OpenAI: Whisper 1
Whisper 1 расшифровывает завершённый аудиофайл в текст с многоязычным распознаванием и временными метками слов или сегментов. Производитель поддерживает форматы субтитров и отдельный сценарий перевода на английский; транскрибация сохраняет язык записи.
О модели
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Whisper 1 — универсальная API-модель распознавания речи OpenAI, которая по документации работает на открытой модели Whisper V2. Она принимает аудиофайл и возвращает текст. Производитель описывает многоязычное распознавание, определение языка и отдельную задачу перевода речи. Транскрибация сохраняет произнесённый язык; отдельный интерфейс перевода возвращает английский текст.
Практическое применение — подготовка интервью, голосовой заметки или записанного разговора к поиску и редактированию. Передайте завершённую запись и, если известен, её исходный язык. OpenAI документирует 98 поддерживаемых языков и отмечает различия точности между языками. Подсказка единственного языка использует код ISO 639-1; новые поля нескольких языков и ключевых слов других моделей транскрибации — отдельные настройки.
Сценарий файловой транскрибации производителя принимает файлы до 25 MB в форматах MP3, MP4, MPEG, MPGA, M4A, WAV или WebM. Для большей записи используйте сжатый формат или разделите её на фрагменты в пределах лимита. Сохраняйте границы предложений и порядок фрагментов, чтобы собранная расшифровка оставалась связанной с исходной записью. Видеоконтейнер передаёт для этой задачи аудио, а не вход для описания изображения.
Промпт может содержать имена, аббревиатуры, характерную для записи лексику и контекст предыдущего сегмента. Лимит промпта Whisper — 224 токена; его язык должен совпадать с языком аудио. Производитель указывает, что Whisper не следует инструкциям как универсальная текстовая модель. Используйте промпт как релевантный контекст распознавания, затем проверяйте важные написания по записи, не считая список терминов словами, которые говорящий обязательно произнёс.
Производитель документирует форматы транскрибации JSON, обычный текст, SRT, VTT и verbose JSON. Временные метки слов и сегментов требуют verbose JSON; можно запросить один или оба уровня детализации. Справочник API указывает, что метки сегментов не увеличивают задержку, а метки слов требуют дополнительной обработки. Эти результаты помогают готовить субтитры и находить отрывки при монтаже; аннотации диаризации говорящих относятся к другой специализированной модели.
Whisper 1 не поддерживает потоковую файловую транскрибацию. Справочник также документирует температуру семплирования от нуля до единицы; при нуле модель может автоматически повышать температуру, если того требуют пороги декодирования. Это настройки обработки производителя, а не обещание одинаковой или идеально точной расшифровки каждой записи.
Определите итоговый материал: расшифровка для поиска, файл субтитров или текст с метками слов/сегментов. Храните с результатом исходную запись, порядок фрагментов и нужные ссылки на исходное время. Последующий текстовый шаг может исправить написание или подготовить резюме, но изменения сверяйте с аудио, сохраняя смысл говорящего. Распознанный текст служит основанием для следующей задачи, а не сгенерированным ответом на произнесённый вопрос.
Ailoot Ultra · Распознавание речи POST /v1/audio/transcriptions openai/whisper-1
openai/whisper-1Начало
Whisper 1 расшифровывает завершённый аудиофайл в текст с многоязычным распознаванием и временными метками слов или сегментов. Производитель поддерживает форматы субтитров и отдельный сценарий перевода на английский; транскрибация сохраняет язык записи.
- Допустимые входные данные
- Аудио
- Результаты
- transcription
Доступно в Ailoot · входные данные и методы
Ailoot Ultra · Распознавание речи POST /v1/audio/transcriptions
- Входные данные
audio- Результат
transcription- Выходной формат
- json
| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения openai/whisper-1 | По умолчанию— |
Полеfile | Типfile | ТребованиеОбязательно | Значения и ограничения Тип содержимого: multipart/form-data | По умолчанию— |
Полеresponse_format | Типstring | ТребованиеНеобязательно | Значения и ограничения json | По умолчанию— |
Полеinput_audio.data | Типbase64_string | ТребованиеОбязательно | Значения и ограничения Применяется, когда: Входные данные WhisperOR в JSON | По умолчанию— |
Полеinput_audio.format | Типstring | ТребованиеОбязательно | Значения и ограничения wav, mp3, flac, ogg, m4a, webm Применяется, когда: Входные данные WhisperOR в JSON | По умолчанию— |
Сочетания входных материалов
· Обязательно: model, file
Параметры и жизненный цикл метода
| Параметр | Контракт |
|---|---|
Параметрcontours | Контракт{"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} |
Параметрmax_bytes | Контракт26214400 |
Параметрmaterial_types | Контрактaudio |
Жизненный цикл: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Фактически возвращённый task_id или запись в медиатеке
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Используйте фактическую запись и соответствующий формат.
Сохраните полную расшифровку, сегменты, ID говорящих и временные метки.
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 |
| Конфигурациясекунда входного аудио | Шкала ставок— | Расчётная единицаза секунду входного аудио | Плата Вход · секунда входного аудио $0.0002 за секунду входного аудио |
Сведения о справочном тарифе
Справочные шкалы модели не меняют выбор метода, расчёт стоимости или списания. Действующая плата определяется ставками выбранного метода Ailoot.
OpenAI: Whisper 1
Цены по конфигурациям
| Конфигурация | Условия расчёта | Плата |
|---|---|---|
| КонфигурацияOpenAI: Whisper 1 · Стандартная конфигурация | Условия расчётаКонфигурация по умолчанию | Плата Вход · Секунды входного аудио 0,0002 $ за секунду входного аудио |
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
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
Получить и сохранить результаты
Ailoot Ultra · Распознавание речи
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Чтение другого содержимого
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
Сохраняйте все готовые результаты
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраните полный JSON, а не только текст; сохраняйте каждый доступный сегмент, говорящего, временную метку и фактическую идентичность задачи или ресурса.
Если нужно проверить исходный ответ
Сохраняйте исходный operation_id/X-Client-Request-ID для сверки без повторной отправки; отдельного маршрута опроса аудио нет.
Поля ответа
| Поле | Тип |
|---|---|
Полеtext | Типstring |
Полеsegments[] | Типobject |
Полеtask_id | Типstring |
Полеasset_url | Типstring |
Полеusage | Типobject |
Ошибки и дальнейшие шаги
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ответserver_error | УсловиеВозвращённый ответ указывает, что операция или результат требуют проверки | Следующий шагСохраните исходный возвращённый ID операции или задачи, заголовки запроса и ответ; продолжайте поддерживаемые операции чтения исходной операции. Не отправляйте запрос создания повторно. |
Псевдонимы
Псевдонимы моделей
Ailoot Ultra openai/whisper-1
Псевдонимы путей метода
Используйте пути методов, указанные выше.
Связанные ID для вызова
FAQ · OpenAI: Whisper 1
- Какие входные данные и результаты доступны?
POST /v1/audio/transcriptions·openai/whisper-1:audio→transcription- Какие поля использует запрос?
POST /v1/audio/transcriptions·openai/whisper-1:model,file,response_format