OpenAI: GPT Transcribe

GPT Transcribe is OpenAI’s spraak-naar-tekstmodel voor voltooide audiobestanden, gestreamde bestandstranscripties en vastgelegde audiobeurten in Realtime-sessies. Het accepteert audio met optionele tekstcontext en geeft herkende tekst terug. De maker positioneert het voor nauwkeurige transcriptie van opgenomen spraak in de oorspronkelijke taal, inclusief domeinspecifieke woordenschat, meertalige opnamen en het wisselen tussen talen. De bruikbare uitvoer is een transcript dat met de opname verbonden blijft, met metadata over gedetecteerde talen wanneer het model een betrouwbare voorspelling kan doen.

Een voltooide opname voorbereiden

OpenAI’s werkwijze voor bestandstranscriptie accepteert uploads tot 25 MB. De huidige eindpuntreferentie vermeldt FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV en WebM als invoerformaten en beveelt voldoende bestandsmetadata aan om het formaat te identificeren, waaronder een passende bestandsextensie en een passend inhoudstype. Voor een grotere opname beveelt de handleiding compressie of opsplitsing in bestanden van maximaal 25 MB aan. Knip niet midden in een zin, omdat het verwijderen van omringende spraak de herkenning minder nauwkeurig kan maken. Houd de delen in volgorde en behoud hun posities in de oorspronkelijke opname.

Lever voor een vergadering, interview of opgenomen presentatie de werkelijke audio aan en benoem het onderwerp en de terminologie die waarschijnlijk wordt uitgesproken. Een bruikbaar resultaat is de herkende formulering, geen afgeleide samenvatting van het gesprek. Bewaar de identificator van de opname bij de teruggegeven tekst, zodat iemand die een naam, getal of onzekere formulering controleert naar de juiste bron kan terugkeren. Een transcript kan daarna materiaal worden voor een afzonderlijke samenvattings-, vertaal- of redactionele werkwijze.

Context, trefwoordhints en verwachte talen

De maker onderscheidt drie vormen van sturing. Een prompt geeft vrije context over het onderwerp of de situatie van de opname. Trefwoorden geven letterlijke woorden of uitdrukkingen die in de spraak worden verwacht. Een talenlijst geeft de verwachte gesproken talen aan. Beschrijf voor een tweetalig productgesprek de situatie in de prompt, vermeld de relevante productnamen als trefwoorden en geef de verwachte talen op. Dit zijn herkenningshints, geen instructies om woorden in te voegen die niemand heeft gezegd.

GPT Transcribe gebruikt het meervoudige veld languages in plaats van het oudere enkelvoudige veld language; OpenAI zegt beide niet tegelijk te versturen. De handleiding accepteert ondersteunde ISO 639-1-codes, geselecteerde ISO 639-3-codes en regionale Chinese landinstellingscodes; niet-ondersteunde of onjuist gevormde waarden worden afgewezen. Elk trefwoord moet op één regel blijven en mag geen punthaakje, terugloopteken of regeldoorvoerteken bevatten. Een ongeldig trefwoord of een te lange prompt kan de volledige aanvraag laten afwijzen. Houd de context relevant en controleer of de genoemde namen werkelijk in de audio voorkomen, in plaats van de hintlijst als transcript te behandelen.

JSON-uitvoer en voorspellingen van gedetecteerde talen

Het gedocumenteerde bestandsresultaat is JSON met het transcript en de gedetecteerde talen. Die taalvoorspellingen zijn uitvoer van het model, geen kopie van de aangeleverde taalhints. Een lege talenlijst is een geldig resultaat wanneer het model geen betrouwbare voorspelling kan doen; dit toont niet aan dat de opname stil was of dat de transcriptie is mislukt. Houd de herkende tekst en taalmetadata gescheiden, zodat vervolgverwerking elk onderdeel volgens zijn betekenis kan gebruiken.

Een bestandstranscript streamen

Een voltooid bestand kan tijdens verwerking stapsgewijs transcriptietekst opleveren. OpenAI documenteert transcript.text.delta-gebeurtenissen voor gedeeltelijke tekst en transcript.text.done voor het volledige bestandstranscript; de laatste gebeurtenis bevat ook de gedetecteerde talen. Dit streamt de uitvoer van een opname die al is aangeleverd. Het is bruikbaar om de voortgang bij een lange upload weer te geven, terwijl de laatste gebeurtenis de tekst bepaalt die als voltooid resultaat moet worden bewaard.

Vastgelegde beurten in Realtime-sessies

GPT Transcribe heeft ook een gespecialiseerde Realtime-werkwijze via WebSocket. Audio wordt aan de invoerbuffer toegevoegd, waarna de toepassing een audiobeurt expliciet vastlegt. Transcriptie begint voor dat vastgelegde deel en kan vóór de voltooiingsgebeurtenis tekstdelta’s uitsturen, inclusief informatie over gedetecteerde talen. Het model gebruikt in deze sessiewerkwijze van de maker automatisch eerdere getranscribeerde beurten als context. Dit verschilt van het continu uitsturen van liveondertiteling terwijl microfoonaudio binnenkomt; OpenAI noemt GPT Live Transcribe voor die continue werkwijze.

Bewaar bij meerdere beurten de identificator van het invoeritem bij het bijbehorende transcript. OpenAI waarschuwt dat voltooiingsgebeurtenissen van verschillende beurten niet in spreekvolgorde hoeven aan te komen; koppel elk eindresultaat daarom aan de bijbehorende vastgelegde invoer in plaats van een gesprek uitsluitend op voltooiingstijd te ordenen. Het bruikbare resultaat is een geordend transcript uit de juiste definitieve items, waarbij tussentijdse tekst als voortgang wordt behandeld, niet als een afzonderlijke voltooide uiting.

Gespecialiseerde uitvoer en inhoudelijke grenzen

Dit profiel biedt geen universeel contract voor ondertitels, tijdstempels, vertaling of sprekerlabels. OpenAI’s migratiehandleiding onderscheidt die gespecialiseerde mogelijkheden: rechtstreeks ondersteunde ondertitelformaten en tijdsaanduidingen per woord vereisen een compatibel model en formaat, terwijl sprekerlabels GPT-4o Transcribe Diarize gebruiken. Het bestandsresultaat van GPT Transcribe is JSON, geen direct uitwisselbaar SRT-, VTT- of antwoord met uitgebreide tijdstempels. De specifieke modelkaart publiceert geen numeriek context- of maximaal uitvoerbudget; een tokenvenster van een chatmodel mag daarom niet voor audiotranscriptie worden aangenomen.

Controleer moeilijke woordenschat, getallen, accenten, achtergrondgeluid en taalwisselingen aan de hand van de opname. Controleer of relevante hints de herkenning verbeterden zonder niet-uitgesproken termen in te voegen en of het eindtranscript het einde van de audio bevat. Behoud bij een meertalig resultaat de gesproken formulering voordat u een vertaalde versie voorbereidt. Deze controles maken het transcript bruikbaar als bronmateriaal en houden contexthints, gedetecteerde talen en herkende spraak duidelijk onderscheiden.