OpenAI: Whisper 1

Whisper 1 transkriberer en ferdig lydfil til tekst, med flerspråklig gjenkjenning og tidsstempler for ord eller segmenter. Produsenten støtter undertekstformater og en separat arbeidsflyt for oversettelse til engelsk; transkripsjonsresultatet bevarer opptakets språk.

Ailoot Ultra · Talegjenkjenning POST /v1/audio/transcriptions openai/whisper-1

Om modellen

Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.

Whisper 1 er OpenAIs generelle API-modell for talegjenkjenning, dokumentert som drevet av den åpne kildekodemodellen Whisper V2. Den tar imot en lydfil og returnerer tekst. Produsenten beskriver flerspråklig gjenkjenning, språkidentifikasjon og en separat oppgave for taleoversettelse. Transkripsjon bevarer talespråket; produsentens separate oversettelsesgrensesnitt returnerer engelsk tekst.

Et nyttig bruksområde er å forberede et intervju, et talenotat eller en innspilt samtale for senere søk og redigering. Oppgi det ferdige opptaket og inndataspråket når det er kjent. OpenAI dokumenterer 98 støttede språk og påpeker at gjenkjenningsnøyaktighet varierer med språk. Språkhintet for ett språk bruker en ISO 639-1-kode; nyere flerspråks- og nøkkelordfelt i andre transkripsjonsmodeller er separate kontroller.

Produsentens filtranskripsjon tar imot filer på opptil 25 MB i MP3-, MP4-, MPEG-, MPGA-, M4A-, WAV- eller WebM-format. Bruk et komprimert format til et større opptak, eller del det i deler innenfor grensen. Bevar setningsgrenser og rekkefølgen på delene slik at den sammensatte transkripsjonen fortsatt er knyttet til originalopptaket. En videokonteiner leverer lyden sin til denne oppgaven, ikke inndata for visuell beskrivelse.

En prompt kan oppgi navn, akronymer eller opptaksspesifikt ordforråd og kontekst fra et tidligere segment. Whispers promptgrense er 224 tokener, og prompten bør samsvare med lydens språk. Produsenten sier at Whisper ikke følger instruksjoner som en generell tekstmodell. Bruk prompten som relevant transkripsjonskontekst, og kontroller deretter viktige skrivemåter mot opptaket i stedet for å behandle en terminologiliste som ord taleren nødvendigvis sa.

Produsenten dokumenterer transkripsjonsformatene JSON, ren tekst, SRT, VTT og verbose JSON. Tidsstempler for ord og segmenter krever verbose JSON; enten én eller begge detaljgrader kan forespørres. API-referansen påpeker at segmenttidsstempler ikke tilfører ekstra latenstid, mens ordtidsstempler krever ytterligere behandling. Utdataene støtter teksting og lokalisering av avsnitt under redigering; merking med talerdiarisering tilhører en annen spesialisert modell.

Whisper 1 støtter ikke strømming av filtranskripsjon. Referansen dokumenterer også en samplingtemperatur mellom null og én; ved null kan modellen øke temperaturen automatisk når dekodingstersklene krever det. Dette beskriver produsentens behandlingskontroller, ikke et løfte om at hvert opptak gir en identisk eller helt nøyaktig transkripsjon.

Definer sluttresultatet: en transkripsjon for søk, en undertekstfil eller tekst med ord-/segmenttiming. Oppbevar originalopptaket, delrekkefølgen og relevante tidsreferanser fra kilden sammen med resultatet. Et senere tekstredigeringssteg kan rette en feilstaving eller lage et sammendrag, men sammenlign endringene med lyden så talerens mening bevares. Den gjenkjente teksten blir grunnlag for neste oppgave, ikke et generert svar på det muntlige spørsmålet.

Ailoot Ultra · Talegjenkjenning POST /v1/audio/transcriptions openai/whisper-1

openai/whisper-1

OpenAI /openai/whisper-1

Start

Godkjente inndata: Lyd
Resultater: transcription

Tilgjengelig i Ailoot · inndata & metoder

Ailoot Ultra · Talegjenkjenning POST /v1/audio/transcriptions

Inndatatyper: audio
Utdatatyper: transcription
Utdataformat: json

Felt	Type	Krav	Verdier & grenser	Standard
Felt`model`	Type`string`	KravPåkrevd	Verdier & grenser openai/whisper-1	Standard—
Felt`file`	Type`file`	KravPåkrevd	Verdier & grenser Innholdstype: multipart/form-data	Standard—
Felt`response_format`	Type`string`	KravValgfritt	Verdier & grenser json	Standard—
Felt`input_audio.data`	Type`base64_string`	KravPåkrevd	Verdier & grenser Gjelder når: JSON-inndata for WhisperOR	Standard—
Felt`input_audio.format`	Type`string`	KravPåkrevd	Verdier & grenser wav, mp3, flac, ogg, m4a, webm Gjelder når: JSON-inndata for WhisperOR	Standard—

Kombinasjoner av inngående materialer

· Påkrevd: model, file

Metodeparametere og livssyklus

Parameter	Avtale
Parameter`contours`	Avtale{"content_types":["application/json","multipart/form-data"],"required_json":["model","input_audio.data","input_audio.format"],"required_multipart":["model","file"],"file_formats":["wav","mp3","flac","ogg","m4a","webm"],"response_format_optional":["json"]}, {"content_types":["multipart/form-data"],"required":["model","file"],"file_formats":["mp3"],"response_format_option":false}
Parameter`max_bytes`	Avtale26214400
Parameter`material_types`	Avtaleaudio

Livssyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · faktisk returnert task_id eller oppføring i mediebiblioteket

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Bruk et faktisk opptak og samsvarende format.

Bevar hele transkripsjonen, alle segmenter, taler-ID-er og tidsangivelser.

Priser

Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.

Hurtigmodus: Ikke angitt Når hurtigmodus er valgt
Flex-modus: Ikke angitt Når flex-modus er valgt
Maksimal resonneringsinnsats: Ikke angitt Når justeringen «default» brukes for maksimal resonneringsinnsats

Ailoot-satser

Priser etter konfigurasjon

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
Konfigurasjonlydsekund i inndata	Prisplan—	Faktureringsenhetper sekund inndatalyd	Kostnad Inndata · lydsekund i inndata $0.0002 per sekund inndatalyd

Detaljer om referansetariffen

Referanseprisplaner på modellnivå endrer ikke metodevalg, prisoverslag eller kostnader. Aktive kostnader bruker satsene til den valgte Ailoot-metoden.

OpenAI: Whisper 1

Priser etter konfigurasjon

Konfigurasjon	Faktureringsvilkår	Kostnad
KonfigurasjonOpenAI: Whisper 1 · Standardkonfigurasjon	FaktureringsvilkårStandardkonfigurasjon	Kostnad Inndata · Lydsekunder i inndata 0,0002 USD per sekund inndatalyd

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 →

Eksempelforespørsler

Ailoot Ultra · Talegjenkjenning

curl

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual MP3 recording}"
export AILOOT_AUDIO_FILE
python3 - <<'PY_REQUEST'
import os
from pathlib import Path
p=Path(os.environ["AILOOT_AUDIO_FILE"])
if not p.is_file() or p.suffix.lower()!=".mp3":raise SystemExit("Choose an existing MP3 recording")
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $AILOOT_API_KEY" \
  --form-string model=openai/whisper-1 -F "file=@$AILOOT_AUDIO_FILE" \
  -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("result.json").read_text())))
PY_RESULT

Motta og lagre resultater

Ailoot Ultra · Talegjenkjenning

json

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

Andre innholdslesinger

MediebibliotekOppgavestatusRessursdetaljer

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT

Behold alle ferdige resultater

Behold alle fullstendige returnerte svar, filer og innholdsdeler.

Behold hele JSON-svaret, ikke bare teksten; bevar alle tilgjengelige segmenter, talere og tidsstempler og faktiske oppgave- og ressursidentiteter.

Hvis det opprinnelige svaret må kontrolleres

Bevar opprinnelig operation_id/X-Client-Request-ID for avstemming uten ny innsending; det finnes ingen egen rute for å spørre etter lydstatus.

Svarfelter

Felt	Type
Felt`text`	Typestring
Felt`segments[]`	Typeobject
Felt`task_id`	Typestring
Felt`asset_url`	Typestring
Felt`usage`	Typeobject

Feil og neste trinn

Svar	Vilkår	Neste trinn
Svar400 · `invalid_request_error`	VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi	Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel.
Svar`server_error`	VilkårDet returnerte svaret angir at operasjonen eller resultatet må kontrolleres	Neste trinnBevar den opprinnelige returnerte operasjons-/oppgave-ID-en, forespørselshodene og svaret; fortsett å lese den opprinnelige operasjonen på de støttede måtene. Ikke send opprettelsesforespørselen på nytt.

Aliaser

Modellaliaser

Ailoot Ultra openai/whisper-1

Aliaser for metodestier

Bruk metodestiene som vises ovenfor.

Tilknyttede anroper-ID-er

openai/whisper-1

FAQ · OpenAI: Whisper 1

Hvilke inndata og resultater er tilgjengelige?: POST /v1/audio/transcriptions · openai/whisper-1: audio → transcription
Hvilke felt bruker forespørselen?: POST /v1/audio/transcriptions · openai/whisper-1: model, file, response_format

OpenAI: Whisper 1

OpenAI: Whisper 1

Start

Tilgjengelig i Ailoot · inndata & metoder

Priser

Ailoot-satser

Priser etter konfigurasjon

Detaljer om referansetariffen

Priser etter konfigurasjon

Eksempelforespørsler

Ailoot Ultra · Talegjenkjenning

Motta og lagre resultater

Ailoot Ultra · Talegjenkjenning

Behold alle ferdige resultater

Hvis det opprinnelige svaret må kontrolleres

Aliaser

Modellaliaser

Aliaser for metodestier

Tilknyttede anroper-ID-er

Selskapet og dets prosjektportefølje

Kjøp tokener med rabatt.

Koble API-et til produktet du selger.