OpenAI: Whisper 1

Whisper 1 prepisuje dokončený zvukový súbor na text s viacjazyčným rozpoznávaním a časovými značkami slov alebo segmentov. Výrobca podporuje titulkové formáty a samostatný postup prekladu do angličtiny; výsledok prepisu zachováva jazyk nahrávky.

Ailoot Ultra · Rozpoznávanie reči POST /v1/audio/transcriptions openai/whisper-1

O modeli

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

Whisper 1 je všeobecný API model rozpoznávania reči od OpenAI, podľa dokumentácie využívajúci open-source model Whisper V2. Prijíma zvukový súbor a vracia text. Výrobca opisuje viacjazyčné rozpoznávanie, identifikáciu jazyka a samostatnú úlohu prekladu reči. Prepis zachováva hovorený jazyk; samostatné prekladové rozhranie výrobcu vracia anglický text.

Užitočným použitím je príprava rozhovoru, hlasovej poznámky alebo nahranej konverzácie na neskoršie vyhľadávanie a úpravy. Dodajte dokončenú nahrávku a jej vstupný jazyk, ak je známy. OpenAI dokumentuje 98 podporovaných jazykov a upozorňuje, že presnosť rozpoznávania sa podľa jazyka líši. Nápoveda pre jeden jazyk používa kód ISO 639-1; novšie viacjazyčné polia a polia kľúčových slov iných modelov prepisu sú samostatné ovládacie prvky.

Postup výrobcu na prepis súborov prijíma súbory do 25 MB vo formátoch MP3, MP4, MPEG, MPGA, M4A, WAV alebo WebM. Pri väčšej nahrávke použite komprimovaný formát alebo ju rozdeľte na časti v rámci limitu. Zachovajte hranice viet a poradie častí, aby zostavený prepis zostal spojený s pôvodnou nahrávkou. Video kontajner pri tejto úlohe poskytuje svoj zvuk a nepredstavuje vstup na vizuálny opis.

Prompt môže dodať mená, skratky alebo slovnú zásobu špecifickú pre nahrávku a kontext z predchádzajúceho segmentu. Limit promptu Whisper je 224 tokenov a prompt má zodpovedať jazyku zvuku. Výrobca uvádza, že Whisper nenasleduje pokyny ako všeobecný textový model. Prompt použite ako relevantný kontext prepisu a dôležité zápisy potom porovnajte s nahrávkou; nepovažujte zoznam terminológie za slová, ktoré hovoriaci musel povedať.

Výrobca dokumentuje formáty prepisu JSON, obyčajný text, SRT, VTT a podrobný JSON. Časové značky slov a segmentov vyžadujú podrobný JSON; možno vyžiadať jednu alebo obe úrovne podrobnosti. Referencia API uvádza, že časové značky segmentov nepridávajú ďalšiu latenciu, kým časové značky slov vyžadujú dodatočné spracovanie. Tieto výstupy podporujú titulkovanie a vyhľadávanie pasáží pri úpravách; anotácie diarizácie hovoriacich patria k inému špecializovanému modelu.

Whisper 1 nepodporuje streamovanie pri prepise súborov. Jeho referencia tiež dokumentuje teplotu vzorkovania medzi nulou a jednotkou; pri nule môže model automaticky zvýšiť teplotu, keď si to vyžiadajú jeho dekódovacie prahy. To opisuje ovládacie prvky spracovania výrobcu, nie prísľub, že každá nahrávka vytvorí totožný alebo dokonale presný prepis.

Definujte konečný výsledok: prepis na vyhľadávanie, titulkový súbor alebo text s časovaním slov či segmentov. S výsledkom uchovajte pôvodnú nahrávku, poradie častí a príslušné zdrojové časové odkazy. Neskorší krok úpravy textu môže opraviť preklep alebo pripraviť zhrnutie, ale zmeny porovnajte so zvukom, aby sa zachoval význam hovoriaceho. Rozpoznaný text sa stáva podkladom pre ďalšiu úlohu, nie generovanou odpoveďou na hovorenú otázku.

Ailoot Ultra · Rozpoznávanie reči POST /v1/audio/transcriptions openai/whisper-1

openai/whisper-1

OpenAI /openai/whisper-1

Úvod

Povolené vstupy: Audio
Výsledky: transcription

Dostupné v Ailoot · vstupy a metódy

Ailoot Ultra · Rozpoznávanie reči POST /v1/audio/transcriptions

Vstup: audio
Výstup: transcription
Výstupný formát: json

Pole	Typ	Požiadavka	Hodnoty a limity	Predvolené
Pole`model`	Typ`string`	PožiadavkaPovinné	Hodnoty a limity openai/whisper-1	Predvolené—
Pole`file`	Typ`file`	PožiadavkaPovinné	Hodnoty a limity Typ obsahu: multipart/form-data	Predvolené—
Pole`response_format`	Typ`string`	PožiadavkaVoliteľné	Hodnoty a limity json	Predvolené—
Pole`input_audio.data`	Typ`base64_string`	PožiadavkaPovinné	Hodnoty a limity Platí, keď: Vstup JSON pre WhisperOR	Predvolené—
Pole`input_audio.format`	Typ`string`	PožiadavkaPovinné	Hodnoty a limity wav, mp3, flac, ogg, m4a, webm Platí, keď: Vstup JSON pre WhisperOR	Predvolené—

Kombinácie vstupných podkladov

· Povinné: model, file

Parametre a životný cyklus metódy

Parameter	Špecifikácia
Parameter`contours`	Špecifikácia{"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}
Parameter`max_bytes`	Špecifikácia26214400
Parameter`material_types`	Špecifikáciaaudio

Životný cyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · skutočne vrátené task_id alebo záznam v knižnici médií

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Použite skutočnú nahrávku a zodpovedajúci formát.

Zachovajte celý prepis, segmenty, ID hovoriacich a časovanie.

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
Konfiguráciasekunda vstupného zvuku	Sadzobník—	Účtovacia jednotkaza sekundu vstupného audia	Poplatok Vstup · sekunda vstupného zvuku $0.0002 za sekundu vstupného audia

Podrobnosti referenčnej tarify

Referenčné sadzobníky modelu nemenia výber metódy, cenové odhady ani poplatky. Aktívne poplatky používajú sadzby vybranej metódy Ailoot.

OpenAI: Whisper 1

Ceny podľa konfigurácie

Konfigurácia	Podmienky účtovania	Poplatok
KonfiguráciaOpenAI: Whisper 1 · Predvolená konfigurácia	Podmienky účtovaniaPredvolená konfigurácia	Poplatok Vstup · Sekundy vstupného zvuku 0,0002 USD za sekundu vstupného audia

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 · Rozpoznávanie reči

curl

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

Prijať a uložiť výsledky

Ailoot Ultra · Rozpoznávanie reči

json

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

Čítanie ďalšieho obsahu

Knižnica médiíStav úlohyPodrobnosti podkladu

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

Uchovať všetky dokončené výsledky

Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.

Zachovajte celý JSON, nielen text; zachovajte každý dostupný segment, hovoriaceho a časovú značku aj skutočnú identitu úlohy alebo súboru.

Ak treba overiť pôvodnú odpoveď

Uchovajte pôvodné operation_id/X-Client-Request-ID na zosúladenie záznamov bez opätovného odoslania; neexistuje samostatná trasa na priebežné zisťovanie stavu zvuku.

Polia odpovede

Pole	Typ
Pole`text`	Typstring
Pole`segments[]`	Typobject
Pole`task_id`	Typstring
Pole`asset_url`	Typstring
Pole`usage`	Typobject

Chyby a ďalšie kroky

Odpoveď	Podmienka	Ďalší krok
Odpoveď400 · `invalid_request_error`	PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra	Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia.
Odpoveď`server_error`	PodmienkaVrátená odpoveď uvádza, že operáciu alebo výsledok je potrebné skontrolovať	Ďalší krokUchovajte pôvodné vrátené ID operácie/úlohy, hlavičky požiadavky a odpoveď; naďalej čítajte údaje o tejto pôvodnej operácii podporovaným spôsobom. Požiadavku na vytvorenie znova neodosielajte.

Aliasy

Aliasy modelov

Ailoot Ultra openai/whisper-1

Aliasy ciest metód

Použite cesty metód uvedené vyššie.

Súvisiace ID na volanie

openai/whisper-1

FAQ · OpenAI: Whisper 1

Aké vstupy a výsledky sú dostupné?: POST /v1/audio/transcriptions · openai/whisper-1: audio → transcription
Aké polia používa požiadavka?: POST /v1/audio/transcriptions · openai/whisper-1: model, file, response_format

OpenAI: Whisper 1

OpenAI: Whisper 1

Úvod

Dostupné v Ailoot · vstupy a metódy

Cenník

Sadzby Ailoot

Ceny podľa konfigurácie

Podrobnosti referenčnej tarify

Ceny podľa konfigurácie

Príklady požiadaviek

Ailoot Ultra · Rozpoznávanie reči

Prijať a uložiť výsledky

Ailoot Ultra · Rozpoznávanie reči

Uchovať všetky dokončené výsledky

Ak treba overiť pôvodnú odpoveď

Aliasy

Aliasy modelov

Aliasy ciest metód

Súvisiace ID na volanie

Spoločnosť a jej portfólio projektov

Nakupujte tokeny so zľavou.

Pripojte API k produktu, ktorý predávate.