OpenAI: GPT-4o Transcribe

GPT-4o Transcribe ialah model pertuturan-ke-teks OpenAI yang dikuasakan oleh GPT-4o. Inputnya ialah audio dengan panduan teks pilihan, dan outputnya ialah teks yang dikenal pasti. Model ini berasingan daripada edisi GPT-4o Mini Transcribe dan daripada GPT-4o Transcribe Diarize, model khusus untuk pelabelan penutur. Gunakan profil ini untuk menyediakan rekod teks yang setia kepada bahan lisan, dengan rakaman sumber tersedia untuk semakan dan kerja penyuntingan kemudian.

Input fail dan penyediaan bahan yang panjang

Panduan transkripsi OpenAI mendokumenkan muat naik sehingga 25 MB. Rujukan endpoint semasa menerima FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV dan WebM serta mengesyorkan metadata fail yang mengenal pasti formatnya, termasuk nama fail yang mempunyai sambungan dan jenis kandungan yang sesuai. Bagi rakaman yang lebih besar, pemampatan atau pecahan berurutan bersaiz 25 MB atau kurang mengikuti panduan pengeluar untuk input yang lebih panjang. Elakkan pemisahan di tengah ayat, dan kekalkan kedudukan setiap pecahan dalam rakaman penuh.

Bagi temu bual, kaitkan setiap fail input dengan rakaman dan bahagian yang diliputinya. Bagi pembentangan teknikal, sediakan nama produk, akronim dan kosa kata bidang yang berkaitan sebagai konteks, kemudian semak ejaan tersebut berdasarkan apa yang benar-benar disebut oleh penutur. Bagi penjelasan yang dirakam dengan nilai berangka, semak transkrip bersama sumber sebelum menukarkannya kepada prosedur bertulis. Artifak pertama yang dikehendaki ialah pertuturan yang dikenal pasti dalam bentuk teks; laporan ringkas atau dokumen terjemahan boleh disediakan daripada teks itu sebagai langkah berasingan.

Prompt khusus rakaman dan pilihan bahasa

Panduan pengeluar secara jelas merangkumi GPT-4o Transcribe dalam sokongan promptnya. Prompt boleh memberikan ejaan yang betul, konteks daripada segmen terdahulu dan pilihan untuk tanda baca, penggunaan huruf besar, kata pengisi atau sistem tulisan. Rujukan menyatakan bahawa bahasanya perlu sepadan dengan bahasa rakaman. Huraian ringkas yang relevan tentang topik dan kosa kata memberikan konteks berguna kepada transkripsi tanpa menganggap istilah yang tidak disebut sebagai output wajib.

Profil ini menyokong petunjuk bahasa tunggal language, yang didokumenkan dalam bentuk ISO 639-1. Memberikan bahasa input sebenar boleh membantu pengecaman. Medan keywords dan languages jamak yang lebih baharu bagi GPT Transcribe tergolong dalam model yang dinamakan secara berasingan itu dan tidak boleh dianggap tersedia untuk GPT-4o Transcribe. Kaitkan tetapan bahasa dengan pertuturan yang ditranskripsikan, dan kekalkan ungkapan asal sebelum sebarang terjemahan atau penulisan semula gaya kemudian.

Format hasil, kebarangkalian dan output khusus

Rujukan endpoint semasa mendokumenkan JSON sebagai format respons yang disokong oleh GPT-4o Transcribe. Hasilnya mengandungi teks yang dikenal pasti, dan kebarangkalian log token pilihan boleh diminta bersama format JSON tersebut. Data kebarangkalian menerangkan pemilihan token oleh model. Data itu boleh membantu menentukan bahagian yang wajar diperiksa, tetapi perbandingan dengan audio yang memastikan sama ada transkrip menghasilkan semula nama, nombor atau frasa yang sukar.

Hasil JSON profil standard tidak menyediakan format sari kata asli, cap masa perkataan yang terperinci atau penetapan penutur. OpenAI mendokumenkan pilihan model dan format lain apabila output tersebut diperlukan; GPT-4o Transcribe Diarize ialah edisi pelabelan penutur yang berasingan. Bagi tugas sari kata, simpan transkrip yang telah disemak untuk langkah penentuan masa yang sesuai. Bagi perbualan, jangan mereka nama penutur semata-mata kerana perenggan transkrip kelihatan bertukar topik atau suara.

Hasil penstriman daripada fail yang telah lengkap

Panduan pertuturan-ke-teks OpenAI menyatakan bahawa integrasi GPT-4o Transcribe sedia ada menyokong penstriman fail. Aplikasi memberikan rakaman terlebih dahulu, kemudian menerima teks transkrip semasa rakaman itu diproses dan menyimpan hasil yang lengkap. Ini menstrim transkrip rakaman yang telah lengkap, bukannya menerima audio mikrofon semasa audio itu masuk. Kad model yang tepat turut menyenaraikan keluarga endpoint transkripsi dan Realtime; tingkah laku sesi khusus model mesti kekal dikaitkan dengan profil ini dan tidak dipinjam daripada model penstriman berterusan yang lebih baharu.

Had model dan semakan artifak akhir

Spesifikasi GPT-4o Transcribe semasa menyenaraikan tetingkap konteks 16000 token, output maksimum 2000 token dan had pengetahuan 1 Jun 2024. Had token tersebut bukan tempoh audio yang tetap dan tidak menggantikan peraturan penyediaan transkripsi fail. Bagi rakaman yang panjang, kekalkan urutan sumber dan konteks terdahulu yang relevan, kemudian pastikan teks yang lengkap mencapai penghujung setiap segmen yang dimaksudkan.

Transkrip akhir yang berguna boleh menjadi bahan temu bual yang boleh dicari, sumber dokumentasi teknikal atau teks untuk aliran kerja sari kata kemudian. Semak kosa kata yang kurang pasti, kuantiti, tanda baca, loghat dan pertuturan bertindih berdasarkan rakaman. Bezakan teks yang dikenal pasti daripada pembetulan atau ringkasan kemudian, dan kekalkan pautan sumber melalui pengecam dalam aliran kerja yang menggunakannya. Model menyediakan rekod teks; penyediaan input dan semakan sumber yang teliti menentukan sama ada rekod itu sesuai untuk kegunaan seterusnya.