Source: https://ailoot.ai/models/pl/openai-whisper-1/ Canonical: https://ailoot.ai/models/pl/openai-whisper-1/ Language: pl # OpenAI: Whisper 1 [Markdown](https://ailoot.ai/models/pl/openai-whisper-1/index.md) · [JSON](https://ailoot.ai/models/pl/openai-whisper-1/facts.json) ## [OpenAI: Whisper 1](https://ailoot.ai/models/pl/openai-whisper-1/) Whisper 1 transkrybuje kompletny plik audio na tekst, oferując wielojęzyczne rozpoznawanie oraz znaczniki czasu słów lub segmentów. Producent obsługuje formaty napisów i osobny proces tłumaczenia na angielski; wynik transkrypcji zachowuje język nagrania. - [**Ailoot Ultra · Rozpoznawanie mowy** `POST /v1/audio/transcriptions` `openai/whisper-1`](https://ailoot.ai/models/pl/openai-whisper-1/#method-0) O modelu Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody. Whisper 1 to uniwersalny model API rozpoznawania mowy OpenAI, opisany jako oparty na otwartoźródłowym modelu Whisper V2. Przyjmuje plik audio i zwraca tekst. Producent opisuje wielojęzyczne rozpoznawanie, identyfikację języka i osobne zadanie tłumaczenia mowy. Transkrypcja zachowuje język wypowiedzi; oddzielny interfejs tłumaczenia producenta zwraca tekst angielski. Przydatnym zastosowaniem jest przygotowanie wywiadu, notatki głosowej lub nagranej rozmowy do późniejszego wyszukiwania i edycji. Dostarcz kompletne nagranie i, gdy jest znany, jego język wejściowy. OpenAI dokumentuje 98 obsługiwanych języków i zaznacza, że dokładność rozpoznawania zależy od języka. Pojedyncza wskazówka języka używa kodu ISO 639-1; nowsze pola wielu języków i słów kluczowych innych modeli transkrypcji są odrębnymi parametrami. Proces transkrypcji plików producenta przyjmuje pliki do 25 MB w formacie MP3, MP4, MPEG, MPGA, M4A, WAV lub WebM. Większe nagranie skompresuj albo podziel na fragmenty mieszczące się w limicie. Zachowaj granice zdań i kolejność fragmentów, aby złożona transkrypcja pozostawała powiązana z oryginalnym nagraniem. Kontener wideo dostarcza w tym zadaniu swoje audio, a nie wejście do opisu obrazu. Prompt może podać nazwy, akronimy, słownictwo właściwe nagraniu i kontekst wcześniejszego segmentu. Limit promptu Whisper wynosi 224 tokeny, a prompt powinien odpowiadać językowi audio. Producent stwierdza, że Whisper nie wykonuje instrukcji jak uniwersalny model tekstowy. Używaj promptu jako właściwego kontekstu transkrypcji, a następnie sprawdzaj ważną pisownię z nagraniem, zamiast traktować listę terminów jako słowa, które mówca musiał wypowiedzieć. Producent dokumentuje formaty transkrypcji JSON, zwykły tekst, SRT, VTT i verbose JSON. Znaczniki czasu słów i segmentów wymagają verbose JSON; można zażądać jednego lub obu poziomów szczegółowości. Dokumentacja API wskazuje, że znaczniki czasu segmentów nie zwiększają opóźnienia, natomiast znaczniki słów wymagają dodatkowego przetwarzania. Wyjścia te wspierają tworzenie napisów i odnajdywanie fragmentów podczas edycji; adnotacje diaryzacji mówców należą do innego wyspecjalizowanego modelu. Whisper 1 nie obsługuje strumieniowania transkrypcji plików. Dokumentacja podaje także temperaturę próbkowania między zero a jeden; przy zerze model może automatycznie zwiększać temperaturę, gdy wymagają tego progi dekodowania. Opisuje to parametry przetwarzania producenta, a nie obietnicę, że każde nagranie da identyczną lub doskonale dokładną transkrypcję. Określ końcowy rezultat: transkrypcję do wyszukiwania, plik napisów lub tekst z czasami słów albo segmentów. Zachowaj z wynikiem oryginalne nagranie, kolejność fragmentów i właściwe odniesienia do czasu źródłowego. Późniejsza edycja tekstu może poprawić błąd pisowni lub przygotować podsumowanie, ale porównuj zmiany z audio, aby zachować znaczenie wypowiedzi. Rozpoznany tekst staje się podstawą kolejnego zadania, a nie wygenerowaną odpowiedzią na wypowiedziane pytanie. **Ailoot Ultra · Rozpoznawanie mowy** `POST /v1/audio/transcriptions` `openai/whisper-1` [`openai/whisper-1`](https://ailoot.ai/models/pl/#m=openai%2Fwhisper-1&route=Ultra&caller=openai%2Fwhisper-1&fmt=transcriptions) OpenAI /`openai/whisper-1` ### Start Whisper 1 transkrybuje kompletny plik audio na tekst, oferując wielojęzyczne rozpoznawanie oraz znaczniki czasu słów lub segmentów. Producent obsługuje formaty napisów i osobny proces tłumaczenia na angielski; wynik transkrypcji zachowuje język nagrania. Akceptowane dane wejściowe Audio Wyniki transcription ### Dostępne w Ailoot · dane wejściowe i metody **Ailoot Ultra · Rozpoznawanie mowy** `POST /v1/audio/transcriptions` Wejście `audio` Wyjście `transcription` Format wyjściowy json | Pole | Typ | Wymaganie | Wartości i limity | Domyślnie | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity openai/whisper-1 | Domyślnie— | | Pole`file` | Typ`file` | WymaganieWymagane | Wartości i limity Typ treści: multipart/form-data | Domyślnie— | | Pole`response_format` | Typ`string` | WymaganieOpcjonalne | Wartości i limity json | Domyślnie— | | Pole`input_audio.data` | Typ`base64_string` | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: Dane wejściowe JSON dla WhisperOR | Domyślnie— | | Pole`input_audio.format` | Typ`string` | WymaganieWymagane | Wartości i limity wav, mp3, flac, ogg, m4a, webm Obowiązuje, gdy: Dane wejściowe JSON dla WhisperOR | Domyślnie— | Kombinacje materiałów wejściowych · Wymagane: model, file Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`contours` | Kontrakt{"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} | | Parametr`max_bytes` | Kontrakt26214400 | | Parametr`material_types` | Kontraktaudio | Cykl życia: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · Rzeczywiście zwrócony task\_id lub wpis w bibliotece multimediów `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` Użyj rzeczywistego nagrania i odpowiadającego mu formatu. Zachowaj pełną transkrypcję, segmenty, identyfikatory mówców i czasy. ### Cennik Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie. Tryb szybki Nie określono Gdy wybrany jest tryb szybki Tryb flex Nie określono Gdy wybrany jest tryb flex Maksymalna intensywność rozumowania Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default) #### Stawki Ailoot #### Ceny według konfiguracji 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 | | Konfiguracjasekunda wejściowego audio | Tabela stawek— | Jednostka rozliczeniowaza sekundę dźwięku wejściowego | Opłata Wejście · sekunda wejściowego audio **$0.0002** za sekundę dźwięku wejściowego | #### Szczegóły taryfy referencyjnej Referencyjne tabele modelu nie zmieniają wyboru metody, wyceny ani opłat. Naliczane opłaty korzystają ze stawek wybranej metody Ailoot. OpenAI: Whisper 1 #### Ceny według konfiguracji | Konfiguracja | Warunki rozliczania | Opłata | | --- | --- | --- | | KonfiguracjaOpenAI: Whisper 1 · Domyślna konfiguracja | Warunki rozliczaniaKonfiguracja domyślna | Opłata Wejście · Sekundy wejściowego audio **0,0002 USD** za sekundę dźwięku wejściowego | Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. [Jak działają rezerwacja i rozliczenie →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot Ultra · Rozpoznawanie mowy curl ```bash set -eu : "${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 ``` ### Odbieranie i zapisywanie wyników #### Ailoot Ultra · Rozpoznawanie mowy json - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Inne odczyty treści Biblioteka multimediówStatus zadaniaSzczegóły pliku ```bash 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 $AILOOT_API_KEY" -o media-assets.json ``` ```bash set -eu : "${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 $AILOOT_API_KEY" -o media-task.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path("media-task.json").read_text()))) PY_RESULT ``` ```bash set -eu : "${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 ``` ##### Zachowaj wszystkie ukończone wyniki Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści. Zachowaj kompletny JSON, a nie tylko tekst; zachowaj każdy dostępny segment, mówcę i znacznik czasu oraz rzeczywistą tożsamość zadania lub zasobu. ##### Jeśli trzeba sprawdzić pierwotną odpowiedź Zachowaj pierwotny operation\_id/X-Client-Request-ID do uzgodnienia danych bez ponownego wysyłania żądania; brak osobnej ścieżki API do cyklicznego sprawdzania stanu audio. Pola odpowiedzi | Pole | Typ | | --- | --- | | Pole`text` | Typstring | | Pole`segments[]` | Typobject | | Pole`task_id` | Typstring | | Pole`asset_url` | Typstring | | Pole`usage` | Typobject | Błędy i dalsze kroki | Odpowiedź | Warunek | Następny krok | | --- | --- | --- | | Odpowiedź400 · `invalid_request_error` | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. | | Odpowiedź`server_error` | WarunekZwrócona odpowiedź wskazuje, że operacja lub wynik wymaga sprawdzenia | Następny krokZachowaj pierwotnie zwrócony identyfikator operacji lub zadania, nagłówki żądania i odpowiedź; kontynuuj obsługiwane odczyty tej pierwotnej operacji. Nie wysyłaj ponownie żądania utworzenia. | ### Aliasy #### Aliasy modelu **Ailoot Ultra** [`openai/whisper-1`](https://ailoot.ai/models/pl/#m=openai%2Fwhisper-1&route=Ultra&caller=openai%2Fwhisper-1&fmt=transcriptions) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`openai/whisper-1`](https://ailoot.ai/models/pl/#m=openai%2Fwhisper-1&route=Ultra&caller=openai%2Fwhisper-1&fmt=transcriptions) FAQ · OpenAI: Whisper 1 Jakie dane wejściowe i wyniki są dostępne? `POST /v1/audio/transcriptions` · `openai/whisper-1`: `audio` → `transcription` Jakich pól używa żądanie? `POST /v1/audio/transcriptions` · `openai/whisper-1`: `model`, `file`, `response_format` Połącz Ailoot z Claude Code, OpenCode, Hermes albo własną aplikacją. ## Firma i jej portfel projektów Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. ## Kupuj tokeny z rabatem. Rabat subskrypcji do regularnej pracy. Kody promocyjne — do 50% na tokeny. Subskrypcja Wybierz plan z rabatem do regularnych żądań. Kod promocyjny do 50% Wpisz kod przy zakupie. Cena zostanie przeliczona według aktualnej promocji. Koszty w historii Model, tokeny i kwota są zapisywane dla każdego żądania. [Wybierz subskrypcję](https://ailoot.ai/docs/pl/billing/subscriptions/) · [Sprawdź ceny modeli](https://ailoot.ai/models/pl/) ## Połącz API z produktem, który sprzedajesz. SaaS, aplikacje i boty na warunkach oferty i umowy licencyjnej Ailoot. Do odsprzedaży poproś o licencję resellerską. Aplikacja komercyjna Wbuduj generowanie tekstu, obrazów, wideo i dźwięku w płatne funkcje usługi. Licencja resellerska Prześlij opis projektu i schemat dostępu. Poproś o pisemne warunki używania i odsprzedaży. Dokumenty na stronie Oferta, umowa licencyjna i polityka przetwarzania danych są dostępne przed połączeniem. [Poproś o licencję resellerską](mailto:support@ailoot.ai) · [Oferta i umowa licencyjna](https://ailoot.ai/legal/offer?lang=pl) ## Ailoot · Firma i jej portfel projektów Ailoot opiera się na zgromadzonym doświadczeniu operacyjnym, szerokiej bazie klientów, stabilnej usłudze i stałej kontroli KPI. Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. Ailoot wykorzystuje to doświadczenie operacyjne, zapewniając dostęp przez API do funkcji AI w produktach klientów, agentach, aplikacjach i automatyzacjach.