b057b11065f889df2", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "lt", "methods": [ { "html": "openai/whisper-large-v3-turboWhisper large-v3-turbo yra greitesnis OpenAI atvirų svorių transkripcijos leidimas, kilęs iš large-v3, su keturiais dekoderio sluoksniais ir 809 milijonais parametrų. Jis skirtas daugiakalbei šnekos transkripcijai; oficialioje gamintojo dokumentacijoje šnekos vertimas į anglų kalbą nepriskiriamas išmoktai Turbo užduočiai.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Whisper large-v3-turbo, dar vadinamas Turbo, yra optimizuotas OpenAI transkripcijos modelis, kilęs iš Whisper large-v3. Jo dekoderis sumažintas nuo 32 sluoksnių iki keturių, o enkoderis išlaiko 32 sluoksnius. Išleistas modelis turi maždaug 809 milijonus parametrų. Gamintojo tikslas — greitesnis šnekos atpažinimas su nedideliu tikslumo kompromisu, o ne kitoks garso generavimo režimas. Įrašyta šneka yra įvestis, o atpažintas tekstas — rezultatas.
Pristatymo pranešime Turbo parengimas atskiriamas nuo atskirai distiliuoto Whisper modelio: Turbo papildomai derintas dvi mokymo epochas su daugiakalbiais transkripcijos duomenimis, neįtraukiant vertimo duomenų. Šis skirtumas svarbus praktiniam darbui. OpenAI saugykloje nurodoma, kad Turbo nemokytas versti neangliškos šnekos į anglų kalbą ir gali grąžinti originalią kalbą net tada, kai prašoma vertimo užduoties. Naudokite šį leidimą transkripcijai ta pačia kalba; vertimo reikalavimas priklauso kitam tinkamam modeliui arba atskiram žingsniui po transkripcijos.
Įrašo kalbos nustatymas ir aiškus kalbos pasirinkimas išlieka naudingi transkripcijos variantai. Jei įrašo kalba jau žinoma, nurodykite ją užduoties apraše; kitu atveju dokumentuota darbo eiga gali ją nustatyti. Prieš prašydami redakcinio tvarkymo išsaugokite vardus, kiekius ir ištartus žodžius. Susitikimo įrašo tekstą, interviu transkripciją ar paskaitos tekstą vėlesne operacija galima peržiūrėti paieškoje, anotuoti ar apibendrinti. Turbo atpažinimo užduoties negalima painioti su šnekos sinteze, balso imitavimu ar semantiniu įraše esančių žmonių vertinimu.
OpenAI garso įkėlimo priemonė dekoduoja įvesties failus į monofoninius ėminius 16 kHz dažniu, o modelis naudoja 30 sekundžių akustinį langą su 128 Mel dažnių juostomis. Ilgesniems įrašams reikia ilgos trukmės garso inferencijos. Nuoseklus apdorojimas eina per langus eilės tvarka; dalimis paremtas būdas transkribuoja persidengiančias dalis ir sujungia jų ribas. Modelio kortelėje pastarasis pristatomas kaip naudingas apdorojant vieną ilgą failą, kai pagrindinis prioritetas — kuo greičiau gauti rezultatą, o nuoseklus apdorojimas yra į tikslumą orientuota alternatyva. Nei langas, nei modelio pavadinimas nenustato fiksuoto maksimalaus failo dydžio įkėlimui į prieglobos paslaugą.
Tiksli Turbo konfigūracija nurodo 448 dekoderio pozicijas vienai dekodavimo sekai. Dokumentuota inferencijos darbo eiga kartu su transkripcija gali pateikti segmentų ar žodžių laikus; laiko žymos padeda naršyti ir vėliau formatuoti subtitrus. Jos automatiškai neprideda subtitrų failo formato ar patikimų kalbėtojų žymų. Nurodykite, ar reikia paprastos transkripcijos, ar segmentų su laiko žymomis, ir išlaikykite originalų įrašą prieinamą ginčytinoms ištraukoms tikrinti. Ilgų įrašų apdorojimas ir galutinis formatavimas yra atskiri nuo modelio kontrolinio taško tapatybės.
Turbo sumažina dekodavimo darbą, tačiau tikroji trukmė priklauso nuo aparatinės įrangos, įrašo ilgio, kalbos, kalbėjimo tempo ir inferencijos pasirinkimų. Gamintojas pažymi didesnį kai kurių kalbų, įskaitant tajų ir kantoniečių, kokybės pablogėjimą, o ne vienodą elgesį visur. Palyginkite būdingą ištrauką numatyta kalba prieš laikydami į greitį orientuotą kompromisą tinkamu visai medžiagai. Archyvo apdorojimo užduočiai į peržiūros imtį įtraukite sudėtingą žodyną, pauzes ir triukšmingas ar persidengiančias ištraukas, o ne vien aiškų pirmą sakinį.
Paskelbtoje kortelėje nurodomi reikšmingi Whisper atpažinimo ribotumai: prognozuotame tekste gali būti neištartų žodžių ir gali atsirasti pasikartojantis tekstas. Rezultatai skiriasi tarp kalbų, akcentų ir tarmių, ypač ten, kur ribota mokymo aprėptis. Kortelė nenustato bazinio modelio kalbėtojų atskyrimo ar klasifikavimo kaip patikimų standartinių galimybių. Praktinėje peržiūroje dėmesys skiriamas atitikčiai šaltiniui: svarbiems vardams ir skaičiams, praleistai šnekai, netikėtam tekstui tylos metu ir pasikartojimams. Įskaitoma transkripcija išlieka rezultatu, kurį reikia palyginti su įrašu, o ne tikslaus atpažinimo garantija.
Naudingas baigtas rezultatas yra transkripcija įrašo kalba su prašytomis laiko žymomis ir aiškia nuoroda į įrašą. Atpažintą versiją laikykite atskirai nuo redaguotos publikavimo versijos, kad pakeitimus būtų galima atsekti. Lygindami leidimus išsaugokite large-v3-turbo pavadinimą: tai nėra pilnas large-v3 modelis ir jis neturi tyliai perimti large-v3 vertimo į anglų kalbą užduoties. Ši atvirų svorių tapatybė taip pat neperima prieglobos whisper-1 paslaugos įkėlimo limitų, atsakymo konteinerių ar tiesioginio srautinio perdavimo pažadų. Rinkitės Turbo, kai dokumentuotas transkripcijos kompromisas tinka tikrajai medžiagai ir norimai rezultato gavimo trukmei.
POST /v1/audio/transcriptionsaudiotext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos openai/whisper-large-v3-turbo | Numatyta— |
Laukasinput_audio | Tipasobject | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, input_audio |
Parametrasmaterial_types | Specifikacijaaudio |
Parametrasmaterial_conditions | SpecifikacijaPavyzdys nuskaito jūsų tikrą netuščią PCM WAV failą, visus failo baitus užkoduoja base64 formatu ir siunčia input_audio.format reikšmę wav. |
Gyvavimo ciklas: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · tikslus task_id iš esamo jums priklausančio medijos įrašo
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Apskaitos vienetas | Mokestis |
|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Apskaitos vienetas— | Mokestis Įvestis · Įvesties tokenai — / 1K tokenų Išvestis · Išvesties tokenai — / 1K tokenų Įvestis · Talpyklos skaitymas — / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| Konfigūracijaįvesties garso sekundė | Įkainių lentelė— | Apskaitos vienetasuž įvesties garso sekundę | Mokestis Įvestis · įvesties garso sekundė $0.00000666 už įvesties garso sekundę |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport base64, io, json, os, wave\nfrom pathlib import Path\naudio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):\n raise SystemExit('Supply your actual PCM WAV audio file')\nwith wave.open(io.BytesIO(audio), 'rb') as recording:\n if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:\n raise SystemExit('Supply a nonempty PCM WAV recording')\nrequest = {'model': 'openai/whisper-large-v3-turbo', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}\nPath('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete original response, headers and actual X-Client-Request-ID.\n# Read existing owned records for recovery; do not resubmit an uncertain operation.\nVisas pradinis atsakymo turinys, būsena ir persiųstos antraštės. Ši apdorojimo funkcija neprideda universalios JSON struktūros, teksto lauko ar užduoties apgaubiančios struktūros.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visą atsakymą ir antraštes, visus faktiškai gautus rezultatus, pradinius grąžintus identifikatorius ir visus naudojimo apskaitos laukus. Atkurkite prieigą prie pradinės operacijos pakartotinai neteikdami kūrimo užklausos.
Išsaugokite tikrąjį X-Client-Request-ID ir visą atsakymą. Skaitykite pradinių jums priklausančių išteklių duomenis ir naudokite tikslius jų pasirašytus turinio URL; niekada neteikite kūrimo užklausos dar kartą, kai jos baigtis neaiški.
| Laukas | Tipas |
|---|---|
Laukastext (when present) | Tipas |
Laukasusage (when present) | Tipas |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaJSON turinys arba aiškiai nurodytas kanoninis modelio ID netinkamas. | Kitas žingsnisIšsaugokite atsakymą ir pataisykite nurodytą užklausos lauką. |
Atsakymas401 · authentication_error | SąlygaAiloot API raktas negalioja. | Kitas žingsnisNaudokite savo įgaliotą Ailoot API raktą. |
Atsakymas403 · permission_error | SąlygaRakto grupei nesuteikta prieiga prie šio metodo. | Kitas žingsnisIšsaugokite grąžintą išsamią klaidos informaciją. |
Atsakymas404 · not_found_error | SąlygaPasirinktas metodas neturi leistino maršruto. | Kitas žingsnisIšsaugokite grąžintą išsamią klaidos informaciją. |
Atsakymas422 · price_unavailable | SąlygaPagal priimtą tarifą nepavyksta gauti privalomo įvesties kiekio ar jo ribos. | Kitas žingsnisIšsaugokite atsakymą; naudokite priimtam tarifui reikalingą įvesties pateikimo formą. |
Atsakymas503 · | SąlygaPrivaloma saugykla, maršrutas, metodo kaina arba rezervavimas nepasiekiami. | Kitas žingsnisIšsaugokite visą pradinį atsakymą. Neaiškus lėšų rezervavimas nėra leidimas teikti užklausą pakartotinai. |
Atsakymas502 · server_error | SąlygaPradinį rezultatą, naudojimo duomenis arba atsiskaitymą reikia patikrinti. | Kitas žingsnisIšsaugokite tikrą užklausos ID ir pradinį atsakymą. Skaitykite esamą jums priklausantį įrašą; neteikite kūrimo užklausos pakartotinai. |
Ailoot Ultra openai/whisper-large-v3-turbo
Naudokite aukščiau nurodytus metodų kelius.