GPT-4o Mini Transcribe er OpenAIs tale-til-tekst-modell bygget på GPT-4o Mini. Den godtar lyd med valgfri tekstveiledning og produserer gjenkjent tekst. Den er en annen modell enn GPT-4o Transcribe, som bruker GPT-4o, og den nyere GPT Transcribe-profilen med separate felt for nøkkelord og flerspråklige hint. Det nyttige produktet her er en transkripsjon av opptakets opprinnelige tale, forberedt for søk, gjennomgang eller et senere trinn i innholdsbehandlingen.
OpenAIs veiledning for filtranskripsjon godtar lydopplastinger på opptil 25 MB. Den gjeldende endepunktreferansen oppgir FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV og WebM, med tilstrekkelige filnavn- og innholdstypemetadata til å identifisere lydformatet. Større opptak kan komprimeres eller deles i stykker på 25 MB eller mindre. Behold setningsgrensene ved oppdeling, og hold hvert stykke knyttet til kildeopptaket og posisjonen, slik at teksten senere kan settes sammen i riktig rekkefølge.
For talenotater beholder du én identifiserbar transkripsjon per opptak og kontrollerer navn eller tall før teksten brukes til å opprette oppgaver. For en muntlig veiledning sammenligner du den gjenkjente ordlyden med de opprinnelige instruksjonene før den redigeres for publisering. Et nyttig forberedelsesgrunnlag angir talespråket og begrepene som ellers kan feilhøres. Transkripsjon av ordene er det første trinnet; en tolkning, et sammendrag eller en oversettelse kan bruke den kontrollerte transkripsjonen etterpå.
Eksisterende GPT-4o Mini Transcribe-integrasjoner støtter en fritt formulert instruksjon. OpenAI beskriver instruksjoner for navn, forkortelser, opptaksspesifikt ordforråd, tegnsetting, store og små bokstaver, fyllord og det foretrukne skriftsystemet. Endepunktreferansen sier at instruksjonen skal samsvare med lydens språk og kan gi kontekst fra et foregående lydsegment. Ta med relevante stavemåter eller en kort beskrivelse av temaet, fremfor å be en transkripsjonsinstruksjon opptre som en ubegrenset samtaleinstruksjon.
Modellens etablerte språkhint bruker entallsfeltet language. Produsentens referanse dokumenterer en inndataspråkkode i ISO 639-1-format, for eksempel en. Det separate keywords-feltet og flertallsfeltet languages er dokumentert for GPT Transcribe; de er ikke del av denne Mini-profilen. For en serie opptak beholder du den tiltenkte talespråkinnstillingen sammen med hvert opptak, fremfor å tolke den som en forespørsel om å oversette resultatet.
Den gjeldende endepunktreferansen dokumenterer JSON som det støttede svarformatet for GPT-4o Mini Transcribe. Den gjenkjente ordlyden står i text-feltet. Når det forespørres, kan logaritmiske tokensannsynligheter følge JSON-svaret; verdiene beskriver modellens tokensannsynligheter og kan bidra til å identifisere materiale for nærmere gjennomgang. De fastslår ikke at et navn, tall eller en setning samsvarer med lyden. Bruk opptaket til å avgjøre om et tvilsomt ord skal rettes.
Den vanlige Mini-transkripsjonsprofilen gir ikke innebygde SRT- eller VTT-utdata, detaljerte ordtidsstempler eller utdata med taleretiketter gjennom denne JSON-spesifikasjonen. OpenAI dokumenterer spesialiserte modeller og formater for slike muligheter. Hvis det tiltenkte produktet er et undertekstspor, beholder du den gjennomgåtte transkripsjonen tilgjengelig for en separat tidsettingsarbeidsflyt, fremfor å anta at et tekstresultat allerede inneholder undertekstgrenser.
Produsentens tale-til-tekst-veiledning sier eksplisitt at eksisterende GPT-4o Mini Transcribe-integrasjoner støtter filstrømming. Et fullført opptak kan gi delvis transkripsjonstekst etterfulgt av et endelig resultat mens det behandles. Behold den endelige transkripsjonen som det fullførte produktet; at delvis tekst vises, betyr ikke at filarbeidsflyten kontinuerlig mottar direkte mikrofonlyd. Modellkortet oppgir transkripsjons- og Realtime-endepunktfamilier separat. Disse produsentgrensesnittene betyr ikke at alle øktfelt fra en annen transkripsjonsmodell gjelder her.
OpenAIs gjeldende modellspesifikasjon oppgir et kontekstvindu på 16000 tokener, en maksimal utdatamengde på 2000 tokener og en kunnskapsgrense på 1. juni 2024. Dette er modellspesifikasjonens tall, ikke en universell varighet i minutter for et lydopptak. Filstørrelsesregelen og en tokengrense beskriver ulike begrensninger. For lengre materiale forbereder du opptaket rundt den dokumenterte filarbeidsflyten, tar med relevant kontekst mellom stykkene og kontrollerer at den endelige teksten inneholder slutten av kilden.
Et nyttig Mini Transcribe-resultat beholder ordlyden og forholdet til opptaket, med eventuelle sannsynlighetsdata atskilt fra redaksjonelle rettelser. Gjennomgå ukjent ordforråd, aksenter, bakgrunnsstøy, språkbytter og overlappende tale med originalopptaket tilgjengelig. Når teksten revideres for lesbarhet, skiller du den redigerte versjonen fra den gjenkjente transkripsjonen, slik at senere brukere kan se hvilken ordlyd som kom fra opptaket, og hvilken som ble endret under forberedelsen.
", "aboutText": "GPT-4o Mini Transcribe er OpenAIs tale-til-tekst-modell bygget på GPT-4o Mini. Den godtar lyd med valgfri tekstveiledning og produserer gjenkjent tekst. Den er en annen modell enn GPT-4o Transcribe, som bruker GPT-4o, og den nyere GPT Transcribe-profilen med separate felt for nøkkelord og flerspråklige hint. Det nyttige produktet her er en transkripsjon av opptakets opprinnelige tale, forberedt for søk, gjennomgang eller et senere trinn i innholdsbehandlingen.\n\n### Forbered opptaket\n\nOpenAIs veiledning for filtranskripsjon godtar lydopplastinger på opptil 25 MB. Den gjeldende endepunktreferansen oppgir FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV og WebM, med tilstrekkelige filnavn- og innholdstypemetadata til å identifisere lydformatet. Større opptak kan komprimeres eller deles i stykker på 25 MB eller mindre. Behold setningsgrensene ved oppdeling, og hold hvert stykke knyttet til kildeopptaket og posisjonen, slik at teksten senere kan settes sammen i riktig rekkefølge.\n\nFor talenotater beholder du én identifiserbar transkripsjon per opptak og kontrollerer navn eller tall før teksten brukes til å opprette oppgaver. For en muntlig veiledning sammenligner du den gjenkjente ordlyden med de opprinnelige instruksjonene før den redigeres for publisering. Et nyttig forberedelsesgrunnlag angir talespråket og begrepene som ellers kan feilhøres. Transkripsjon av ordene er det første trinnet; en tolkning, et sammendrag eller en oversettelse kan bruke den kontrollerte transkripsjonen etterpå.\n\n### Instruksjonsveiledning og ett språkhint\n\nEksisterende GPT-4o Mini Transcribe-integrasjoner støtter en fritt formulert instruksjon. OpenAI beskriver instruksjoner for navn, forkortelser, opptaksspesifikt ordforråd, tegnsetting, store og små bokstaver, fyllord og det foretrukne skriftsystemet. Endepunktreferansen sier at instruksjonen skal samsvare med lydens språk og kan gi kontekst fra et foregående lydsegment. Ta med relevante stavemåter eller en kort beskrivelse av temaet, fremfor å be en transkripsjonsinstruksjon opptre som en ubegrenset samtaleinstruksjon.\n\nModellens etablerte språkhint bruker entallsfeltet language. Produsentens referanse dokumenterer en inndataspråkkode i ISO 639-1-format, for eksempel `en`. Det separate keywords-feltet og flertallsfeltet languages er dokumentert for GPT Transcribe; de er ikke del av denne Mini-profilen. For en serie opptak beholder du den tiltenkte talespråkinnstillingen sammen med hvert opptak, fremfor å tolke den som en forespørsel om å oversette resultatet.\n\n### JSON-resultat og valgfrie tokensannsynligheter\n\nDen gjeldende endepunktreferansen dokumenterer JSON som det støttede svarformatet for GPT-4o Mini Transcribe. Den gjenkjente ordlyden står i text-feltet. Når det forespørres, kan logaritmiske tokensannsynligheter følge JSON-svaret; verdiene beskriver modellens tokensannsynligheter og kan bidra til å identifisere materiale for nærmere gjennomgang. De fastslår ikke at et navn, tall eller en setning samsvarer med lyden. Bruk opptaket til å avgjøre om et tvilsomt ord skal rettes.\n\nDen vanlige Mini-transkripsjonsprofilen gir ikke innebygde SRT- eller VTT-utdata, detaljerte ordtidsstempler eller utdata med taleretiketter gjennom denne JSON-spesifikasjonen. OpenAI dokumenterer spesialiserte modeller og formater for slike muligheter. Hvis det tiltenkte produktet er et undertekstspor, beholder du den gjennomgåtte transkripsjonen tilgjengelig for en separat tidsettingsarbeidsflyt, fremfor å anta at et tekstresultat allerede inneholder undertekstgrenser.\n\n### Strømming av filutdata og dokumenterte moduser\n\nProdusentens tale-til-tekst-veiledning sier eksplisitt at eksisterende GPT-4o Mini Transcribe-integrasjoner støtter filstrømming. Et fullført opptak kan gi delvis transkripsjonstekst etterfulgt av et endelig resultat mens det behandles. Behold den endelige transkripsjonen som det fullførte produktet; at delvis tekst vises, betyr ikke at filarbeidsflyten kontinuerlig mottar direkte mikrofonlyd. Modellkortet oppgir transkripsjons- og Realtime-endepunktfamilier separat. Disse produsentgrensesnittene betyr ikke at alle øktfelt fra en annen transkripsjonsmodell gjelder her.\n\n### Kontekst, utdatagrense og nyttige kontroller\n\nOpenAIs gjeldende modellspesifikasjon oppgir et kontekstvindu på 16000 tokener, en maksimal utdatamengde på 2000 tokener og en kunnskapsgrense på 1. juni 2024. Dette er modellspesifikasjonens tall, ikke en universell varighet i minutter for et lydopptak. Filstørrelsesregelen og en tokengrense beskriver ulike begrensninger. For lengre materiale forbereder du opptaket rundt den dokumenterte filarbeidsflyten, tar med relevant kontekst mellom stykkene og kontrollerer at den endelige teksten inneholder slutten av kilden.\n\nEt nyttig Mini Transcribe-resultat beholder ordlyden og forholdet til opptaket, med eventuelle sannsynlighetsdata atskilt fra redaksjonelle rettelser. Gjennomgå ukjent ordforråd, aksenter, bakgrunnsstøy, språkbytter og overlappende tale med originalopptaket tilgjengelig. Når teksten revideres for lesbarhet, skiller du den redigerte versjonen fra den gjenkjente transkripsjonen, slik at senere brukere kan se hvilken ordlyd som kom fra opptaket, og hvilken som ble endret under forberedelsen.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "4c0c230e04a86a1dacaac8773a747255f612e6b95d9cfc4601555fd58a7825ed", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "openai/gpt-4o-mini-transcribeGPT-4o Mini Transcribe er OpenAIs tale-til-tekst-modell bygget på GPT-4o Mini. Den gjør lyd om til en JSON-transkripsjon, støtter opptaksspesifikke tekstinstruksjoner og strømmede filresultater og kan returnere logaritmiske tokensannsynligheter for målrettet gjennomgang av transkripsjonen.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-4o Mini Transcribe er OpenAIs tale-til-tekst-modell bygget på GPT-4o Mini. Den godtar lyd med valgfri tekstveiledning og produserer gjenkjent tekst. Den er en annen modell enn GPT-4o Transcribe, som bruker GPT-4o, og den nyere GPT Transcribe-profilen med separate felt for nøkkelord og flerspråklige hint. Det nyttige produktet her er en transkripsjon av opptakets opprinnelige tale, forberedt for søk, gjennomgang eller et senere trinn i innholdsbehandlingen.
OpenAIs veiledning for filtranskripsjon godtar lydopplastinger på opptil 25 MB. Den gjeldende endepunktreferansen oppgir FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV og WebM, med tilstrekkelige filnavn- og innholdstypemetadata til å identifisere lydformatet. Større opptak kan komprimeres eller deles i stykker på 25 MB eller mindre. Behold setningsgrensene ved oppdeling, og hold hvert stykke knyttet til kildeopptaket og posisjonen, slik at teksten senere kan settes sammen i riktig rekkefølge.
For talenotater beholder du én identifiserbar transkripsjon per opptak og kontrollerer navn eller tall før teksten brukes til å opprette oppgaver. For en muntlig veiledning sammenligner du den gjenkjente ordlyden med de opprinnelige instruksjonene før den redigeres for publisering. Et nyttig forberedelsesgrunnlag angir talespråket og begrepene som ellers kan feilhøres. Transkripsjon av ordene er det første trinnet; en tolkning, et sammendrag eller en oversettelse kan bruke den kontrollerte transkripsjonen etterpå.
Eksisterende GPT-4o Mini Transcribe-integrasjoner støtter en fritt formulert instruksjon. OpenAI beskriver instruksjoner for navn, forkortelser, opptaksspesifikt ordforråd, tegnsetting, store og små bokstaver, fyllord og det foretrukne skriftsystemet. Endepunktreferansen sier at instruksjonen skal samsvare med lydens språk og kan gi kontekst fra et foregående lydsegment. Ta med relevante stavemåter eller en kort beskrivelse av temaet, fremfor å be en transkripsjonsinstruksjon opptre som en ubegrenset samtaleinstruksjon.
Modellens etablerte språkhint bruker entallsfeltet language. Produsentens referanse dokumenterer en inndataspråkkode i ISO 639-1-format, for eksempel en. Det separate keywords-feltet og flertallsfeltet languages er dokumentert for GPT Transcribe; de er ikke del av denne Mini-profilen. For en serie opptak beholder du den tiltenkte talespråkinnstillingen sammen med hvert opptak, fremfor å tolke den som en forespørsel om å oversette resultatet.
Den gjeldende endepunktreferansen dokumenterer JSON som det støttede svarformatet for GPT-4o Mini Transcribe. Den gjenkjente ordlyden står i text-feltet. Når det forespørres, kan logaritmiske tokensannsynligheter følge JSON-svaret; verdiene beskriver modellens tokensannsynligheter og kan bidra til å identifisere materiale for nærmere gjennomgang. De fastslår ikke at et navn, tall eller en setning samsvarer med lyden. Bruk opptaket til å avgjøre om et tvilsomt ord skal rettes.
Den vanlige Mini-transkripsjonsprofilen gir ikke innebygde SRT- eller VTT-utdata, detaljerte ordtidsstempler eller utdata med taleretiketter gjennom denne JSON-spesifikasjonen. OpenAI dokumenterer spesialiserte modeller og formater for slike muligheter. Hvis det tiltenkte produktet er et undertekstspor, beholder du den gjennomgåtte transkripsjonen tilgjengelig for en separat tidsettingsarbeidsflyt, fremfor å anta at et tekstresultat allerede inneholder undertekstgrenser.
Produsentens tale-til-tekst-veiledning sier eksplisitt at eksisterende GPT-4o Mini Transcribe-integrasjoner støtter filstrømming. Et fullført opptak kan gi delvis transkripsjonstekst etterfulgt av et endelig resultat mens det behandles. Behold den endelige transkripsjonen som det fullførte produktet; at delvis tekst vises, betyr ikke at filarbeidsflyten kontinuerlig mottar direkte mikrofonlyd. Modellkortet oppgir transkripsjons- og Realtime-endepunktfamilier separat. Disse produsentgrensesnittene betyr ikke at alle øktfelt fra en annen transkripsjonsmodell gjelder her.
OpenAIs gjeldende modellspesifikasjon oppgir et kontekstvindu på 16000 tokener, en maksimal utdatamengde på 2000 tokener og en kunnskapsgrense på 1. juni 2024. Dette er modellspesifikasjonens tall, ikke en universell varighet i minutter for et lydopptak. Filstørrelsesregelen og en tokengrense beskriver ulike begrensninger. For lengre materiale forbereder du opptaket rundt den dokumenterte filarbeidsflyten, tar med relevant kontekst mellom stykkene og kontrollerer at den endelige teksten inneholder slutten av kilden.
Et nyttig Mini Transcribe-resultat beholder ordlyden og forholdet til opptaket, med eventuelle sannsynlighetsdata atskilt fra redaksjonelle rettelser. Gjennomgå ukjent ordforråd, aksenter, bakgrunnsstøy, språkbytter og overlappende tale med originalopptaket tilgjengelig. Når teksten revideres for lesbarhet, skiller du den redigerte versjonen fra den gjenkjente transkripsjonen, slik at senere brukere kan se hvilken ordlyd som kom fra opptaket, og hvilken som ble endret under forberedelsen.
POST /v1/audio/transcriptionsaudiotext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser openai/gpt-4o-mini-transcribe | Standard— |
Feltinput_audio | Typeobject | KravPåkrevd | Verdier & grenser | Standard— |
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, input_audio |
Parametermaterial_types | Avtaleaudio |
Parametermaterial_conditions | AvtaleEksemplet leser den faktiske PCM WAV-filen din, som må ha innhold, koder alle filens byte som base64 og sender input_audio.format som wav. |
Livssyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Eksakt task_id fra en eksisterende medieoppføring du eier
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Faktureringsenhet | Kostnad |
|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Faktureringsenhet— | Kostnad Inndata · Inngående tokener — / 1K tokener Utdata · Utgående tokener — / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| Konfigurasjoninndatatoken | Prisplan— | Faktureringsenhet/ 1K tokener | Kostnad Inndata $0.0025 / 1K tokener |
| Konfigurasjonutdatatoken | Prisplan— | Faktureringsenhet/ 1K tokener | Kostnad Utdata $0.01 / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${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/gpt-4o-mini-transcribe', '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.\nHele den opprinnelige svarkroppen, statusen og videresendte svarhoder. Denne behandleren legger ikke til noen universell JSON-struktur, noe tekstfelt eller noen oppgaveinnpakning.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Bevar hele svaret og svarhodene, alle faktiske utdata, de opprinnelige returnerte identifikatorene og alle bruksfeltene. Hent den opprinnelige operasjonen igjen uten å sende opprettelsesforespørselen på nytt.
Behold den faktiske X-Client-Request-ID og hele svaret. Les de opprinnelige ressursene du eier, og deres eksakte signerte innholdsadresser; send aldri en usikker opprettelse på nytt.
| Felt | Type |
|---|---|
Felttext (when present) | Type |
Feltusage (when present) | Type |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårJSON-kroppen eller den eksplisitte kanoniske modell-ID-en er ugyldig. | Neste trinnBehold svaret og korriger det angitte forespørselsfeltet. |
Svar401 · authentication_error | VilkårAiloot API-nøkkelen er ugyldig. | Neste trinnBruk den autoriserte Ailoot API-nøkkelen din. |
Svar403 · permission_error | VilkårNøkkelgruppen gir ikke tilgang til denne metoden. | Neste trinnBehold de returnerte feildetaljene. |
Svar404 · not_found_error | VilkårDen valgte metoden har ingen godkjent rute. | Neste trinnBehold de returnerte feildetaljene. |
Svar422 · price_unavailable | VilkårDen godtatte tariffen kan ikke hente den nødvendige inndatamengden eller grensen. | Neste trinnBehold svaret; bruk inndatarepresentasjonen som den godtatte tariffen krever. |
Svar503 · | VilkårNødvendig lagring, rute, metodepris eller reservasjon er utilgjengelig. | Neste trinnBehold hele det opprinnelige svaret. En usikker reservasjon gir ikke tillatelse til å sende inn på nytt. |
Svar502 · server_error | VilkårDet opprinnelige resultatet, forbruket eller oppgjøret må kontrolleres. | Neste trinnBehold den faktiske forespørsels-ID-en og det opprinnelige svaret. Les den eksisterende oppføringen du eier; ikke send opprettelsen på nytt. |
Ailoot Ultra openai/gpt-4o-mini-transcribe
Bruk metodestiene som vises ovenfor.