GPT-4o Transcribe to model OpenAI do zamiany mowy na tekst, oparty na GPT-4o. Przyjmuje dźwięk z opcjonalnymi wskazówkami tekstowymi i zwraca rozpoznany tekst. Jest odrębny od wersji GPT-4o Mini Transcribe oraz GPT-4o Transcribe Diarize, wyspecjalizowanego modelu do oznaczania mówców. Ten profil służy do przygotowania wiernego zapisu wypowiedzi; zachowaj nagranie źródłowe do kontroli i późniejszej pracy redakcyjnej.
Przewodnik OpenAI dotyczący transkrypcji opisuje przesyłanie plików do 25 MB. Aktualna dokumentacja punktu końcowego dopuszcza FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV i WebM oraz zaleca metadane pliku wskazujące format, w tym nazwę z rozszerzeniem i odpowiedni typ zawartości. W przypadku większego nagrania wskazówki producenta dotyczące długich danych wejściowych przewidują kompresję lub uporządkowane części o wielkości nieprzekraczającej 25 MB. Unikaj dzielenia w środku zdania i zachowaj położenie każdej części w całym nagraniu.
W wywiadzie powiąż każdy plik wejściowy z nagraniem i obejmowanym fragmentem. W prezentacji technicznej przygotuj odpowiednie nazwy produktów, skróty i słownictwo dziedzinowe jako kontekst, a następnie sprawdź ich pisownię względem rzeczywistej wypowiedzi. W nagranym objaśnieniu zawierającym wartości liczbowe porównaj transkrypcję ze źródłem, zanim zamienisz ją w pisemną procedurę. Pierwszym oczekiwanym materiałem jest rozpoznana mowa w postaci tekstu; skrócony raport lub przetłumaczony dokument można przygotować z tego tekstu w osobnym kroku.
Przewodnik producenta wyraźnie wymienia GPT-4o Transcribe wśród modeli obsługujących prompty. Prompt może dostarczyć poprawną pisownię, kontekst poprzedniego segmentu oraz preferencje dotyczące interpunkcji, wielkich liter, wypełniaczy wypowiedzi lub systemu pisma. Dokumentacja wskazuje, że powinien odpowiadać językowi nagrania. Krótki, trafny opis tematu i słownictwa daje transkrypcji użyteczny kontekst bez traktowania niewypowiedzianych terminów jako obowiązkowej treści wyniku.
Ten profil obsługuje wskazówkę language w liczbie pojedynczej, opisaną w formacie ISO 639-1. Podanie rzeczywistego języka wejściowego może wspomóc rozpoznawanie. Nowsze pole keywords oraz pole languages w liczbie mnogiej należą do osobno nazwanego modelu GPT Transcribe i nie należy zakładać ich dostępności w GPT-4o Transcribe. Powiąż ustawienie języka z transkrybowaną mową i zachowaj oryginalne sformułowania przed późniejszym tłumaczeniem lub zmianą stylu.
Aktualna dokumentacja punktu końcowego wskazuje JSON jako obsługiwany format odpowiedzi GPT-4o Transcribe. Wynik zawiera rozpoznany tekst, a w tym formacie JSON można opcjonalnie zażądać logarytmów prawdopodobieństwa tokenów. Dane te opisują wybór tokenów przez model. Mogą wskazać fragmenty wymagające kontroli, ale dopiero porównanie z dźwiękiem pozwala ustalić, czy transkrypcja odtwarza trudną nazwę, liczbę lub frazę.
Wynik JSON standardowego profilu nie dostarcza natywnych formatów napisów, szczegółowych znaczników czasu poszczególnych słów ani przypisania mówców. OpenAI opisuje inne kombinacje modelu i formatu, gdy potrzebne są takie wyniki; GPT-4o Transcribe Diarize jest odrębną wersją oznaczającą mówców. Przy tworzeniu napisów zachowaj sprawdzoną transkrypcję do odpowiedniego etapu ustalania czasu. W rozmowie nie wymyślaj nazw mówców tylko dlatego, że akapit transkrypcji sprawia wrażenie zmiany tematu lub głosu.
Przewodnik OpenAI dotyczący zamiany mowy na tekst wskazuje, że istniejące integracje GPT-4o Transcribe obsługują strumieniowe przetwarzanie plików. Aplikacja najpierw dostarcza nagranie, następnie odbiera tekst transkrypcji w trakcie przetwarzania tego nagrania i zachowuje ukończony wynik. Strumieniowo przesyłana jest transkrypcja ukończonego nagrania, a nie dźwięk z mikrofonu przyjmowany na bieżąco. Karta tego konkretnego modelu wymienia również rodziny punktów końcowych transkrypcji i Realtime; zachowanie sesji właściwe temu modelowi musi pozostać przypisane do tego profilu, zamiast być zapożyczane z nowszego modelu ciągłego strumieniowania.
Aktualna specyfikacja GPT-4o Transcribe podaje okno kontekstu 16 000 tokenów, maksymalny wynik 2 000 tokenów i datę graniczną wiedzy 1 czerwca 2024 roku. Te limity tokenów nie oznaczają stałego czasu trwania dźwięku i nie zastępują zasad przygotowania pliku do transkrypcji. Przy długim nagraniu zachowaj kolejność źródła i istotny wcześniejszy kontekst, a potem sprawdź, czy ukończony tekst dochodzi do końca każdego zamierzonego segmentu.
Przydatna końcowa transkrypcja może stać się przeszukiwalnym materiałem z wywiadu, źródłem dokumentacji technicznej lub tekstem do późniejszego przygotowania napisów. Sprawdź niepewne słownictwo, ilości, interpunkcję, akcenty i nakładające się wypowiedzi względem nagrania. Oddziel rozpoznany tekst od późniejszych poprawek lub streszczeń i zachowaj powiązanie ze źródłem za pomocą identyfikatorów w otaczającym procesie. Model dostarcza zapis tekstowy; staranne przygotowanie wejścia i kontrola źródła decydują, czy zapis nadaje się do następnego zastosowania.
", "aboutText": "GPT-4o Transcribe to model OpenAI do zamiany mowy na tekst, oparty na GPT-4o. Przyjmuje dźwięk z opcjonalnymi wskazówkami tekstowymi i zwraca rozpoznany tekst. Jest odrębny od wersji GPT-4o Mini Transcribe oraz GPT-4o Transcribe Diarize, wyspecjalizowanego modelu do oznaczania mówców. Ten profil służy do przygotowania wiernego zapisu wypowiedzi; zachowaj nagranie źródłowe do kontroli i późniejszej pracy redakcyjnej.\n\n### Pliki wejściowe i przygotowanie długiego materiału\n\nPrzewodnik OpenAI dotyczący transkrypcji opisuje przesyłanie plików do 25 MB. Aktualna dokumentacja punktu końcowego dopuszcza FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV i WebM oraz zaleca metadane pliku wskazujące format, w tym nazwę z rozszerzeniem i odpowiedni typ zawartości. W przypadku większego nagrania wskazówki producenta dotyczące długich danych wejściowych przewidują kompresję lub uporządkowane części o wielkości nieprzekraczającej 25 MB. Unikaj dzielenia w środku zdania i zachowaj położenie każdej części w całym nagraniu.\n\nW wywiadzie powiąż każdy plik wejściowy z nagraniem i obejmowanym fragmentem. W prezentacji technicznej przygotuj odpowiednie nazwy produktów, skróty i słownictwo dziedzinowe jako kontekst, a następnie sprawdź ich pisownię względem rzeczywistej wypowiedzi. W nagranym objaśnieniu zawierającym wartości liczbowe porównaj transkrypcję ze źródłem, zanim zamienisz ją w pisemną procedurę. Pierwszym oczekiwanym materiałem jest rozpoznana mowa w postaci tekstu; skrócony raport lub przetłumaczony dokument można przygotować z tego tekstu w osobnym kroku.\n\n### Prompty dopasowane do nagrania i wybór języka\n\nPrzewodnik producenta wyraźnie wymienia GPT-4o Transcribe wśród modeli obsługujących prompty. Prompt może dostarczyć poprawną pisownię, kontekst poprzedniego segmentu oraz preferencje dotyczące interpunkcji, wielkich liter, wypełniaczy wypowiedzi lub systemu pisma. Dokumentacja wskazuje, że powinien odpowiadać językowi nagrania. Krótki, trafny opis tematu i słownictwa daje transkrypcji użyteczny kontekst bez traktowania niewypowiedzianych terminów jako obowiązkowej treści wyniku.\n\nTen profil obsługuje wskazówkę language w liczbie pojedynczej, opisaną w formacie ISO 639-1. Podanie rzeczywistego języka wejściowego może wspomóc rozpoznawanie. Nowsze pole keywords oraz pole languages w liczbie mnogiej należą do osobno nazwanego modelu GPT Transcribe i nie należy zakładać ich dostępności w GPT-4o Transcribe. Powiąż ustawienie języka z transkrybowaną mową i zachowaj oryginalne sformułowania przed późniejszym tłumaczeniem lub zmianą stylu.\n\n### Format wyniku, prawdopodobieństwa i wyspecjalizowane wyniki\n\nAktualna dokumentacja punktu końcowego wskazuje JSON jako obsługiwany format odpowiedzi GPT-4o Transcribe. Wynik zawiera rozpoznany tekst, a w tym formacie JSON można opcjonalnie zażądać logarytmów prawdopodobieństwa tokenów. Dane te opisują wybór tokenów przez model. Mogą wskazać fragmenty wymagające kontroli, ale dopiero porównanie z dźwiękiem pozwala ustalić, czy transkrypcja odtwarza trudną nazwę, liczbę lub frazę.\n\nWynik JSON standardowego profilu nie dostarcza natywnych formatów napisów, szczegółowych znaczników czasu poszczególnych słów ani przypisania mówców. OpenAI opisuje inne kombinacje modelu i formatu, gdy potrzebne są takie wyniki; GPT-4o Transcribe Diarize jest odrębną wersją oznaczającą mówców. Przy tworzeniu napisów zachowaj sprawdzoną transkrypcję do odpowiedniego etapu ustalania czasu. W rozmowie nie wymyślaj nazw mówców tylko dlatego, że akapit transkrypcji sprawia wrażenie zmiany tematu lub głosu.\n\n### Strumieniowe wyniki z ukończonego pliku\n\nPrzewodnik OpenAI dotyczący zamiany mowy na tekst wskazuje, że istniejące integracje GPT-4o Transcribe obsługują strumieniowe przetwarzanie plików. Aplikacja najpierw dostarcza nagranie, następnie odbiera tekst transkrypcji w trakcie przetwarzania tego nagrania i zachowuje ukończony wynik. Strumieniowo przesyłana jest transkrypcja ukończonego nagrania, a nie dźwięk z mikrofonu przyjmowany na bieżąco. Karta tego konkretnego modelu wymienia również rodziny punktów końcowych transkrypcji i Realtime; zachowanie sesji właściwe temu modelowi musi pozostać przypisane do tego profilu, zamiast być zapożyczane z nowszego modelu ciągłego strumieniowania.\n\n### Limity modelu i kontrola końcowego materiału\n\nAktualna specyfikacja GPT-4o Transcribe podaje okno kontekstu 16 000 tokenów, maksymalny wynik 2 000 tokenów i datę graniczną wiedzy 1 czerwca 2024 roku. Te limity tokenów nie oznaczają stałego czasu trwania dźwięku i nie zastępują zasad przygotowania pliku do transkrypcji. Przy długim nagraniu zachowaj kolejność źródła i istotny wcześniejszy kontekst, a potem sprawdź, czy ukończony tekst dochodzi do końca każdego zamierzonego segmentu.\n\nPrzydatna końcowa transkrypcja może stać się przeszukiwalnym materiałem z wywiadu, źródłem dokumentacji technicznej lub tekstem do późniejszego przygotowania napisów. Sprawdź niepewne słownictwo, ilości, interpunkcję, akcenty i nakładające się wypowiedzi względem nagrania. Oddziel rozpoznany tekst od późniejszych poprawek lub streszczeń i zachowaj powiązanie ze źródłem za pomocą identyfikatorów w otaczającym procesie. Model dostarcza zapis tekstowy; staranne przygotowanie wejścia i kontrola źródła decydują, czy zapis nadaje się do następnego zastosowania.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "0ff5735ad4ff0966dc962fa1e09fb72313adab5991badaca5dbdf54272f3e79d", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "openai/gpt-4o-transcribeGPT-4o Transcribe przekształca dźwięk w tekst, korzystając z możliwości rozpoznawania mowy GPT-4o firmy OpenAI. Obsługuje prompty kontekstowe, wskazówkę języka wejściowego, transkrypcje JSON, strumieniowe wyniki z pliku i opcjonalne logarytmy prawdopodobieństwa tokenów do sprawdzania niepewnych sformułowań.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
GPT-4o Transcribe to model OpenAI do zamiany mowy na tekst, oparty na GPT-4o. Przyjmuje dźwięk z opcjonalnymi wskazówkami tekstowymi i zwraca rozpoznany tekst. Jest odrębny od wersji GPT-4o Mini Transcribe oraz GPT-4o Transcribe Diarize, wyspecjalizowanego modelu do oznaczania mówców. Ten profil służy do przygotowania wiernego zapisu wypowiedzi; zachowaj nagranie źródłowe do kontroli i późniejszej pracy redakcyjnej.
Przewodnik OpenAI dotyczący transkrypcji opisuje przesyłanie plików do 25 MB. Aktualna dokumentacja punktu końcowego dopuszcza FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV i WebM oraz zaleca metadane pliku wskazujące format, w tym nazwę z rozszerzeniem i odpowiedni typ zawartości. W przypadku większego nagrania wskazówki producenta dotyczące długich danych wejściowych przewidują kompresję lub uporządkowane części o wielkości nieprzekraczającej 25 MB. Unikaj dzielenia w środku zdania i zachowaj położenie każdej części w całym nagraniu.
W wywiadzie powiąż każdy plik wejściowy z nagraniem i obejmowanym fragmentem. W prezentacji technicznej przygotuj odpowiednie nazwy produktów, skróty i słownictwo dziedzinowe jako kontekst, a następnie sprawdź ich pisownię względem rzeczywistej wypowiedzi. W nagranym objaśnieniu zawierającym wartości liczbowe porównaj transkrypcję ze źródłem, zanim zamienisz ją w pisemną procedurę. Pierwszym oczekiwanym materiałem jest rozpoznana mowa w postaci tekstu; skrócony raport lub przetłumaczony dokument można przygotować z tego tekstu w osobnym kroku.
Przewodnik producenta wyraźnie wymienia GPT-4o Transcribe wśród modeli obsługujących prompty. Prompt może dostarczyć poprawną pisownię, kontekst poprzedniego segmentu oraz preferencje dotyczące interpunkcji, wielkich liter, wypełniaczy wypowiedzi lub systemu pisma. Dokumentacja wskazuje, że powinien odpowiadać językowi nagrania. Krótki, trafny opis tematu i słownictwa daje transkrypcji użyteczny kontekst bez traktowania niewypowiedzianych terminów jako obowiązkowej treści wyniku.
Ten profil obsługuje wskazówkę language w liczbie pojedynczej, opisaną w formacie ISO 639-1. Podanie rzeczywistego języka wejściowego może wspomóc rozpoznawanie. Nowsze pole keywords oraz pole languages w liczbie mnogiej należą do osobno nazwanego modelu GPT Transcribe i nie należy zakładać ich dostępności w GPT-4o Transcribe. Powiąż ustawienie języka z transkrybowaną mową i zachowaj oryginalne sformułowania przed późniejszym tłumaczeniem lub zmianą stylu.
Aktualna dokumentacja punktu końcowego wskazuje JSON jako obsługiwany format odpowiedzi GPT-4o Transcribe. Wynik zawiera rozpoznany tekst, a w tym formacie JSON można opcjonalnie zażądać logarytmów prawdopodobieństwa tokenów. Dane te opisują wybór tokenów przez model. Mogą wskazać fragmenty wymagające kontroli, ale dopiero porównanie z dźwiękiem pozwala ustalić, czy transkrypcja odtwarza trudną nazwę, liczbę lub frazę.
Wynik JSON standardowego profilu nie dostarcza natywnych formatów napisów, szczegółowych znaczników czasu poszczególnych słów ani przypisania mówców. OpenAI opisuje inne kombinacje modelu i formatu, gdy potrzebne są takie wyniki; GPT-4o Transcribe Diarize jest odrębną wersją oznaczającą mówców. Przy tworzeniu napisów zachowaj sprawdzoną transkrypcję do odpowiedniego etapu ustalania czasu. W rozmowie nie wymyślaj nazw mówców tylko dlatego, że akapit transkrypcji sprawia wrażenie zmiany tematu lub głosu.
Przewodnik OpenAI dotyczący zamiany mowy na tekst wskazuje, że istniejące integracje GPT-4o Transcribe obsługują strumieniowe przetwarzanie plików. Aplikacja najpierw dostarcza nagranie, następnie odbiera tekst transkrypcji w trakcie przetwarzania tego nagrania i zachowuje ukończony wynik. Strumieniowo przesyłana jest transkrypcja ukończonego nagrania, a nie dźwięk z mikrofonu przyjmowany na bieżąco. Karta tego konkretnego modelu wymienia również rodziny punktów końcowych transkrypcji i Realtime; zachowanie sesji właściwe temu modelowi musi pozostać przypisane do tego profilu, zamiast być zapożyczane z nowszego modelu ciągłego strumieniowania.
Aktualna specyfikacja GPT-4o Transcribe podaje okno kontekstu 16 000 tokenów, maksymalny wynik 2 000 tokenów i datę graniczną wiedzy 1 czerwca 2024 roku. Te limity tokenów nie oznaczają stałego czasu trwania dźwięku i nie zastępują zasad przygotowania pliku do transkrypcji. Przy długim nagraniu zachowaj kolejność źródła i istotny wcześniejszy kontekst, a potem sprawdź, czy ukończony tekst dochodzi do końca każdego zamierzonego segmentu.
Przydatna końcowa transkrypcja może stać się przeszukiwalnym materiałem z wywiadu, źródłem dokumentacji technicznej lub tekstem do późniejszego przygotowania napisów. Sprawdź niepewne słownictwo, ilości, interpunkcję, akcenty i nakładające się wypowiedzi względem nagrania. Oddziel rozpoznany tekst od późniejszych poprawek lub streszczeń i zachowaj powiązanie ze źródłem za pomocą identyfikatorów w otaczającym procesie. Model dostarcza zapis tekstowy; staranne przygotowanie wejścia i kontrola źródła decydują, czy zapis nadaje się do następnego zastosowania.
POST /v1/audio/transcriptionsaudiotext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity openai/gpt-4o-transcribe | Domyślnie— |
Poleinput_audio | Typobject | WymaganieWymagane | Wartości i limity | Domyślnie— |
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, input_audio |
Parametrmaterial_types | Kontraktaudio |
Parametrmaterial_conditions | KontraktPrzykład odczytuje Twój rzeczywisty, niepusty plik PCM WAV, koduje wszystkie bajty pliku jako base64 i wysyła input_audio.format z wartością wav. |
Cykl życia: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · dokładne task_id z istniejącego rekordu multimediów należących do użytkownika
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Jednostka rozliczeniowa | Opłata |
|---|---|---|---|
| KonfiguracjaBazowe stawki za tokeny | Tabela stawekStawka podstawowa | Jednostka rozliczeniowa— | Opłata Wejście · Tokeny wejściowe — / 1K tokenów Wyjście · Tokeny wyjściowe — / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| Konfiguracjatoken wejściowy | Tabela stawek— | Jednostka rozliczeniowa/ 1K tokenów | Opłata Wejście $0.005 / 1K tokenów |
| Konfiguracjatoken wyjściowy | Tabela stawek— | Jednostka rozliczeniowa/ 1K tokenów | Opłata Wyjście $0.02 / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${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-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.\nKompletna treść oryginalnej odpowiedzi, status i przekazane nagłówki. Ta funkcja obsługująca nie dodaje uniwersalnej struktury JSON, pola tekstowego ani obudowy zadania.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj pełną odpowiedź i nagłówki, wszystkie rzeczywiście uzyskane wyniki, pierwotnie zwrócone identyfikatory oraz wszystkie pola zużycia. Odzyskaj pierwotną operację bez ponownego wysyłania żądania utworzenia.
Zachowaj rzeczywiste X-Client-Request-ID i kompletną odpowiedź. Odczytuj pierwotne zasoby należące do użytkownika i ich dokładne podpisane adresy URL treści; nigdy nie ponawiaj niepewnego utworzenia.
| Pole | Typ |
|---|---|
Poletext (when present) | Typ |
Poleusage (when present) | Typ |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekTreść JSON lub jawny kanoniczny identyfikator modelu są nieprawidłowe. | Następny krokZachowaj odpowiedź i popraw wskazane pole żądania. |
Odpowiedź401 · authentication_error | WarunekKlucz API Ailoot jest nieprawidłowy. | Następny krokUżyj swojego autoryzowanego klucza API Ailoot. |
Odpowiedź403 · permission_error | WarunekGrupa klucza nie ma uprawnień do tej metody. | Następny krokZachowaj zwrócone szczegóły błędu. |
Odpowiedź404 · not_found_error | WarunekWybrana metoda nie ma dopuszczonej ścieżki. | Następny krokZachowaj zwrócone szczegóły błędu. |
Odpowiedź422 · price_unavailable | WarunekZaakceptowana taryfa nie może uzyskać wymaganej ilości danych wejściowych lub ich górnej granicy. | Następny krokZachowaj odpowiedź; użyj reprezentacji danych wejściowych wymaganej przez zaakceptowaną taryfę. |
Odpowiedź503 · | WarunekWymagany magazyn, ścieżka, cena metody lub rezerwacja są niedostępne. | Następny krokZachowaj kompletną oryginalną odpowiedź. Niepewna rezerwacja nie uprawnia do ponownego wysłania. |
Odpowiedź502 · server_error | WarunekPierwotny wynik, dane użycia lub rozliczenie wymagają sprawdzenia. | Następny krokZachowaj rzeczywisty identyfikator żądania i oryginalną odpowiedź. Odczytuj istniejący rekord należący do użytkownika; nie wysyłaj ponownie żądania utworzenia. |
Ailoot Ultra openai/gpt-4o-transcribe
Użyj ścieżek metod podanych powyżej.