OpenAI: GPT-4o Mini Transcribe

GPT-4o Mini Transcribe — модель преобразования речи в текст от OpenAI на основе GPT-4o Mini. Она превращает аудио в расшифровку JSON, поддерживает текстовые инструкции для конкретной записи и потоковый результат из файла и может возвращать логарифмические вероятности токенов для целевой проверки расшифровки.

Ailoot Ultra · Распознавание речи POST /v1/audio/transcriptions openai/gpt-4o-mini-transcribe

О модели

Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.

GPT-4o Mini Transcribe — модель преобразования речи в текст от OpenAI на основе GPT-4o Mini. Она принимает аудио с необязательными текстовыми указаниями и создаёт распознанный текст. Она отличается от GPT-4o Transcribe на основе GPT-4o и от более нового профиля GPT Transcribe с отдельными полями ключевых слов и указания нескольких языков. Полезный результат здесь — расшифровка исходной речи записи, подготовленная для поиска, проверки или последующего этапа обработки содержания.

Подготовка записи

Руководство OpenAI по расшифровке файлов допускает загрузки аудио до 25 MB. Текущая справка по конечной точке перечисляет FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV и WebM с метаданными имени файла и типа содержимого, достаточными для определения аудиоформата. Более крупные записи можно сжать или разделить на части размером не более 25 MB. При разделении сохраняйте границы предложений и связь каждой части с исходной записью и её положением, чтобы затем собрать текст в правильном порядке.

Для голосовых заметок сохраняйте отдельную идентифицируемую расшифровку каждой записи и проверяйте имена и числа до создания задач из текста. Для устного руководства сравнивайте распознанную формулировку с исходными инструкциями до редактирования для публикации. Полезное задание на подготовку указывает язык речи и термины, которые иначе могут быть неверно расслышаны. Расшифровка слов — первый шаг; затем проверенный текст может использоваться для интерпретации, резюме или перевода.

Текстовые указания и один язык

Существующие интеграции GPT-4o Mini Transcribe поддерживают свободную текстовую инструкцию. OpenAI описывает указания для имён, сокращений, словаря конкретной записи, пунктуации, прописных букв, слов-паразитов и желаемой системы письма. Справка по конечной точке указывает, что язык инструкции должен совпадать с языком аудио и может переносить контекст предыдущего аудиосегмента. Добавляйте нужные варианты написания или краткое описание темы, не требуя от инструкции для расшифровки вести себя как неограниченная инструкция чата.

Установленное указание языка этой модели использует поле language в единственном числе. Справка производителя документирует код языка входного аудио ISO 639-1, например en. Отдельные поля keywords и languages во множественном числе документированы для GPT Transcribe; они не входят в этот профиль Mini. Для серии записей сохраняйте настройку фактического языка речи вместе с каждым входным материалом, не трактуя её как запрос перевода результата.

Результат JSON и необязательные вероятности токенов

Текущая справка по конечной точке указывает JSON как поддерживаемый формат ответа GPT-4o Mini Transcribe. Распознанная формулировка появляется в поле text. По запросу ответ JSON может сопровождаться логарифмическими вероятностями токенов; эти значения описывают вероятности токенов модели и помогают выбирать материал для более тщательной проверки. Они не устанавливают соответствие имени, числа или предложения звуку. По записи определяйте, нужно ли исправлять сомнительное слово.

Обычный профиль расшифровки Mini через эту спецификацию JSON не предоставляет собственный вывод SRT, VTT, подробные временные отметки слов или метки говорящих. Для таких возможностей OpenAI документирует специализированные модели и форматы. Если требуемый результат — дорожка субтитров, сохраняйте проверенную расшифровку для отдельного процесса расстановки времени, не предполагая, что текстовый результат уже содержит границы субтитров.

Потоковый вывод из файла и документированные режимы

Руководство производителя по преобразованию речи в текст прямо указывает, что существующие интеграции GPT-4o Mini Transcribe поддерживают потоковую обработку файла. При обработке готовая запись может давать частичный текст расшифровки, а затем окончательный результат. Сохраняйте окончательную расшифровку как завершённый материал; появление частичного текста не означает непрерывный приём живого аудио с микрофона файловым процессом. Карточка модели отдельно перечисляет семейства конечных точек расшифровки и Realtime. Эти интерфейсы производителя не означают применимости здесь каждого поля сессии другой модели расшифровки.

Контекст, объём вывода и полезные проверки

Текущая спецификация модели OpenAI указывает контекстное окно 16 000 токенов, максимальный вывод 2 000 токенов и границу знаний 1 июня 2024 года. Это параметры модели, а не универсальная длительность аудиозаписи в минутах. Правило размера файла и токенный объём описывают разные ограничения. Для длинного материала готовьте запись по документированному файловому процессу, переносите нужный контекст между частями и проверяйте, что итоговый текст включает конец источника.

Полезный результат Mini Transcribe сохраняет формулировки и их связь с записью, отделяя необязательные данные вероятностей от редакторских исправлений. Проверяйте незнакомые термины, акценты, фоновый шум, смену языка и одновременную речь, сохраняя доступ к исходному аудио. При переработке для читаемости отделяйте редакторскую версию от распознанной расшифровки, чтобы последующие пользователи могли понять, какие слова взяты из записи, а какие изменены при подготовке.

Ailoot Ultra · Распознавание речи POST /v1/audio/transcriptions openai/gpt-4o-mini-transcribe

openai/gpt-4o-mini-transcribe

OpenAI /openai/gpt-4o-mini-transcribe

Начало

Допустимые входные данные: Аудио
Результаты: Текст

Доступно в Ailoot · входные данные и методы

Ailoot Ultra · Распознавание речи POST /v1/audio/transcriptions

Входные данные: audio
Результат: text

Поле	Тип	Требование	Значения и ограничения	По умолчанию
Поле`model`	Тип`string`	ТребованиеОбязательно	Значения и ограничения openai/gpt-4o-mini-transcribe	По умолчанию—
Поле`input_audio`	Тип`object`	ТребованиеОбязательно	Значения и ограничения	По умолчанию—

Параметры и жизненный цикл метода

Параметр	Контракт
Параметр`content_type`	Контрактapplication/json
Параметр`required`	Контрактmodel, input_audio
Параметр`material_types`	Контрактaudio
Параметр`material_conditions`	КонтрактПример читает ваш реальный непустой файл PCM WAV, кодирует все байты файла в base64 и передаёт wav в input_audio.format.

Жизненный цикл: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · точный task_id из существующей записи медиаресурса, принадлежащего Ailoot

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Тарифы

Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.

Быстрый режим: Не указано При выборе быстрого режима
Режим flex: Не указано При выборе режима flex
Максимальная интенсивность рассуждений: Не указано При максимальной интенсивности рассуждений с корректировкой по умолчанию (default)

Ставки Ailoot

Цены по конфигурациям

Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку.

Конфигурация	Шкала ставок	Расчётная единица	Плата
КонфигурацияБазовые тарифы на токены	Шкала ставокБазовая ставка	Расчётная единица—	Плата Вход · Входные токены — / 1K токенов Выход · Выходные токены — / 1K токенов Вход · Чтение кэша — / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов
КонфигурацияВходной токен	Шкала ставок—	Расчётная единица/ 1K токенов	Плата Вход $0.0025 / 1K токенов
КонфигурацияВыходной токен	Шкала ставок—	Расчётная единица/ 1K токенов	Плата Выход $0.01 / 1K токенов

Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →

Примеры запросов

Ailoot Ultra · Распознавание речи

curl · реальный файл WAV и полный исходный результат

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"
export AILOOT_AUDIO_FILE
python3 - <<'PY_REQUEST'
import base64, io, json, os, wave
from pathlib import Path
audio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):
    raise SystemExit('Supply your actual PCM WAV audio file')
with wave.open(io.BytesIO(audio), 'rb') as recording:
    if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:
        raise SystemExit('Supply a nonempty PCM WAV recording')
request = {'model': 'openai/gpt-4o-mini-transcribe', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}
Path('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete original response, headers and actual X-Client-Request-ID.
# Read existing owned records for recovery; do not resubmit an uncertain operation.

Получить и сохранить результаты

Ailoot Ultra · Распознавание речи

Полное исходное тело ответа, статус и переданные заголовки. Этот обработчик не добавляет универсальную структуру JSON, текстовое поле или оболочку задачи.

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

Сохраняйте все готовые результаты

Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.

Сохраняйте полный ответ и заголовки, все фактические результаты, исходные возвращённые идентификаторы и все поля использования. Восстанавливайте исходную операцию без повторной отправки запроса создания.

Если нужно проверить исходный ответ

Сохраните фактический X-Client-Request-ID и полный ответ. Читайте исходные ресурсы, принадлежащие Ailoot, по их точным подписанным URL содержимого; никогда не повторяйте создание с неопределённым исходом.

Поля ответа

Поле	Тип
Поле`text (when present)`	Тип
Поле`usage (when present)`	Тип

Ошибки и дальнейшие шаги

Ответ	Условие	Следующий шаг
Ответ400 · `invalid_request_error`	УсловиеТело JSON или явно указанный канонический ID модели недопустимы.	Следующий шагСохраните ответ и исправьте указанное поле запроса.
Ответ401 · `authentication_error`	УсловиеНедействительный ключ Ailoot API.	Следующий шагИспользуйте ваш авторизованный ключ Ailoot API.
Ответ403 · `permission_error`	УсловиеГруппа ключа не допускает этот метод.	Следующий шагСохраните возвращённые подробности ошибки.
Ответ404 · `not_found_error`	УсловиеУ выбранного метода нет допущенного маршрута.	Следующий шагСохраните возвращённые подробности ошибки.
Ответ422 · `price_unavailable`	УсловиеДля принятого тарифа невозможно определить требуемое количество входных данных или его границу.	Следующий шагСохраните ответ; используйте представление входных данных, требуемое принятым тарифом.
Ответ503 ·	УсловиеТребуемое хранилище, маршрут, цена метода или резервирование недоступны.	Следующий шагСохраните полный исходный ответ. Неопределённость резервирования не разрешает повторную отправку.
Ответ502 · `server_error`	УсловиеИсходный результат, использование или окончательный расчёт требуют проверки.	Следующий шагСохраните фактический ID запроса и исходный ответ. Читайте существующую запись ресурса, принадлежащего Ailoot; не повторяйте создание.

Псевдонимы

Псевдонимы моделей

Ailoot Ultra openai/gpt-4o-mini-transcribe

Псевдонимы путей метода

Используйте пути методов, указанные выше.

Связанные ID для вызова

openai/gpt-4o-mini-transcribe

FAQ · OpenAI: GPT-4o Mini Transcribe

Какие входные данные и результаты доступны?: POST /v1/audio/transcriptions · openai/gpt-4o-mini-transcribe: audio → text
Какие поля использует запрос?: POST /v1/audio/transcriptions · openai/gpt-4o-mini-transcribe: model, input_audio

OpenAI: GPT-4o Mini Transcribe