OpenAI: GPT Transcribe

GPT Transcribe menukar pertuturan yang dirakam kepada teks dalam bahasa asalnya, dengan prompt berkonteks, petunjuk kata kunci literal dan petunjuk berbilang bahasa. OpenAI mendokumenkan transkripsi fail lengkap, hasil fail secara penstriman dan transkripsi selepas giliran audio Realtime dikomit.

Ailoot Ultra · Transkripsi POST /v1/audio/transcriptions openai/gpt-transcribe

Tentang model

Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.

GPT Transcribe ialah model pertuturan kepada teks OpenAI untuk fail audio lengkap, transkrip fail secara penstriman dan giliran audio yang dikomit dalam sesi Realtime. Model ini menerima audio dengan konteks teks pilihan dan memulangkan teks yang dikenal pasti. Pengeluar meletakkannya sebagai model untuk transkripsi tepat bagi pertuturan yang dirakam dalam bahasa asalnya, termasuk kosa kata bidang tertentu, rakaman berbilang bahasa dan pertukaran kod bahasa. Output yang berguna ialah transkrip yang kekal berkaitan dengan rakaman, bersama metadata bahasa yang dikesan apabila model dapat membuat ramalan yang boleh dipercayai.

Menyediakan rakaman lengkap

Aliran kerja transkripsi fail OpenAI menerima muat naik sehingga 25 MB. Rujukan titik akhir semasa menyenaraikan format input FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV dan WebM serta mengesyorkan metadata fail yang mencukupi untuk mengenal pasti format, termasuk sambungan nama fail dan jenis kandungan yang sesuai. Untuk rakaman yang lebih besar, panduan mengesyorkan pemampatan atau pembahagiannya kepada fail bersaiz 25 MB atau kurang. Elakkan memotong di tengah ayat kerana membuang pertuturan di sekitarnya boleh mengurangkan ketepatan pengecaman. Kekalkan susunan bahagian dan kedudukannya dalam rakaman asal.

Untuk mesyuarat, temu bual atau pembentangan yang dirakam, berikan audio sebenar dan kenal pasti topik serta istilah yang mungkin dituturkan. Hasil yang berguna ialah kata-kata yang dikenal pasti, bukannya ringkasan perbincangan berdasarkan inferens. Simpan pengecam rakaman bersama teks yang dipulangkan supaya orang yang menyemak nama, nombor atau frasa yang meragukan dapat kembali kepada sumber yang betul. Transkrip kemudian boleh menjadi bahan untuk aliran kerja peringkasan, terjemahan atau penyuntingan yang berasingan.

Konteks, petunjuk kata kunci dan bahasa yang dijangkakan

Pengeluar membezakan tiga jenis panduan. Prompt memberikan konteks bentuk bebas tentang topik atau latar rakaman. Kata kunci memberikan perkataan atau frasa literal yang dijangka terdapat dalam pertuturan. Senarai languages mengenal pasti bahasa pertuturan yang dijangkakan. Untuk perbincangan produk dwibahasa, huraikan latar dalam prompt, senaraikan nama produk yang berkaitan sebagai kata kunci dan berikan bahasa yang dijangkakan. Ini ialah petunjuk pengecaman, bukannya arahan untuk memasukkan kosa kata yang tidak dituturkan oleh sesiapa.

GPT Transcribe menggunakan medan jamak languages menggantikan medan tunggal language yang lebih lama; OpenAI menyatakan bahawa kedua-duanya tidak boleh dihantar bersama. Panduannya menerima kod ISO 639-1 yang disokong, kod ISO 639-3 terpilih dan kod lokal bahasa Cina serantau, manakala nilai yang tidak disokong atau salah format ditolak. Setiap kata kunci mesti kekal pada satu baris dan tidak boleh mengandungi kurungan sudut, aksara carriage return atau line feed. Kata kunci yang tidak sah atau prompt yang terlalu panjang boleh menyebabkan seluruh permintaan ditolak. Pastikan konteks relevan dan semak sama ada nama yang diberikan sebagai petunjuk benar-benar muncul dalam audio, bukannya menganggap senarai petunjuk itu sebagai transkrip.

Output JSON dan ramalan bahasa yang dikesan

Hasil fail yang didokumenkan ialah JSON yang mengandungi transkrip dan bahasa yang dikesan. Ramalan bahasa itu ialah output model, bukannya salinan petunjuk bahasa yang diberikan. Senarai bahasa kosong ialah hasil yang sah apabila model tidak dapat membuat ramalan yang boleh dipercayai; ini tidak membuktikan bahawa rakaman itu senyap atau transkripsi gagal. Asingkan teks yang dikenal pasti daripada metadata bahasa supaya pemprosesan seterusnya dapat menggunakan setiap satunya mengikut maknanya.

Menstrim transkrip fail

Fail lengkap boleh menghasilkan teks transkrip secara beransur-ansur semasa diproses. OpenAI mendokumenkan peristiwa transcript.text.delta untuk teks separa dan transcript.text.done untuk transkrip fail lengkap; peristiwa akhir turut merangkumi bahasa yang dikesan. Ini menstrim output daripada rakaman yang telah dibekalkan. Ia berguna untuk memaparkan kemajuan bagi muat naik yang panjang, manakala peristiwa akhir menetapkan teks yang perlu disimpan sebagai hasil lengkap.

Giliran yang dikomit dalam sesi Realtime

GPT Transcribe turut mempunyai aliran kerja Realtime khusus melalui WebSocket. Audio ditambahkan pada penimbal input, kemudian aplikasi mengkomit satu giliran audio secara nyata. Transkripsi bermula untuk bahagian yang telah dikomit itu dan boleh mengeluarkan delta sebelum peristiwa penyelesaiannya, termasuk maklumat bahasa yang dikesan. Model menggunakan giliran yang telah ditranskripsikan sebelumnya secara automatik sebagai konteks dalam aliran sesi pengeluar ini. Ini berbeza daripada mengeluarkan teks kapsyen langsung secara berterusan apabila audio mikrofon tiba; OpenAI menamakan GPT Live Transcribe untuk aliran kerja berterusan itu.

Untuk beberapa giliran, simpan pengecam item input bersama transkrip yang sepadan. OpenAI memberi amaran bahawa peristiwa penyelesaian daripada giliran yang berbeza tidak semestinya tiba mengikut urutan pertuturan, jadi kaitkan setiap hasil akhir dengan input yang dikomit, bukannya menyusun perbualan berdasarkan masa penyelesaian sahaja. Artifak yang berguna ialah transkrip tersusun yang dihimpunkan daripada item akhir yang betul, dengan teks sementara dianggap sebagai kemajuan dan bukannya ujaran lengkap yang berasingan.

Output khusus dan batasan substantif

Profil ini tidak menyediakan kontrak sejagat untuk sari kata, cap masa, terjemahan atau label penutur. Panduan migrasi OpenAI membezakan keupayaan khusus itu: format sari kata asli dan pemasaan perkataan memerlukan model serta format yang serasi, manakala label penutur menggunakan GPT-4o Transcribe Diarize. Hasil fail GPT Transcribe ialah JSON, bukannya pengganti terus bagi respons SRT, VTT atau respons dengan cap masa terperinci. Kad model yang tepat tidak menerbitkan had angka bagi konteks atau output maksimum, jadi tetingkap token model sembang tidak boleh dianggap terpakai pada transkripsi audio.

Semak kosa kata yang sukar, nombor, loghat, hingar latar dan pertukaran bahasa terhadap rakaman. Pastikan petunjuk yang relevan meningkatkan pengecaman tanpa memperkenalkan istilah yang tidak dituturkan dan transkrip akhir merangkumi penghujung audio. Untuk hasil berbilang bahasa, kekalkan kata-kata yang dituturkan sebelum menyediakan versi terjemahan. Pemeriksaan ini menjadikan transkrip berguna sebagai bahan sumber sambil membezakan petunjuk konteks, bahasa yang dikesan dan pertuturan yang dikenal pasti dengan jelas.

Ailoot Ultra · Transkripsi POST /v1/audio/transcriptions openai/gpt-transcribe

openai/gpt-transcribe

OpenAI /openai/gpt-transcribe

Pengenalan

Input yang diterima: Audio
Hasil: Teks

Tersedia di Ailoot · input & kaedah

Ailoot Ultra · Transkripsi POST /v1/audio/transcriptions

Input: audio
Output: text

Medan	Jenis	Keperluan	Nilai & had	Lalai
Medan`model`	Jenis`string`	KeperluanDiperlukan	Nilai & had openai/gpt-transcribe	Lalai—
Medan`input_audio`	Jenis`object`	KeperluanDiperlukan	Nilai & had	Lalai—

Parameter kaedah dan kitar hayat

Parameter	Kontrak
Parameter`content_type`	Kontrakapplication/json
Parameter`required`	Kontrakmodel, input_audio
Parameter`material_types`	Kontrakaudio
Parameter`material_conditions`	KontrakContoh ini membaca fail PCM WAV sebenar anda yang tidak kosong, mengekodkan keseluruhan bait fail sebagai base64 dan menghantar input_audio.format sebagai wav.

Kitar hayat: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · task_id tepat daripada rekod media sedia ada milik anda

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Pelan harga

Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.

Mod pantas: Tidak dinyatakan Apabila mod pantas dipilih
Mod flex: Tidak dinyatakan Apabila mod flex dipilih
Usaha penaakulan maksimum: Tidak dinyatakan Apabila usaha penaakulan maksimum menggunakan pelarasan default

Kadar Ailoot

Harga mengikut konfigurasi

Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.

Konfigurasi	Jadual kadar	Unit pengebilan	Caj
KonfigurasiKadar asas token	Jadual kadarKadar asas	Unit pengebilan—	Caj Input · Token input — / 1K token Output · Token output — / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token
Konfigurasisaat audio input	Jadual kadar—	Unit pengebilanbagi setiap saat audio masukan	Caj Input · saat audio input $0.00015 bagi setiap saat audio masukan

Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →

Contoh permintaan

Ailoot Ultra · Transkripsi

curl · fail WAV sebenar dan hasil asal yang lengkap

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"
export AILOOT_AUDIO_FILE
python3 - <<'PY_REQUEST'
import base64, io, json, os, wave
from pathlib import Path
audio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):
    raise SystemExit('Supply your actual PCM WAV audio file')
with wave.open(io.BytesIO(audio), 'rb') as recording:
    if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:
        raise SystemExit('Supply a nonempty PCM WAV recording')
request = {'model': 'openai/gpt-transcribe', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}
Path('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete original response, headers and actual X-Client-Request-ID.
# Read existing owned records for recovery; do not resubmit an uncertain operation.

Terima dan simpan hasil

Ailoot Ultra · Transkripsi

Badan respons asal yang lengkap, status dan pengepala yang dimajukan. Pengendali ini tidak menambah bentuk JSON sejagat, medan teks atau struktur pembungkus tugas.

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

Simpan semua hasil yang selesai

Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.

Simpan respons dan pengepala yang lengkap, setiap output sebenar, pengecam asal yang dikembalikan serta semua medan penggunaan. Pulihkan operasi asal tanpa menghantar permintaan penciptaan sekali lagi.

Jika respons asal perlu disemak

Simpan X-Client-Request-ID sebenar dan respons lengkap. Baca aset asal milik anda serta pautan kandungan bertandatangan yang tepat; jangan sekali-kali hantar semula penciptaan yang tidak pasti.

Medan respons

Medan	Jenis
Medan`text (when present)`	Jenis
Medan`usage (when present)`	Jenis

Ralat dan langkah seterusnya

Respons	Syarat	Langkah seterusnya
Respons400 · `invalid_request_error`	SyaratBadan JSON atau ID model kanonik yang dinyatakan secara jelas tidak sah.	Langkah seterusnyaSimpan respons dan betulkan medan permintaan yang dinyatakan.
Respons401 · `authentication_error`	SyaratKunci API Ailoot tidak sah.	Langkah seterusnyaGunakan kunci API Ailoot anda yang dibenarkan.
Respons403 · `permission_error`	SyaratKumpulan kunci tidak membenarkan kaedah ini.	Langkah seterusnyaSimpan butiran ralat yang dikembalikan.
Respons404 · `not_found_error`	SyaratKaedah yang dipilih tidak mempunyai laluan yang dibenarkan.	Langkah seterusnyaSimpan butiran ralat yang dikembalikan.
Respons422 · `price_unavailable`	SyaratTarif yang diterima tidak dapat memperoleh kuantiti input atau batas yang diperlukan.	Langkah seterusnyaSimpan respons; gunakan bentuk perwakilan input yang diperlukan oleh tarif yang diterima.
Respons503 ·	SyaratStoran, laluan, harga kaedah atau penahanan dana yang diperlukan tidak tersedia.	Langkah seterusnyaSimpan respons asal yang lengkap. Penahanan dana yang tidak pasti bukan kebenaran untuk menghantar semula.
Respons502 · `server_error`	SyaratHasil asal, penggunaan atau penyelesaian caj memerlukan semakan.	Langkah seterusnyaSimpan ID permintaan sebenar dan respons asal. Baca rekod sedia ada milik anda; jangan hantar semula permintaan penciptaan.

Alias

Alias model

Ailoot Ultra openai/gpt-transcribe

Alias laluan kaedah

Gunakan laluan kaedah yang dipaparkan di atas.

ID pemanggil berkaitan

openai/gpt-transcribe

FAQ · OpenAI: GPT Transcribe

Apakah input dan hasil yang tersedia?: POST /v1/audio/transcriptions · openai/gpt-transcribe: audio → text
Apakah medan yang digunakan oleh permintaan?: POST /v1/audio/transcriptions · openai/gpt-transcribe: model, input_audio

OpenAI: GPT Transcribe