OpenAI: GPT-4o Mini Transcribe

GPT-4o Mini Transcribe je model OpenAI na prevod reči na text založený na GPT-4o Mini. Prevádza zvuk na prepis JSON, podporuje textové prompty pre konkrétnu nahrávku a streamované výsledky zo súboru a môže vracať logaritmické pravdepodobnosti tokenov na cielenú kontrolu prepisu.

Ailoot Ultra · Prepis zvuku POST /v1/audio/transcriptions openai/gpt-4o-mini-transcribe

O modeli

Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.

GPT-4o Mini Transcribe je model OpenAI na prevod reči na text založený na GPT-4o Mini. Prijíma zvuk s voliteľnými textovými pokynmi a vytvára rozpoznaný text. Ide o iný model než GPT-4o Transcribe, ktorý používa GPT-4o, aj než novší profil GPT Transcribe so samostatnými poľami pre kľúčové slová a viacjazyčné pokyny. Užitočným materiálom je tu prepis pôvodnej reči z nahrávky pripravený na vyhľadávanie, kontrolu alebo následný krok spracovania obsahu.

Príprava nahrávky

Návod OpenAI na prepis súborov prijíma zvukové súbory do 25 MB. Jeho aktuálna referencia koncového bodu uvádza FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV a WebM s dostatočnými metadátami názvu súboru a typu obsahu na určenie zvukového formátu. Väčšie nahrávky možno skomprimovať alebo rozdeliť na časti s veľkosťou najviac 25 MB. Pri delení zachovajte hranice viet a každú časť spojte so zdrojovou nahrávkou a jej polohou, aby sa text neskôr dal zostaviť v správnom poradí.

Pri hlasových poznámkach uchovajte jeden identifikovateľný prepis pre každú nahrávku a pred použitím textu na vytvorenie úloh overte mená alebo čísla. Pri hovorenom návode porovnajte rozpoznané znenie s pôvodnými pokynmi skôr, než ho upravíte na zverejnenie. Užitočné prípravné zadanie určuje hovorený jazyk a výrazy, ktoré by sa inak mohli nesprávne rozpoznať. Prepis slov je prvým krokom; interpretácia, zhrnutie alebo preklad môžu skontrolovaný prepis využiť neskôr.

Pokyny v prompte a jednotné nastavenie jazyka

Existujúce integrácie GPT-4o Mini Transcribe podporujú voľne formulovaný prompt. OpenAI opisuje prompty pre mená, skratky, slovnú zásobu konkrétnej nahrávky, interpunkciu, veľké písmená, výplňové slová a preferované písmo. Referencia koncového bodu uvádza, že prompt sa má zhodovať s jazykom zvuku a môže prenášať kontext z predchádzajúceho zvukového segmentu. Pridajte príslušné zápisy alebo krátky opis témy namiesto požiadavky, aby sa prompt na prepis správal ako neobmedzený chatový pokyn.

Zavedený jazykový pokyn tohto modelu používa pole language v jednotnom čísle. Referencia výrobcu dokumentuje kód vstupného jazyka podľa ISO 639-1, napríklad en. Samostatné polia keywords a množné languages sú dokumentované pre GPT Transcribe; nie sú súčasťou tohto profilu Mini. Pri sérii nahrávok uchovávajte zamýšľané nastavenie hovoreného jazyka s každým vstupom namiesto jeho interpretácie ako požiadavky na preklad výsledku.

Výsledok JSON a voliteľné pravdepodobnosti tokenov

Aktuálna referencia koncového bodu dokumentuje JSON ako podporovaný formát odpovede GPT-4o Mini Transcribe. Rozpoznané znenie sa nachádza v poli text. Na požiadanie môžu odpoveď JSON sprevádzať logaritmické pravdepodobnosti tokenov; tieto hodnoty opisujú pravdepodobnosti tokenov modelu a môžu pomôcť určiť materiál na podrobnejšiu kontrolu. Nepotvrdzujú, že meno, číslo alebo veta zodpovedá zvuku. Podľa nahrávky rozhodnite, či sa sporné slovo má opraviť.

Bežný profil prepisu Mini neposkytuje v rámci týchto požiadaviek JSON natívny výstup SRT, VTT, podrobné časové značky slov ani výstup s označenými hovoriacimi. OpenAI pre tieto schopnosti dokumentuje špecializované modely a formáty. Ak je požadovaným materiálom stopa titulkov, uchovajte skontrolovaný prepis pre samostatný postup časovania namiesto predpokladu, že čisto textový výsledok už obsahuje hranice titulkov.

Streamovaný výstup súboru a dokumentované režimy

Návod výrobcu na prevod reči na text výslovne uvádza, že existujúce integrácie GPT-4o Mini Transcribe podporujú streamovanie súborov. Dokončená nahrávka môže počas spracovania vytvárať priebežný text prepisu a následne konečný výsledok. Konečný prepis uchovajte ako dokončený materiál; objavenie priebežného textu neznamená, že súborový postup nepretržite prijíma živý zvuk mikrofónu. Karta modelu samostatne uvádza rodiny koncových bodov pre prepis a Realtime. Tieto rozhrania výrobcu neznamenajú, že tu platí každé pole relácie iného modelu na prepis.

Kontext, rozsah výstupu a užitočné kontroly

Aktuálna špecifikácia modelu OpenAI uvádza kontextové okno 16000 tokenov, maximálny výstup 2000 tokenov a hranicu znalostí 1. júna 2024. Ide o údaje špecifikácie modelu, nie o univerzálnu dĺžku zvukovej nahrávky v minútach. Pravidlo veľkosti súboru a tokenový limit opisujú odlišné obmedzenia. Pri rozsiahlom materiáli pripravte nahrávku podľa dokumentovaného súborového postupu, prenášajte relevantný kontext medzi časťami a overte, že konečný text zahŕňa koniec zdroja.

Užitočný výsledok Mini Transcribe zachováva znenie a jeho vzťah k nahrávke, pričom voliteľné údaje o pravdepodobnosti zostávajú oddelené od redakčných opráv. Neznámu slovnú zásobu, prízvuky, hluk v pozadí, zmeny jazyka a prekrývajúcu sa reč overujte s dostupným pôvodným zvukom. Pri úpravách textu na zvýšenie čitateľnosti odlíšte redakčnú verziu od rozpoznaného prepisu, aby neskorší používatelia vedeli, ktoré znenie pochádza z nahrávky a ktoré sa zmenilo pri príprave.

Ailoot Ultra · Prepis zvuku POST /v1/audio/transcriptions openai/gpt-4o-mini-transcribe

openai/gpt-4o-mini-transcribe

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

Úvod

Povolené vstupy: Audio
Výsledky: Text

Dostupné v Ailoot · vstupy a metódy

Ailoot Ultra · Prepis zvuku POST /v1/audio/transcriptions

Vstup: audio
Výstup: text

Pole	Typ	Požiadavka	Hodnoty a limity	Predvolené
Pole`model`	Typ`string`	PožiadavkaPovinné	Hodnoty a limity openai/gpt-4o-mini-transcribe	Predvolené—
Pole`input_audio`	Typ`object`	PožiadavkaPovinné	Hodnoty a limity	Predvolené—

Parametre a životný cyklus metódy

Parameter	Špecifikácia
Parameter`content_type`	Špecifikáciaapplication/json
Parameter`required`	Špecifikáciamodel, input_audio
Parameter`material_types`	Špecifikáciaaudio
Parameter`material_conditions`	ŠpecifikáciaPríklad načíta váš skutočný neprázdny súbor PCM WAV, zakóduje všetky jeho bajty do base64 a odošle input_audio.format s hodnotou wav.

Životný cyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · presné task_id z existujúceho mediálneho záznamu vo vašom vlastníctve

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Cenník

Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.

Rýchly režim: Neuvedené Keď je zvolený rýchly režim
Režim Flex: Neuvedené Keď je zvolený režim flex
Maximálna úroveň uvažovania: Neuvedené Keď sa pri maximálnej úrovni uvažovania používa predvolená úprava (default)

Sadzby Ailoot

Ceny podľa konfigurácie

Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu.

Konfigurácia	Sadzobník	Účtovacia jednotka	Poplatok
KonfiguráciaZákladné sadzby za tokeny	SadzobníkZákladná sadzba	Účtovacia jednotka—	Poplatok Vstup · Vstupné tokeny — / 1K tokenov Výstup · Výstupné tokeny — / 1K tokenov Vstup · Čítanie cache — / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov
Konfiguráciavstupný token	Sadzobník—	Účtovacia jednotka/ 1K tokenov	Poplatok Vstup $0.0025 / 1K tokenov
Konfiguráciavýstupný token	Sadzobník—	Účtovacia jednotka/ 1K tokenov	Poplatok Výstup $0.01 / 1K tokenov

Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →

Príklady požiadaviek

Ailoot Ultra · Prepis zvuku

curl · skutočný súbor WAV a úplný pôvodný výsledok

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.

Prijať a uložiť výsledky

Ailoot Ultra · Prepis zvuku

Celé pôvodné telo odpovede, stav a preposlané hlavičky. Tento obslužný kód nepridáva žiadnu univerzálnu štruktúru JSON, textové pole ani obálku úlohy.

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

Uchovať všetky dokončené výsledky

Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.

Uchovajte úplnú odpoveď a hlavičky, všetky skutočné výstupy, pôvodné vrátené identifikátory a všetky polia s údajmi o spotrebe. Obnovte pôvodnú operáciu bez opätovného odoslania požiadavky na vytvorenie.

Ak treba overiť pôvodnú odpoveď

Zachovajte skutočné X-Client-Request-ID a celú odpoveď. Načítajte pôvodné súbory vo vašom vlastníctve a ich presné podpísané URL obsahu; neisté vytvorenie nikdy znova neodosielajte.

Polia odpovede

Pole	Typ
Pole`text (when present)`	Typ
Pole`usage (when present)`	Typ

Chyby a ďalšie kroky

Odpoveď	Podmienka	Ďalší krok
Odpoveď400 · `invalid_request_error`	PodmienkaTelo JSON alebo explicitné kanonické ID modelu sú neplatné.	Ďalší krokZachovajte odpoveď a opravte označené pole požiadavky.
Odpoveď401 · `authentication_error`	PodmienkaKľúč API služby Ailoot je neplatný.	Ďalší krokPoužite svoj autorizovaný kľúč API služby Ailoot.
Odpoveď403 · `permission_error`	PodmienkaSkupina kľúča nepovoľuje túto metódu.	Ďalší krokZachovajte vrátené podrobnosti chyby.
Odpoveď404 · `not_found_error`	PodmienkaVybraná metóda nemá povolenú trasu.	Ďalší krokZachovajte vrátené podrobnosti chyby.
Odpoveď422 · `price_unavailable`	PodmienkaPrijatá tarifa nedokáže získať požadované množstvo vstupu alebo jeho hranicu.	Ďalší krokZachovajte odpoveď; použite reprezentáciu vstupu vyžadovanú prijatou tarifou.
Odpoveď503 ·	PodmienkaPožadované úložisko, trasa, cena metódy alebo rezervácia nie sú dostupné.	Ďalší krokZachovajte celú pôvodnú odpoveď. Neistá rezervácia nie je povolením na opätovné odoslanie.
Odpoveď502 · `server_error`	PodmienkaPôvodný výsledok, spotreba alebo zúčtovanie vyžadujú kontrolu.	Ďalší krokZachovajte skutočné ID požiadavky a pôvodnú odpoveď. Načítajte existujúci záznam vo vašom vlastníctve; vytvorenie znova neodosielajte.

Aliasy

Aliasy modelov

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

Aliasy ciest metód

Použite cesty metód uvedené vyššie.

Súvisiace ID na volanie

openai/gpt-4o-mini-transcribe

FAQ · OpenAI: GPT-4o Mini Transcribe

Aké vstupy a výsledky sú dostupné?: POST /v1/audio/transcriptions · openai/gpt-4o-mini-transcribe: audio → text
Aké polia používa požiadavka?: POST /v1/audio/transcriptions · openai/gpt-4o-mini-transcribe: model, input_audio

OpenAI: GPT-4o Mini Transcribe